Java正则表达式Matcher.group(int group)相关类解析

在Java正则表达式的相关类Matcher中,有如下几个方法:
- int groupCount()
- String group(int group)
- int start(int group)
- int end(int group)
- String group(String name)
- int start(String name)
- int end(String name)

分组group的概念

首先先来看一段代码,理解一下正则表达式中分组的概念

demo1

String text = "John writes about this, and John writes about that," + " and John writes about everything. ";String patternString1 = "(John)";Pattern pattern = Pattern.compile(patternString1);Matcher matcher = pattern.matcher(text);System.out.println("groupCount is -->" + matcher.groupCount());while (matcher.find()) {    System.out.println("found: " + matcher.group(1));}

输出结果为

groupCount is –>1
found: John
found: John
found: John

demo2

String text = "John writes about this, and John writes about that," + " and John writes about everything. ";String patternString1 = "John";Pattern pattern = Pattern.compile(patternString1);Matcher matcher = pattern.matcher(text);System.out.println("groupCount is -->" + matcher.groupCount());while (matcher.find()) {    System.out.println("found: " + matcher.group(1));}

输出结果为:

groupCount is –>0
Exception in thread “main” java.lang.IndexOutOfBoundsException: No group 1

上面两个例子唯一的区别在于patternString1的值不同,具体表现正则表达式一个带有括号,一个不带括号.因此,我们也可以简单的理解为:

正则表达式中以’()’标记的子表达式所匹配的内容就是一个分组(group).

现在我们继续看一个例子
demo3

String text = "John writes about this, and John writes about that," + " and John writes about everything. ";String patternString1 = "(?:John)";Pattern pattern = Pattern.compile(patternString1);Matcher matcher = pattern.matcher(text);System.out.println("groupCount is -->" + matcher.groupCount());while (matcher.find()) {    System.out.println("found: " + matcher.group(1));}

输出结果:

groupCount is –>0
Exception in thread “main” java.lang.IndexOutOfBoundsException: No group 1

从demo3中可以看到,类似于(?:pattern)格式的子表达式不能算是一个分组.

因此分组的概念我们总结如下:
1. 正则表达式中以’()’标记的子表达式所匹配的内容就是一个分组(group).
2. 类似于(?:pattern)格式的子表达式不能算是一个分组

分组索引 group number

还是从demo开始
demo4

String text = "John writes about this, and John Doe writes about that,"                + " and John Wayne writes about everything.";String patternString1 = "(John) (.+?) ";Pattern pattern = Pattern.compile(patternString1);Matcher matcher = pattern.matcher(text);matcher.find();//匹配字符串,匹配到的字符串可以在任何位置int start = matcher.start();//返回当前匹配到的字符串在原目标字符串中的位置int end = matcher.end();//返回当前匹配的字符串的最后一个字符在原目标字符串中的索引位置System.out.println("found group: group(0) is '" + matcher.group(0));System.out.println("found group: group(1) is '" + matcher.group(1) + "',group(2) is '" + matcher.group(2)+"'");

输出结果为:

found group: group(0) is ‘John writes
found group: group(1) is ‘John’,group(2) is ‘writes’

从输出结果可以看出,当正则表达式包含多个group时,也就是含有多个’(pattern)’格式的子表达式时,它的分组索引(group number)是从1开始的,而group(0)代表了整个匹配的字符串.
为了便于理解具体的分组以及分组编号的概念,请参考下图

通过上面的内容,我们就可以完整理解group(int group)函数的使用.总结为一下几点:

1. 类似于(pattern)格式((?:pattern)除外)的正则子表达式就代表的一个分组
2. 分组索引是从1开始的,0代表正则表达式匹配的整个字符串,group(i)代表第i组匹配的内容
3. groupCount() 函数返回当前正则表达式中分组的个数

好了,现在来看int start(int group)和int end(int group)两个函数
首先呢,先回顾一下如下两个函数:
1. int start() 返回当前匹配到的字符串在原目标字符串中的位置
2. int end() 返回当前匹配的字符串的最后一个字符在原目标字符串中的索引位置.

那么加上int 类型的参数group后,其实就是返回指定分组的开始索引与结束索 具体如下例:demo5

String text = "John writes about this, and John Doe writes about that,"                + " and John Wayne writes about everything.";String patternString1 = "(John) (.+?) ";Pattern pattern = Pattern.compile(patternString1);Matcher matcher = pattern.matcher(text);matcher.find();//匹配字符串,匹配到的字符串可以在任何位置int start = matcher.start();//返回当前匹配到的字符串在原目标字符串中的位置System.out.println(start);//0int end = matcher.end();//返回当前匹配的字符串的最后一个字符在原目标字符串中的索引位置System.out.println(end);//12start = matcher.start(1);//第一个分组匹配的内容,也就是John开始的索引位置,0System.out.println(start);//0start = matcher.start(2);//第一个分组匹配的内容,也就是writes开始的索引位置,5System.out.println(start);//5end = matcher.end(1);//第一个分组匹配的内容,也就是John结束的索引位置,4System.out.println(end);//4end = matcher.end(2);//第二个分组匹配的内容,也就是writes开始的索引位置,12System.out.println(end);//12start = matcher.start(3);//Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 3

注意最后一句,当你索引大于正则表达式中实际存在的索引数量,也就是groupCount()返回值是,会抛出异常,所以在使用时记得处理这一点.
综上所述,可总结如下

1. int start(int group) 返回当前分组匹配到的字符串在原目标字符串中的位置
2. int end(int group) 返回当前分组匹配的字符串的最后一个字符在原目标字符串中的索引位置.

最后呢,就是如下几个函数String group(String name),int start(String name)和int end(String name)还没有研究明白,等待后续补充.

参考:
http://tutorials.jenkov.com/java-regex/matcher.html#group-method
http://stackoverflow.com/questions/16517689/confused-about-matcher-group-in-java-regex