正则表达式（二）

三、分组引用

3.1、什么是分组

分组指将匹配的内容，使用( )划分成多个组块，分好的组可用于提取、反向引用以及替换操作。

例如在 Java 中

public static void main(String[] args) {
      Pattern pattern=Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
        Matcher matcher = pattern.matcher("小丽生日是2011-11-23");
        if (matcher.find()) {
            String month = matcher.group(2);// 获取第2组中的月份
            System.out.println("月份是："+month);
        }
    }
// 输出如下结果：
"月份是：11"

3.2、反向引用

在表达式中引用之前的分组，即反向引用

例如

<h1>一级标题</h1>
<h2>二级标题</h2>
<h2>三级标题</h3>
<h4>四级标题</h4>
<h5>五级标题</h5>
<h6>六级标题</h6>

html中共有6级标题，标签是h[1-6],得出匹配正则<h[1-6]>.*?<\/h[1-6]>，正常情况下它能匹配所有标题，问题在于文中的标题三是错误的，<h2>三级标题</h3>,它是h2开头，结尾确是h3

使用反向引用可以更轻松解决这个问题：<(h[1-6])>.*?<\/\1> 步骤拆解如下：

1. <(h[1-6])> 匹配开始标签，并把标签名加入分组1
2. .*? 标签中间可以是任意内容。
3. <\/\1> 匹配结束标签，标签内容通过\1引用分组1（意思是与分组1的内容一致）

反向引用指通过\组号引用之前的分组，可以把分组理解成一个变量，在通过变量名(组号)引用。它不能引用之后的内容，固作称作反向引用，比如这样正则是错误的：<\1>.*?<\/(h[1-6])>

3.3、引用替换

我们经常使正则然后进行替换操作，比如匹配文中所有空行，然后替换成空（删除它），又或者是找出错误的单词，替换成正确的。其实正则有更为强大的替换能力，比如把普通文中所有http链接，一键替换成<a >标签，更厉害一点还可以把文本替换成 insert sql 语句。

请找出下文中所有日期，并统一替换成yyyy-MM-dd格式：

1994-05-27
1972/08/09
1983.05.22
1960/02/19
1986/12/15
1978.01.03
1978/02/21
1964/09/20
1978/08/13

1. 写出匹配日期的正则：\d{4}[-.\/]\d{2}[-.\/]\d{2}
2. 对日期年、月、日进行分组：(\d{4})[-.\/](\d{2})[-.\/](\d{2})
3. 在替换字符中引用分组：$1-$2-$3

替换操作指将正则匹配到的内容，替换成指定字符串，该字符串可通过$组号引用组进行拼装。通过$0可以引用整个匹配的内容。比如：日期“1960/02/19”被匹配之后 $0表示整个日期，$1、$2、$3 分别表示年月日。请注意反向引用与替换引用的语法区别，前者是使用\组号，而替换使用$组号。

注意：$0在 Python与Javascript中不支持，使用$&代替

//Java
String s = "1978/08/13".replaceAll("(\\d{4})[-.\\/](\\d{2})[-.\\/](\\d{2})",
        "$1-$2-$3");
System.out.println(s);
// 输出结果
1978-08-13

大小写转换

在Idea、VS Code、Sublime、Notepad++等工具进行替换操作时，还可以使用下表中操作符进行大小写转换:

具体使用方法是：在替换字符串中加入转换操作符。举例把单词首字母转成大写:

1. 编写匹配正则：\w+
2. 首字母转大写并替换：\u$0

3.4、分组的其它应用

3.4.1、(?<名称> )命名分组

默认情况下通过组号来取值，此外也可以自定义命名组，语法是(?<名称> )，然后在程序中就可以通过<>中的名称来取值。如：<(?<title>h[1-6])>.*?<\/\1> 该表达式就命名了一个title的组，在js的结果中就可通过title属性取值。

注意：这种命名组只能用于在程序中提取操作，不能进行反向引用，也不能用在替换操作中。上例在替换中如果使用 $title或在反向引用中使用 \title 都是无效的。只能通过组号\1进行引用。这也说明命名组后，组号一样有效。也正因为这种局限性所以命名组使用的很少。

3.4.2、(?: ) 移除分组

()即用于子表达式，同时也是一个分组。如果只想用作子表达式，而不想用于分组就可以使用(?: )从分组列表中移除。比如(?:\d{4})-(\d{2})-(\d{2}) 该表达式只存在两个组，月$1和日$2。

3.4.3、( ( ) )嵌套分组

在嵌套分组中组号是如何命名的呢？比如：生日((\d{4})-(\d{2})(\d{2})) 其组号的命名顺序是以开括号出现顺序为准。

3.4.4、()+分组使用量词

同一个分组如果使用了量词，该分组会代表多个值，这时通过$组号去提取值的时候会得到该组最后匹配的值。如(\d)+ 匹配12345，通过$1将得到5

示例
正则为(.+?) / (.+?) / (\d{2}) KG / (\d{4}).(\d{2}).(\d{2})
替换为insert into user (name,city,weight,birthday) values('$1','$2',$3,'$4-$5-$6');

本作品采用《CC 协议》，转载必须注明作者和本文链接