正则表达式的固化分组

固化分组，又叫原子组。

语法格式：(?>…)

我们在使用非贪婪模式时，匹配过程中可能会进行多次的回溯，回溯越多，正则表达式的运行效率就越低。而固化分组就是用来减少回溯次数的。

实际上，固化分组 (?>…) 的匹配与正常的匹配并无分别，它并不会改变匹配结果。唯一的不同就是：固化分组匹配结束时，它匹配到的文本已经固化为一个单元，只能作为整体而保留或放弃，小括号内的子表达式中未使用的备用状态都会被放弃，所以回溯永远也不能选择其中的状态(因此不能参与回溯)。

javaScript，java 和 python 中并不支持固化分组的语法。不过，它在 php 和 .NET 中表现良好。

下面我们通过一个 php 的固化分组正则表达式例子来深入地理解固化分组：

假如要处理一批数据，原格式为 123.456, 因为浮点数显示问题，部分数据格式会变为 123.456000000789 这种, 现要求只保留小数点后 2~3 位，但是最后一位不能为 0，那么这个正则怎么写呢?

$str = "123.456000000789";
echo preg_replace("/(\.\d\d[1-9]?)\d*/","\\1",$str); // 123.456

以上的正则表达式，对于 123.456 这种格式的数据，将白白处理一遍，为了提高效率，我们应该将 123.456 排除在外，我们将量词 * 改成 +。如下所示：

$str = "123.456";
echo preg_replace("/(\.\d\d[1-9]?)\d+/","\\1",$str);

(.\d\d[1-9]?) 会正常匹配到 .456，而 \d+ 表示匹配大于等于 1 个由 0-9 的任意数字组成的字符串，即匹配至少一个任意数字，所以 \d+ 匹配到 6 后面的结尾处位置时，会匹配失败，然后会要求 [1-9]? 回溯到备选状态，也就是放弃匹配数字 6，让给 \d+ 去匹配，结果匹配成功，最后整个正则式匹配到字符串 .456，(.\d\d[1-9]?) 匹配到 .45，\d+ 匹配到 6，所以 \1 引用到的是 .45，也就是把源字符串 123.456，后面的 .456 替换成了 .45，本来保留小数点后 3 位是符合需求的，现在反而被处理成了 .45，显然 123.45 不是我们期望的匹配结果，那我们应该怎么做呢？能否让 [1-9]? 一旦匹配成功，便不再进行回溯，这里就要用到固化分组，如下所示：

$str = "123.456";
echo preg_replace("/(\.\d\d(?>[1-9]?))\d+/","\\1",$str);

(?>[1-9]?) 就是固化分组，(?>[1-9]?) 成功匹配了 6，因为 (?>[1-9]?) 是固化分组，所以 ? 产生的备选状态被放弃，此时固化分组匹配到的 6 便不能用于正则引擎的回溯。子表达式 \d+ 匹配失败，尝试回溯也失败，导致整个正则表达式第 1 次迭代匹配失败，后面会继续迭代匹配到源字符串的结尾处，最后正则引擎才停止服务，不过后面的几次迭代匹配也都是失败的，那么最终的结果就是，正则表达式没有匹配到任何东西，替换动作也没有执行，这符合我们的需求。

php 还提供了占有优先的语法，效果和固化分组一样：

$str = "123.456";
echo preg_replace("/(\.\d\d[1-9]?+)\d+/","\\1",$str);

在量词 ? 后面加个 +，就变成了占有优先量词，意为着 [1-9]?+ 匹配到 6 后，是没有备选状态的（即无法回溯），这样 \d+ 最后匹配失败，最终导致整个匹配过程失败，没有匹配到任何东西。

虽然 java 不支持固化分组的语法，但 java 也提供了占有优先的语法，同样能够避免正则回溯。如下：

String str = "123.456";
System.out.println(str.replaceAll("(\\.\\d\\d[1-9]?+)\\d+", "$1"));// 123.456

值得注意的是：java 中 replaceAll 方法需要双反斜杠 \\作为转义符号。

正则表达式的固化分组相关推荐

Python正则表达式: 元字符/转义/分组/匹配原则/re模块属性方法大全
正则表达式动机文本处理已经成为计算机常见工作之一对文本内容的搜索,定位,提取是逻辑比较复杂的工作为了快速方便的解决上述问题,产生了正则表达式技术简介定义即文本的高级匹配模式,提供搜索,替 ...
十分钟掌握正则表达式！4_分组匹配_捕获形分组
javascript正则表达式 1.分组 1.1.候选:一个分组中,可以有多个候选表达式,用|分隔: 1.2.捕获与引用: 1.2.1 与replace配合: 1.2.2 给replace传迭代函数, ...
JAVA正则表达式高级用法(分组与捕获)
2019独角兽企业重金招聘Python工程师标准>>> 正则表达式在字符串处理中经常使用,关于正则简单的用法相信有一点程序基础的人都懂得一些,这里就不介绍简单基础了.这里主要讲解一下 ...
list 分组_「正则表达式」匹配分组
1. 匹配分组相关正则表达式代码功能|匹配左右任意一个表达式(ab)将括号中字符作为一个分组um引用分组num匹配到的字符串(?P)分组起别名(?P=name)引用别名为name分组匹配到的字符串 ...
mysql 正则匹配捕获组_常用正则表达式捕获组(分组)
1.img标签 //,空格后src以'或"开始..... Regex reg = new Regex("]*\\ssrc=(['\"]+[^<>'\" ...
正则表达式 - 选择、分组和向后引用
目录一.选择操作 1. 选项和修饰符 2. 统计单词出现的行数二.子模式三.捕获分组和后向引用命名分组四.非捕获分组 1. 原子分组 2. 回溯 (1)量词导致回溯 (2)分支导致回溯 (3 ...
正则表达式中的分组的匹配次数的理解
正则表达式:/((\d){1,6})+/ 这个正则表达式可以匹配任意数量的数字. 限定符 + 指的是前面的子表达式 (\d){1,6} 可以出现 1 次或者多次,所以如果是贪婪匹配,每次迭代匹配的数字 ...
正则表达式的命名分组
语法格式:(?<name>-) 命名分组也是捕获性分组,它将匹配的字符串捕获到一个组名称或编号名称中,在获得匹配结果后,可通过分组名进行获取. 如下是一个python的命名分组的例子: i ...
[Regular] 2、正则表达式基础元字符及分组、捕获
分组.捕获.分组不捕获普通的无特殊意义的括号通常有两种功能:分组和捕获. 捕获型括号的编号是按照括号出现的次序,从左到右计算的.如果提供反向引用,可以在表达式的后 ...

正则表达式的固化分组

正则表达式的固化分组相关推荐

最新文章

热门文章