Reguläre Ausdrücke - Gruppierung und Referenzen

In regulären Ausdrücken,Gruppierung(Gruppierung) ermöglicht es uns, mehrere Zeichen als eine Einheit zu behandeln, genau wie Klammern in der Mathematik. Gruppierung hat zwei Hauptzwecke:

  1. Mehrere Zeichen als Ganzes behandeln: Sie können Quantifizierer auf dieses Ganze anwenden (wie z. B.*、+、?、{n})
  2. Übereinstimmenden Inhalt erfassen: Sie können später auf diesen Teil des übereinstimmenden Inhalts verweisen oder ihn extrahieren

Grundlegende Syntax

Klammern verwenden()um Gruppen zu erstellen:

(expression)

Zum Beispiel,(ab)+kann mit "ab", "abab", "ababab" usw. übereinstimmen, aber nicht mit "a" oder "b".


Gruppierungsarten

In regulären Ausdrücken gibt es mehrere verschiedene Arten von Gruppen:

1. Erfassende Gruppe

Die gebräuchlichste Form der Gruppierung; sie erfasst den übereinstimmenden Inhalt und weist eine Nummer zu (beginnend bei 1).

Beispiel

(\d{4})-(\d{2})-(\d{2})# Datumsformat YYYY-MM-DD abgleichen

Dieser Ausdruck erstellt 3 Gruppen:

  • Gruppe 1: 4-stellige Jahreszahl
  • Gruppe 2: zweistelliger Monat
  • Gruppe 3: zweistelliger Tag

2. Nicht erfassende Gruppe

Verwenden Sie(?:expression)Syntax, d. h. nur Gruppierung ohne Erfassung.

Beispiel

(?:Mr|Ms|Mrs)\. (\w+)# Treffer"Mr. Smith"aber nur erfassen"Smith"

3. Benannte erfassende Gruppe

Gruppen Namen zuweisen, um die Lesbarkeit zu verbessern (Syntax kann sich zwischen Sprachen unterscheiden).

Python-Beispiel:

Beispiel

(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})

JavaScript-Beispiel:

Beispiel

(?<year>\d{4})-(?<month>\d{2})-(?<day>\d{2})

Gruppenreferenzen

Eine der leistungsstärksten Funktionen von Gruppen ist die Möglichkeit, auf übereinstimmenden Inhalt innerhalb oder außerhalb des regulären Ausdrucks zu verweisen.

1. Rückverweis

Um auf eine frühere Gruppe innerhalb des regulären Ausdrucks zu verweisen, verwenden Sie\digitSyntax:

Beispiel

(\w+) \1# Wiederholte Wörter finden, wie zum Beispiel"hello hello"

Dieses Muster stimmt mit zwei identischen Wörtern überein, die durch ein Leerzeichen getrennt sind.

2. Benannter Rückverweis

Bei benannten Gruppen können Sie über den Namen auf sie verweisen:

Beispiel

(?P<word>\w+) (?P=word)# Python-Syntax
\k<word># JavaScript-Syntax

3. Ersetzungsreferenz

Verweisen Sie in Ersetzungsvorgängen auf Gruppeninhalt:

Python-Beispiel:

Beispiel

import re
text = "2023-05-15"
new_text = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\2/\3/\1', text)
# Ergebnis: "05/15/2023"

JavaScript-Beispiel:

Beispiel

let text = "2023-05-15";
let newText = text.replace(/(\d{4})-(\d{2})-(\d{2})/, '$2/$3/$1');
// Ergebnis: "05/15/2023"

Praktische Anwendungsbeispiele

Beispiel 1: HTML-Tags abgleichen

Beispiel

<([a-z][a-z0-9]*)\b[^>]*>.*?</\1>

Dieses Muster kann gepaarte HTML-Tags abgleichen (wie zum Beispiel<div>...</div>), wobei:

  • ([a-z][a-z0-9]*)Erfasst den Tag-Namen
  • \1Verweist auf den zuvor erfassten Tag-Namen, um Konsistenz sicherzustellen

Beispiel 2: Erkennen doppelter Wörter

Beispiel

\b(\w+)\b\s+\1\b

Kann aufeinanderfolgende wiederholte Wörter im Text finden.

Beispiel 3: Datumsformat-Konvertierung

Python-Code:

Beispiel

import re

date = "2023-12-25"
# Konvertiere YYYY-MM-DD in DD/MM/YYYY
new_date = re.sub(r'(\d{4})-(\d{2})-(\d{2})', r'\3/\2/\1', date)
print(new_date)  # Ausgabe: 25/12/2023

Erweiterte Anwendungen der Gruppierung

1. Bedingtes Matching

Einige Regex-Engines unterstützen bedingtes Matching basierend auf Gruppen:

Beispiel

(?(1)true-pattern|false-pattern)

Gibt an, dass, wenn Gruppe 1 übereingestimmt hat, true-pattern übereinstimmt; andernfalls false-pattern.

2. Balancierte Gruppen (Erweiterte Funktion)

Wird verwendet, um verschachtelte Strukturen (wie Klammern) abzugleichen; erfordert Unterstützung durch bestimmte Regex-Engines.


Häufige Probleme und Fallstricke

  1. Übermäßige Verwendung von Gruppen: Unnötige Gruppen können die Leistung beeinträchtigen

    • Schlechtes Beispiel:(a)|(b)(Wenn keine Erfassung benötigt wird, verwenden Sie(?:a|b))
  2. Verwirrung bei der Gruppennummerierung:

    • Gruppennummern beginnen bei 1 in der Reihenfolge der öffnenden Klammern
    • Nicht erfassende Gruppen werden nicht nummeriert
  3. Probleme mit gierigem Matching:

    <(.*)>  # will greedily match up to the last >

    Sie sollten verwenden:

    <(.*?)>  # non-greedy matching

Übungsaufgaben

  1. Schreiben Sie einen Regex, um wiederholte Benutzernamen zu finden (wie z. B.user@domain.com;user@domain.com)
  2. Telefonformat konvertieren von(123) 456-7890auf123-456-7890
  3. Alle Attribute aus HTML-Tags extrahieren (wie z. B.<img src="..." alt="...">die darin enthaltenen src und alt)

Zusammenfassung der wichtigsten Punkte

Konzept Syntax Zweck
Erfassungsgruppe (pattern) Erfasst den übereinstimmenden Inhalt und weist eine Nummer zu
Nicht-Erfassungsgruppe (?:pattern) Gruppen ohne Erfassung
Benannte Erfassungsgruppe (?P<name>pattern) (Python) Weist der Gruppe einen Namen zu
Rückreferenz \1, \2warten Verweist auf eine zuvor gefundene Gruppe
Benannte Rückreferenz (?P=name) (Python) Referenziert eine Gruppe anhand des Namens
Ersetzungsreferenz $1, $2oder\1, \2 Referenziert Gruppen in Ersetzungszeichenfolgen

Die Beherrschung von Gruppierung und Referenzen in regulären Ausdrücken ermöglicht es Ihnen:

  • Komplexere Übereinstimmungsmuster zu erstellen
  • Bestimmte Teile von Zeichenketten zu extrahieren und zu verarbeiten
  • Intelligente Zeichenkettenkonvertierung zu implementieren
  • Komplexe Textstrukturen zu validieren
Andere Erweiterungen