黑马程序员-day4-正则表达式之回溯引用

来源：互联网发布：学而后知不足的下一句编辑：程序博客网时间：2024/05/21 17:34

------------- Windows phone 手机开发、ASP .NET培训、期待与您交流！----------------
最近学习了下正则表达式，觉得它是一门挺强大的技术，如果有人对正则表达式不是很了解，但是想学习它的知识的，我推荐一本好书《正则表达式必知必会》，这本书浅显易懂，适合新手阅读。
正则表达式起源于1950年代在数学领域的一些研究工作。几年之后，计算机领域借鉴那些研究工作的成果和思路开发了Unix世界里的Perl语言和grep等工具程序。在许多年里，正则表达式只流行语Unix平台，但是这种情况早已发生了变化，现在几乎所有的计算机平台都支持正则表达式，只是具体方式和具体程度有差异而已。
讲解一个例子大家就知道回溯引用是什么了，
文本：
<body>
<H1>Welcome to my Homepage</H1>
Content is divied into two sections:<BR>
<H2>ColdFusion</H2>
Information about Macromedia ColdFusion.
<H2>Wireless</H2>
Information ablout Bluetooh,802.11,and more
</body>
正则表达式：<[hH]1>.*</[hH]1>
结果：<H1>Welcome to my Homepage</H1>
分析：模式<[hH]1>.*</[hH]1>只能匹配一级标题
如果用正则表达式：<hH[1-6]>.*?</[hH][1-6]>
结果：<H1>Welcome to my Homepage</H1>
<H2>ColdFusion</H2>
<H2>Wireless</H2>
<H2>Wireless</H2>
分析：<hH[1-6]>匹配任何一级标题的开始标题，</[hH][1-6]>匹配任一标题的结束标签。
现在这个<hH[1-6]>.*?</[hH][1-6]>正则表达式成功了吗？
文本：
<body>
<H1>Welcome to my Homepage</H1>
Content is divied into two sections:<BR>
<H2>ColdFusion</H2>
Information about Macromedia ColdFusion.
<H2>Wireless</H3>
Information ablout Bluetooh,802.11,and more
</body>
正则表达式：<hH[1-6]>.*?</[hH][1-6]>
结果：<H1>Welcome to my Homepage</H1>
<H2>ColdFusion</H2>
<H2>Wireless</H2>
<H2>Wireless</H3>
分析：显然其中一个标题以<H2>开头、以</H3>结尾的，不是一个合法的标题，但是<hH[1-6]>.*?</[hH][1-6]>却匹配了这个标题，要解决这个问题，就只能求助与回溯引用。
假如你有一段文本，你想吧这段文本中连续重复出现的单词找出来。显然，在搜索某个单词，第二次出现时，这个单词必需是已知的。
回溯引用允许正则表达式模式引用前面的匹配结果。
文本：
This is block of text,
Several words here are are
Repeated,and and they
Should not be.
正则表达式：[ ]+(\w+)[ ]+\1
结果：are are
and and
分析：[ ]+匹配一个或多个空格，\w+匹配一个或多个字母数字字符，\1是一个回溯引用，它引用的正是前面划分出来的那个子表达式
注意：回溯引用指的是模式的后半部分引用在前半部分中定义的子表达式
文本：<body>
<H1>Welcome to my Homepage</H1>
Content is divied into two sections:<BR>
<H2>ColdFusion</H2>
Information about Macromedia ColdFusion.
<H2>Wireless</H3>
Information ablout Bluetooh,802.11,and more
</body>
正则表达式：<hH([1-6])>.*?</[hH]\1>
结果：<H1>Welcome to my Homepage</H1>
<H2>ColdFusion</H2>
分析：找到了2个匹配，用（和）把[1-6]括起来，使它成为一个子表达式，这样一来，就可以用</[hH]\1>中的\1引用这个子表达式了，子表达式([1-6])匹配数字1-6，\1只匹配与之相同的数字。这样<H2>Wireless</H3>就不会被匹配了。
\1到底代表着什么？它代表模式中的第一个子表达式，\2代表着第二个子表达式，\3代表着第三个子表达式，以此类推。
------------- Windows phone 手机开发、ASP .NET培训、期待与您交流！----------------