Groovy Tip 29 正則表達式 三
本篇主要來談談"捕獲組"和"非匹配組"以及與它們相關聯的一些概念。
"捕獲組"應該來說是一個很重要的特性，特別是在進行文字處理的時候。比如，我們經常會遇到一些文字或數字跟一些符號混合在一起，而我們需要把這些文字或數字從這些符號中分離出來。這時候，我們就可以用到"捕獲組"。
先從一個簡單的例子說起。比如，我們有如下的一個email地址：
我們需要從上面的email地址中分離出"fgp"、"sina"和"com"來，如果使用"split"方法的話，我們需要做兩次"split"動作才能達到我們的要求。
但是，如果使用"捕獲組"的話，我們只需要做一次動作。如：
def amail = '[email protected]'
def re = /(.*)@(.*)/.(.*)/
def matcher = (amail =~ re)
println matcher[0]
運行結果爲：
["[email protected]", "fgp", "sina", "com"]
再舉一個看起來有那麼一點點實用的例子，比如我們有如下的一組價格表，由商品名稱、價格以及它們所能打的折扣組成。
computer 3000￥ 10%
mouse 50￥ 0%
memory 200￥ 20%
現在，我們希望把商品名稱、價格和打折分別提取出來。
使用"捕獲組"的代碼如下：
def goods =
"""computer 3000￥ 10%
mouse 50￥ 0%
memory 200￥ 20%"""
def groups = {
def re = /(.*) (.*)￥ (.*)%/
def matcher = (it =~ re)
println matcher[0]
}
goods.split('/n').each(groups)
運行上述代碼的結果爲：
["computer 3000￥ 10%", "computer", "3000", "10"]
["mouse 50￥ 0%", "mouse", "50", "0"]
["memory 200￥ 20%", "memory", "200", "20"]
相比較而言，"非匹配組"的使用就更爲複雜一些，這裏面除了"非匹配組"本身的概念，還有一些相關的概念需要說明。
首先要說明的是"最大匹配"和"最小匹配"的概念。在正則表達式中，我們的一些操作符，如"?"、"*"和"+"在默認的情況下，都是指的"最大匹配"；如果需要需要"最小匹配"，則需要在上述操作符後面加上"?"操作符，才能表示它們是"最小匹配"。
下面來舉一個經典的例子來說明。比如我們有如下的一個html語句：
<td>abc</td>
那麼，我們先進行如下的配置：
def html = '<td>abc</td>'
def re = /<.*>/
def matcher = (html =~ re)
println matcher[0]
再進行如下的匹配：
def html = '<td>abc</td>'
def re = /<.*?>/
def matcher = (html =~ re)
println matcher[0]
其中，第一段代碼就進行的就是"最大匹配"，運行結果爲：
<td>abc</td>
第二段代碼爲"最小匹配"，運行結果爲：
<td>
所謂"非匹配組"，指的是在一個字符串裏，有我們想要的匹配組，也有我們不想要的非匹配組。我們想要的匹配組好說，就是使用我們上面所說到的"捕獲組"來解決；那麼我們不想要的非匹配組，我們該怎麼處理呢？
要匹配"非匹配組"，我們要做的工作其實是很簡單，就是括號，並且在括號裏以"?:"開頭。下面來舉一個例子說明。
還是以上面的價格表爲例，比如我們有如下的價格表：
computer Intel CUP 3000￥ 10%
mouse made in China mainland 50￥ 0%
memory made in Taiwan 200￥ 20%
這個價格表比前面的價格表更爲複雜一些，中間夾雜了一些對商品的描述。現在，我們還是希望取出商品名稱、價格和打折來，而不需要商品的描述。
這樣，我們就用到了"非匹配組"，代碼如下：
def goods =
"""computer Intel CUP 3000￥ 10%
mouse made in China mainland 50￥ 0%
memory made in Taiwan 200￥ 20%"""
def groups = {
def matcher = (it =~ /(.*?)(?: .+)+ (.*)￥ (.*)%/);
if (matcher.matches())
{
println matcher[0]
}
}
goods.split('/n').each(groups)
運行結果爲：
["computer Intel CUP 3000￥ 10%", "computer", "3000", "10"]
["mouse made in China mainland 50￥ 0%", "mouse", "50", "0"]
["memory made in Taiwan 200￥ 20%", "memory", "200", "20"]
在上面的代碼中，正則表達式中的"(?: .+)+"就是"非匹配組"。值得注意的是，該正則表達式的開頭"(.*?)"，就用到了"最小匹配"的概念，如果我們把其中的問號去掉，變成"最大匹配"，那麼結果又將是什麼樣子呢？
def goods =
"""computer Intel CUP 3000￥ 10%
mouse made in China mainland 50￥ 0%
memory made in Taiwan 200￥ 20%"""
def groups = {
def matcher = (it =~ /(.*)(?: .+)+ (.*)￥ (.*)%/);
if (matcher.matches())
{
println matcher[0]
}
}
goods.split('/n').each(groups)
運行結果爲：
["computer Intel CUP 3000￥ 10%", "computer Intel", "3000", "10"]
["mouse made in China mainland 50￥ 0%", "mouse made in China", "50", "0"]
["memory made in Taiwan 200￥ 20%", "memory made in", "200", "20"]
可以看到，上面就不是我們想要的結果了。