正则表达式中的问号（?）语法概览

vortex5

2956人浏览 · 2025-02-13 07:30:00

vortex5 · 2025-02-13 07:30:00 发布

? 是正则表达式中一个用途非常广泛的符号，能实现很多不同的功能。本文将带你深入了解它在正则表达式中的各种应用，并逐一讲解每种用法。

1. 量词的“非贪婪”匹配（取消贪婪）

在正则表达式中，量词（如 *、+、{n,m}）默认是 贪婪的，即尽可能多地匹配字符。然而，在某些情况下，我们可能只希望匹配最少的字符，这时可以通过在量词后加上 ? 来将其转换为 非贪婪 模式。

1.1 贪婪匹配 vs 非贪婪匹配

贪婪匹配：

a.*b

这个表达式会尽可能多地匹配字符，直到找到最后一个 b。例如，匹配 a1234b5678b。

非贪婪匹配：

a.*?b

这个表达式会匹配从 a 到第一个 b，即只匹配最少的字符，如 a1234b。

解释：

* 表示匹配 0 次或多次，贪婪会尽可能匹配更多字符。
*? 表示非贪婪匹配，尽量匹配最少字符。

常见的非贪婪量词：

*?：匹配 0 次或多次，尽量少匹配字符。
+?：匹配 1 次或多次，尽量少匹配字符。
??：匹配 0 次或 1 次，尽量少匹配字符。
{n,m}?：匹配介于 n 到 m 次之间，尽量少匹配字符。

2. 环视（Lookahead 和 Lookbehind）

环视是正则表达式中的高级特性，用于指定某个模式前后必须（或不能）出现的条件，而不消耗字符。环视可以分为四种类型：

2.1 正向环视（Positive Lookahead）`(?=...)`

正向环视用于匹配后面必须跟随某个模式，但不会包括该模式的内容。例如：

\d(?=\D)

这表示匹配一个数字，且它后面必须是一个非数字字符。

解释：

(?=\D) 表示后面必须跟着一个非数字字符。
\d 匹配数字。

2.2 负向环视（Negative Lookahead）`(?!...)`

负向环视与正向环视相似，只是要求后面不能跟随某个模式。例如：

\d(?!\d)

这表示匹配一个数字，但它后面不能是另一个数字。

解释：

(?!\d) 表示后面不能跟着另一个数字。
\d 匹配数字。

2.3 正向回溯环视（Positive Lookbehind）`(?<=...)`

正向回溯环视匹配某个位置，要求在此位置之前满足某个模式。例如：

(?<=@)\w+

这表示匹配一个单词（\w+），前提是它前面有一个 @ 符号。

解释：

(?<=@) 表示匹配位置前面有 @ 符号。
\w+ 匹配一个单词字符（字母、数字或下划线）。

2.4 负向回溯环视（Negative Lookbehind）`(?<!...)`

负向回溯环视与正向回溯环视类似，只是要求匹配的前面不能是某个模式。例如：

(?<!@)\w+

这表示匹配一个单词（\w+），前提是它前面没有 @ 符号。

解释：

(?<!@) 表示匹配位置前面没有 @ 符号。
\w+ 匹配一个单词字符。

3. 命名捕获组 `(?P<name>...)`

命名捕获组让你可以给捕获的分组指定名称，便于后续引用和匹配。通过命名捕获组，你不仅可以使正则表达式更具可读性，还可以更方便地引用捕获的内容。对于多个捕获分组，你可以通过组名来引用，而不必记住它们的编号。

例如：

(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})

这个正则表达式会捕获日期中的年份、月份和日期，并将它们命名为 year、month 和 day，便于后续引用。

解释：

(?P<year>\d{4}) 捕获 4 位数字并命名为 year。
(?P<month>\d{2}) 捕获 2 位数字并命名为 month。
(?P<day>\d{2}) 捕获 2 位数字并命名为 day。

通过命名捕获组，你可以使用组名（如 year）来引用捕获内容，而不需要记住组号。

3.1 使用后向引用

在正则表达式中，后向引用（如 \1、\2）用于引用之前捕获的分组。当正则表达式有多个分组时，后向引用会按顺序分配索引，例如 \1 引用第一个分组，\2 引用第二个分组，依此类推。在实际应用中，使用后向引用可以实现对重复内容的匹配。

如果你使用了命名捕获组，可以通过 \k<name> 来引用命名捕获组，避免使用数字索引，从而增强可读性。例如，\k<year> 引用名为 year 的捕获组。

举个例子：

(?P<year>\d{4})-(?P<month>\d{2})-(?P<day>\d{2})\k<year>

根据上面的正则表达式：最后的 \k<year> 表示匹配与 year 捕获组相同的内容。也就是说，这个正则要求日期的年份与后面的年份部分相同，形成一个对称的匹配。

匹配成功的文本示例：

2025-08-15-2025
1999-12-31-1999
2023-01-01-2023

匹配失败的文本示例：

2025-08-15-2024
1999-12-31-2000
2023-01-01-2024

需要注意的是，尽管命名捕获组可以通过名字引用，但它们仍会占用一个数字索引。所有捕获组都会根据它们在正则表达式中的位置分配索引，从 \1 开始。第一个捕获组（无论是命名的还是未命名的）会被分配为 \1，第二个为 \2，以此类推。因此，命名捕获组的作用主要是提升语义的清晰度，但它们仍然会按顺序分配数字索引。最后强调一点，环视不是捕获组，其本身也不存在后向引用的说法。

4. 非捕获分组 `(?:...)`

有时你只需要匹配某些内容，但不希望将其存储为捕获组，这时可以使用非捕获分组 (?:...)。它可以避免将匹配的内容存入内存，从而提升效率并使正则表达式更加简洁。

例如：

(?:\d{3})-(\d{2})-(\d{4})

这个正则表达式会匹配类似 123-45-6789 的号码。这里，(?:\d{3}) 是一个非捕获分组，因此不会创建捕获组，也就不会生成后向引用。而 (\d{2}) 和 (\d{4}) 分别是捕获组，匹配的内容可以通过 \1 和 \2 来引用。

概念辨析：

命名捕获组：使用 (?P<name>...) 来为捕获的分组命名，方便后续引用。对于有多个分组的正则表达式，使用命名捕获组比记住数字组号更易于管理。
后向引用：使用 \1、\2 等来引用先前捕获的分组，命名捕获组也可以使用 \k<name> 进行引用。
非捕获分组：通过 (?:...) 创建不需要后续引用的分组，适用于只需要匹配但不捕获的情况。

5. 其他用途

5.1 可选匹配 `?`

? 还可以用来表示前面的元素是 可选的，即它可以匹配 0 次或 1 次。例如：

colou?r

这个正则表达式会匹配 color 或 colour，u 字母是可选的。

5.2 条件表达式（Conditional Expressions）`(?(id)yes-pattern|no-pattern)`

条件表达式允许基于捕获组是否已匹配来决定使用哪个模式。例如：

^(?(1)\d{3}-\d{2}-\d{4}|\d{5})$

这个正则表示，如果捕获组 1 匹配了，就匹配类似 123-45-6789 的社会安全号码格式，否则匹配 5 位数字。

6. 总结

? 在正则表达式中有多种重要用途，具体包括：

非贪婪匹配：通过在量词后加 ?，将默认的贪婪模式转为非贪婪模式，尽量匹配最少的字符。
环视：? 用于实现正向环视（(?=...)）、负向环视（(?!...)）、正向回溯环视（(?<=...)）和负向回溯环视（(?<!...)）。
命名捕获组：通过 (?P<name>...) 为捕获组命名，便于引用和提高正则的可读性。
非捕获分组：使用 (?:...) 创建非捕获分组，以避免不必要的内存占用。
可选匹配：? 可用于将前面的元素或分组设为可选，即匹配 0 次或 1 次。
条件表达式：(?(id)yes-pattern|no-pattern) 用于根据捕获组的匹配与否，决定使用不同的匹配模式。