java中的正则表达式捕获组与引用的概念

今天群里有个人问，怎样用增则表达式匹配三角形的三边，其实只是要匹配三个数字而已，如 301 402 503 开始认为很简单，我就写了一个   "(([1-9]\\d?)\\s){2}$2" 结果他说错了，我感觉很奇怪，于是自己打开电脑试了试，果然是错的，然后看了看以前的笔记，发现我的Back 引用捕获组错了，因为$符号是在不同字符串中对捕获组的引用看下面这个方法

 public static void text_1()
    {
    	String str="我。。我要。。。要要要。。学。。学。编。。。程";
    	str=str.replaceAll("\\。+","");
    	System.out.println(str);
    	<span style="background-color: rgb(255, 255, 153);">str=str.replaceAll("(.)\\1*","$1");</span>
    	System.out.println(str);
    }
    

这句话的意思是将$1调用(.)匹配到的结果，注意是匹配到的结果，也就是（）括号里匹配到什么就被调用什么，这也是本人为什么要写这篇博客的原因所在。

可能大家还没有理解我的意思，下面跟着我来理解

上面说的$是在不同字符串中的引用捕获组，我一直强调的是引用的是结果，看下面这个代码：

 public void test()
    {
    	<span style="color:#3333ff;">String regex="(([1-9]\\d?)\\s){2}\2";</span>
    	String str="3 4 5";
    	System.out.println(str.matches(regex));
    }

上面这段代码是我一直想不懂最后的结果为什么是false，String regex="(([1-9]\\d?)\\s){2}\2";

我们来分析这句话：([1-9]\\d?)  这句的意思是匹配一个正整数，如3，401，等   。([1-9]\\d?)\\s这句话是匹配一个数之后空格隔开，(([1-9]\\d?)\\s){2}正好出现两次也就是如：3 4 ，最后\2是调用角标为2的捕获组，也就是([1-9]\\d?) ，自己一直在思考为什么是错的，知道看到一篇博文才恍然大悟，引用捕获组的不是捕获组里面的表达式，而是引用捕获组所捕获到的具体内容，拿上面的例子来说：当第一次匹配时，([1-9]\\d?)
此匹配组所捕获的是3这个具体的字符串，所以你下次引用时就必须为3这个字符串，而不是再次调用([1-9]\\d?) 这个正则表达式这么简单，这就是我以前最大的误区，所以，自己也是花了很多时间才发现，改正上面的代码：

public static void test()
    {
    	<span style="color:#000099;">String regex="([1-9]\\d*\\s){2}[1-9]\\d*";</span>
    	String str="304 4 5";
    	System.out.println(str.matches(regex));
    }

归根结底是我将{n}出现次数和\n引用捕获组搞混淆了，希望大家不要记错了！！！下面是我为大家扒过来的我觉得比较好的博文，这里我只是强调捕获组引用的概念，其他关于正则表达式不做过多的介绍，（现在已经深夜1.30了，哎，苦逼的程序员人生啊，该睡了）看下面代码：

Regex :

• 本文主要讲述正则表达式中的捕获组（Capturing Group）的概念
• 本文的正则表达式在 Java 中测试（需要注意的是这里的部分正则表达式在 Java7 中才能应用，下面会注明）
• 本文正则表达式用           高亮标出

---

Capturing Group : (X)

简单的理解就是把正则表达式中的某部分用 () 括起来表示为一个组，纯理论解释不怎么好解释，详细还看下面的举例。

举例：

• (Ggi)cci 与Ggicci 都匹配 "Ggicci"，只不过前面把 Ggi 作为一个捕获组，在匹配到的同时它可以捕获 "Ggi" 这样的字符串供逆向引用（Back
  Reference），见下一栏。
• Ggicci* 与(Ggicci)* 不同在于Ggicci* 匹配的是 "Ggicci" 和 "Ggicci…i" 这种情况，而(Ggicci)* 匹配的是
  "Ggicci" 和 "GgicciGgicci…Ggicci" 这种情况。

---

Back Reference :

逆向引用指的是正则表达式中某个捕获组捕获到的字符串供正则表达式构建其自身匹配规则的方式。这是我自己归纳的理论，听起来肯定很晦涩，详细见下面讲解

捕获组的编号与命名：

如 ((A)(B(C))) “摘自Java7 Doc”，这里有 4 个组：

编号	捕获组
1	((A)(B(C)))
2	(A)
3	(B(C))
4	(C)

在未对捕获组人为命名的时候，对捕获组的编号是默认的从左到右依次萃取 ( 和与之对应成一对的 )。如上，一共 4 个 ( ，所以有 4 个组，按 ( 的出现次序编号。

• (?<name>X) 命名捕获组为 name，在 Java7 中；

     1: String source = "Ggicci was born in 1991 and is 20 years old now. He weights 54kg and is 170cm tall.";        

     2: Pattern pattern = Pattern.compile("(?<user>[Gg]gicci)|(?<digital>\\d+)");        

     3: Matcher matcher = pattern.matcher(source);

     4: while (matcher.find()) {

     5:     System.out.println(matcher.group());

     6: }

  代码中的正则表达式（已加粗）匹配 Ggicci 或 ggicci 或一段数字，输出为：

     1: //输出：

     2: Ggicci

     3: 1991

     4: 20

     5: 54

     6: 170

  (?<user>[Gg]gicci) 把捕获组命名为 user，我们用 Matcher 类的 group(String name) 方法，即 matcher.group("user"); 可以获取该捕获组捕获的内容，其它的捕获组内容将为 null：

     1: System.out.println(matcher.group("user")); //替换上面 while 循环中的输出语句

     2: //输出：

     3: Ggicci

     4: null

     5: null

     6: null

     7: null

  当然用 Matcher 类的 group(int group) 方法也可以，这里 user 捕获组的默认编号为 1，所以 matcher.group(1) 同 matcher.group("user") 一样。(?<digital>\d+) 也同样去理解。
• (?:X) 取消捕获组命名，注意这种方式连捕获组默认的编号也会取消，所以在调用 Matcher.group(int) 或 Matcher.group(String) 的时候会异常；
• \n 表示引用第 n 个捕获组捕获到的内容；

     1: String source = "Hello, my my name is uh.. is is Gg.. ggicci ggicci ggicci ggicci";

     2: Pattern pattern = Pattern.compile("\\b(\\w+)\\b((\\s+)\\1\\b)+");

     3: Matcher matcher = pattern.matcher(source);

     4: while (matcher.find()) {

     5:     System.out.println(matcher.group());

     6: }

  这段正则表达式 \b(\w)\b((\s+)\1)+ 匹配字符串重复的以空格符间隔的单词。其中 \1 引用了捕获组 (\w) 匹配到的内容。比如
  (\w) 第一次匹配了 "Hello"，\1 引用了 "Hello" 后正则表达式其实已经变成了\bHello\b((\s+)Hello)+ 了（这是从形式上去理解，具体内部机制如何，亲，我目前真的不知道 : )），但是显然后面没有 "Hello" 可以匹配了，(\w) 第二次匹配了 "my"，\1 引用了 "my"，找到匹配，然后依次下去，输出如下：

     1: //输出：

     2: my my

     3: is is

     4: ggicci ggicci ggicci ggicci

• \k<name> 表示引用命名为 name 的捕获组捕获到的内容，在Java7 中；

     1: //这里同上面的正则表达式一样，只不过给 \1 取了个名字叫 repeat

     2: //然后用 \k<repeat> 代替 \1 而已

     3: Pattern pattern = Pattern.compile("\\b(?<repeat>\\w+)\\b((\\s+)\\k<repeat>\\b)+");

•