正则表达式入门（三）后向引用、懒惰匹配
前面介绍了分组，关于分组还有更高级的用法，叫“后向引用”。使用小括号指定一个子表达式后，匹配这个子表达式的文本(也就是此分组捕获的内容)可以在表达式或其它程序中作进一步的处理。
正则的匹配时从左向右的，所以右边叫前面，左边是后面。这不同于一般的认知：字符串的左边是前右边是后
默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。例如，\1代表分组1匹配的文本。后向引用用于重复搜索前面某个分组匹配的文本。
思考这么个问题：如何匹配四段IP都一样的地址？比如1.1.1.1或255.255.255.255
如果只是用小括号后面跟大括号并不能实现，所以需要使用后向引用：
(2[0-4]\d|25[0-5]|[01]?\d\d?)\.\1\.\1\.\1
我们可以覆盖正则引擎给我们分配的组号，而使用自定义的组名。语法是(?
(?<ent>2[0-4]\d|25[0-5]|[01]?\d\d?)\.\1\.\1\.\1
或
(?<ent>2[0-4]\d|25[0-5]|[01]?\d\d?)\.\ent\.\ent\.\ent
可能你在测试过程中发现问题了：上面两个正则式，第一个可以命中，第二个不行。这是因为很多编辑器还不支持具名组，只能使用默认的组号。
另一个问题就是我既然已经分配了自定义名称，为什么组号还是可以使用的？实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配。这样实际所有命名组的组号都大于未命名的组号。可以使用(?:exp)这样的语法来剥夺一个分组对组号分配的参与权，这样就不会捕获匹配的文本了。
思考
“\10”会被解析成第10个捕获组的反向引用，还是第1个捕获组的反向引用加一个字符“0”呢? 试一下
补充：分组0对应整个正则表达式
前面我们在学习使用次数限制的时候发现，正则表达式中包含能接受重复的限定符时，通常的行为是匹配尽可能多的字符。这被称为贪婪匹配。 以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。用它来搜索aabab的话，它会匹配整个字符串aabab。
当需要懒惰匹配，也就是匹配尽可能少的字符，只要在次数元字符后面加上一个问号? 。前面给出的限定符都可以被转化为懒惰匹配模式。这样.?就意味着匹配任意数量的重复，但是会使用最少的重复。 a.?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。
为什么第一个匹配时aab而不是ab（扔掉第一个字符不是更短）？因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权
懒惰匹配规则如下：
| 元字符 | 匹配字符 |
|---|---|
| ?？ | 最多一次，尽量没有 |
| *？ | 任意次，尽可能少 |
| +？ | 必须有，尽可能少 |
| {n,m}？ | 重复n到m次，尽可能少 |
| {n,}？ | 重复至少n次，尽可能少 |
- 分享到
-
-
