Java正则表达式分组实验

正则表达式的使用无非就四个步骤：

1. 定义匹配规则,就是一串负责正则表达式语法的字符串，我们叫它patternStr
2. 使用Pattern类去编译patternStr，得到Pattern实例patternIns（注意Pattern并没有提供公共构造方法）
3. 使用patternIns的matcher方法解析需要匹配的字符串targetStr，得到Matcher类的实例matcherIns

4. 有了matcherIns，你就可以：

   1) 查找是否有匹配规则的字符 matcherIns.find()
   2) 获取匹配后的分组matcherIns.group()
   ……..

正则表达式在实际的项目中用得很少，过一段时间后就很容易忘记，偶尔翻看了下以前正则表达式的资料，发现了个有趣的例子。

这是一段测试捕获组的代码，引用自runoob.com：

http://www.runoob.com/java/java-regular-expressions.html

捕获组
捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。
例如，正则表达式 (dog) 创建了单一分组，组里包含”d”，”o”，和”g”。
捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：
((A)(B(C)))
(A)
(B(C))
(C)
可以通过调用 matcher 对象的 groupCount 方法来查看表达式有多少个分组。groupCount 方法返回一个 int 值，表示matcher对象当前有多个捕获组。
还有一个特殊的组（group(0)），它总是代表整个表达式。该组不包括在 groupCount 的返回值中。

先上代码：

import java.util.regex.Matcher;import java.util.regex.Pattern;public class PatternDemo {    public static void main(String[] args) {        // TODO Auto-generated method stub        String line = "This order was placed for QT3000a! OK？";        String patternStr = "(.*)(\\d+)(.*)";        Pattern p = Pattern.compile(patternStr);        Matcher m = p.matcher(line);        System.out.println("Match num = " + m.groupCount());        if(m.find()){            System.out.println(m.group(0));            System.out.println(m.group(1));            System.out.println(m.group(2));        }else{            System.out.println("NO MATCH");        }    }}

运行后我们得到如下结果:

Match num = 3This order was placed for QT3000a! OK？This order was placed for QT3000

这个时候我懵逼了，第二个匹配规则(\d+)不是指匹配*到多个数字吗，为什么没有匹配整个数字串3000，仅仅匹配了0 ？

而(.*)却也只是匹配了This order was placed for QT300， 不是 This order was placed for QT3000a! OK？

这成功引起了我的注意

华丽的分割线

---

我们看到，Match num = 3，也就是说，我们还有一个捕获组还没打印出来，来，我们加上

System.out.println(m.group(3));

运行结果：

Match num = 3This order was placed for QT3000a! OK？This order was placed for QT3000a! OK？

嗯…剩下的匹配看起来木有问题…. 那么问题出在哪里呢？ 让我们多做几个实验，首先我们修改匹配规则串patternStr，多加一个数字匹配(\d+)：

    String patternStr = "(.*)(\\d+)(\\d+)(.*)";

得到的结果是这样的：

Match num = 4This order was placed for QT3000a! OK？This order was placed for QT3000a! OK？

噢？！ group（1）少匹配了一个0，很明显这个0被新加的(\d+)夺走了，我再改一下，把(\d+)改成(\d*)

String patternStr = "(.*)(\\d+)(\\d*)(.*)";

结果

Match num = 4This order was placed for QT3000a! OK？This order was placed for QT3000a! OK？

group（3）的0被夺走了… 最后一个实验

String patternStr = "(.*)(\\d*)(\\d*)(.*)";

结果,为了让大家知道各个分组的位置，我用<–group（num）标记了一下

Match num = 4This order was placed for QT3000a! OK？  <--group（0）This order was placed for QT3000a! OK？<--group（1）<--group（2）<--group（3）<--group（4）

终于有头绪了，捕获组的匹配都是贪婪模式的，越是排在前面的捕获组，匹配的优先级就越高，在满足其余捕获组的最低要求（如 + 最低要求匹配一个）的前提下，优先级越高的捕获组，会尽可能地匹配所有符合的字符。

至此，一切真相大白，温故而知新，这句话一点都没错！！

脑袋空空，口袋空空！