Что такое группа без захвата в регулярных выражениях?

Как группы без захвата, то есть (?:), используются в регулярных выражениях и для чего они хороши?

Ответ 1

Позвольте мне попытаться объяснить это на примере.

Рассмотрим следующий текст:

http://stackoverflow.com/
https://stackoverflow.com/questions/tagged/regex

Теперь, если я применю регулярное выражение ниже...

(https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

... я бы получил следующий результат:

Match "http://stackoverflow.com/"
     Group 1: "http"
     Group 2: "stackoverflow.com"
     Group 3: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "https"
     Group 2: "stackoverflow.com"
     Group 3: "/questions/tagged/regex"

Но мне нет дела до протокола - я просто хочу хост и путь URL. Итак, я изменяю регулярное выражение для включения группы без захвата (?:).

(?:https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

Теперь мой результат выглядит так:

Match "http://stackoverflow.com/"
     Group 1: "stackoverflow.com"
     Group 2: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "stackoverflow.com"
     Group 2: "/questions/tagged/regex"

Увидеть? Первая группа не была захвачена. Парсер использует его для соответствия тексту, но игнорирует его позже, в конечном результате.


РЕДАКТИРОВАТЬ:

В соответствии с просьбой, позвольте мне также попытаться объяснить группы.

Ну, группы служат многим целям. Они могут помочь вам извлечь точную информацию из большего совпадения (которое также может быть названо), они позволяют вам сопоставить предыдущую сопоставленную группу и могут быть использованы для замены. Давайте попробуем несколько примеров, не так ли?

Хорошо, представьте, что у вас есть какой-то XML или HTML (имейте в виду, что регулярное выражение может быть не лучшим инструментом для работы, но это хорошо в качестве примера). Вы хотите разобрать теги, чтобы вы могли сделать что-то вроде этого (я добавил пробелы, чтобы было легче понять):

   \<(?<TAG>.+?)\> [^<]*? \</\k<TAG>\>
or
   \<(.+?)\> [^<]*? \</\1\>

Первый регулярное выражение имеет именованную группу (TAG), а второй использует общую группу. Оба регулярных выражения делают одно и то же: они используют значение из первой группы (имя тега), чтобы соответствовать закрывающему тегу. Разница в том, что первый использует имя для соответствия значению, а второй использует групповой индекс (который начинается с 1).

Давайте попробуем некоторые замены сейчас. Рассмотрим следующий текст:

Lorem ipsum dolor sit amet consectetuer feugiat fames malesuada pretium egestas.

Теперь давайте используем это тупое регулярное выражение:

\b(\S)(\S)(\S)(\S*)\b

Это регулярное выражение сопоставляет слова, содержащие не менее 3 символов, и использует группы для разделения первых трех букв. Результат таков:

Match "Lorem"
     Group 1: "L"
     Group 2: "o"
     Group 3: "r"
     Group 4: "em"
Match "ipsum"
     Group 1: "i"
     Group 2: "p"
     Group 3: "s"
     Group 4: "um"
...

Match "consectetuer"
     Group 1: "c"
     Group 2: "o"
     Group 3: "n"
     Group 4: "sectetuer"
...

Итак, если мы применим строку подстановки:

$1_$3$2_$4

... поверх него мы пытаемся использовать первую группу, добавить подчеркивание, использовать третью группу, затем вторую группу, добавить еще одно подчеркивание, а затем четвертую группу. Результирующая строка будет похожа на приведенную ниже.

L_ro_em i_sp_um d_lo_or s_ti_ a_em_t c_no_sectetuer f_ue_giat f_ma_es m_la_esuada p_er_tium e_eg_stas.

Вы также можете использовать именованные группы для подстановок, используя ${name}.

Чтобы поиграть с регулярными выражениями, я рекомендую http://regex101.com/, который предлагает большое количество деталей о том, как работает регулярное выражение; он также предлагает несколько двигателей регулярных выражений на выбор.

Ответ 2

Вы можете использовать группы захвата для организации и анализа выражения. У группы, не связанной с захватом, есть первое преимущество, но у нее нет накладных расходов второго. Вы все же можете сказать, что группа, отличная от захвата, является необязательной.

Предположим, что вы хотите сопоставить числовой текст, но некоторые цифры могут быть записаны как 1, 2, 3, 4,... Если вы хотите захватить числовую часть, но не (необязательный) суффикс, вы можете использовать -захватывающая группа.

([0-9]+)(?:st|nd|rd|th)?

Это будет соответствовать числам в форме 1, 2, 3... или в форме 1-й, 2-й, 3-й,... но он будет только фиксировать числовую часть.

Ответ 3

?: используется, когда вы хотите сгруппировать выражение, но вы не хотите сохранять его в качестве согласованной/захваченной части строки.

Примером может быть что-то, что соответствует IP-адресу:

/(?:\d{1,3}\.){3}\d{1,3}/

Обратите внимание: я не забочусь о сохранении первых 3 октетов, но группировка (?:...) позволяет мне сократить регулярное выражение, не налагая накладные расходы на захват и сохранение соответствия.

Ответ 4

Это делает группу не захватывающей, что означает, что подстрока, соответствующая этой группе, не будет включена в список захватов. Пример в рубине, чтобы проиллюстрировать разницу:

"abc".match(/(.)(.)./).captures #=> ["a","b"]
"abc".match(/(?:.)(.)./).captures #=> ["b"]

Ответ 5

ИСТОРИЧЕСКАЯ МОТИВАЦИЯ: Существование не захватывающих групп можно объяснить с помощью скобок. Рассмотрим выражения (a | b) c и a | bc из-за приоритета конкатенации над |, эти выражения представляют собой два разных языка ({ac, bc} и {a, bc} соответственно). Тем не менее, скобки также используются в качестве сопоставимой группы (как объясняют другие ответы...).

Если вы хотите иметь скобки, но не захватывать подвыражение, вы используете НЕЗАВИСИМЫЕ ГРУППЫ. В этом примере (?: A | b) c

Ответ 6

Группы, которые захватывают, которые можно использовать позже в регулярном выражении, чтобы соответствовать ИЛИ, вы можете использовать их в замещающей части регулярного выражения. Создание не захватывающей группы просто освобождает эту группу от использования по любой из этих причин.

Не захватывающие группы великолепны, если вы пытаетесь захватить множество разных вещей, и есть группы, которые вы не хотите захватывать.

Это в значительной степени причина, по которой они существуют. Пока вы узнаете о группах, узнайте о Atomic Groups, они многое делают! Есть также группы поиска, но они немного сложнее и не используются так много.

Пример использования позже в регулярном выражении (обратная ссылка):

<([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1> [Находит тэг xml (без поддержки ns)]

([A-Z][A-Z0-9]*) - группа захвата (в данном случае это тэг)

Далее в регулярном выражении \1, что означает, что он будет соответствовать только тому же тексту, который был в первой группе (группа ([A-Z][A-Z0-9]*)) (в этом случае он соответствует концевому тегу).

Ответ 7

Позвольте мне попробовать это на примере: -

Код регулярного выражения: - (?:animal)(?:=)(\w+)(,)\1\2

Строка поиска: -

Строка 1 - animal=cat,dog,cat,tiger,dog

Строка 2 - animal=cat,cat,dog,dog,tiger

Строка 3 - animal=dog,dog,cat,cat,tiger

(?:animal) → Незахваченная группа 1

(?:=) → Незахваченная группа 2

(\w+) → Захваченная группа 1

(,) → Захваченная группа 2

\1 → результат захваченной группы 1, т.е. в строке 1 - кошка, в строке 2 - кошка, в строке 3 - собака.

\2 → результат захваченной группы 2, т.е. запятая (,)

Таким образом, в этом коде, задавая \1 и\2, мы напоминаем или повторяем результат захваченной группы 1 и 2 соответственно позже в коде.

В соответствии с порядком кода (?: Animal) должна быть группа 1, а (?: =) Должна быть группа 2 и продолжается..

но, задав?: мы делаем группу совпадений не захваченной (которые не учитываются в сопоставленной группе, поэтому номер группировки начинается с первой захваченной группы, а не не захваченной), так что повторение результата совпадения -group (?: animal) не может быть вызвана позже в коде.

Надеюсь, это объясняет использование группы без захвата.

введите описание изображения здесь

Ответ 8

Ну, я разработчик JavaScript и попытаюсь объяснить его значение, относящееся к JavaScript.

Рассмотрим сценарий, в котором вы хотите совместить cat is animal когда вы хотите совместить кошку и животное, и оба должны иметь is между ними.

 // this will ignore "is" as that is what we want
"cat is animal".match(/(cat)(?: is )(animal)/) ;
result ["cat is animal", "cat", "animal"]

 // using lookahead pattern it will match only "cat" we can
 // use lookahead but the problem is we can not give anything
 // at the back of lookahead pattern
"cat is animal".match(/cat(?= is animal)/) ;
result ["cat"]

 //so I gave another grouping parenthesis for animal
 // in lookahead pattern to match animal as well
"cat is animal".match(/(cat)(?= is (animal))/) ;
result ["cat", "cat", "animal"]

 // we got extra cat in above example so removing another grouping
"cat is animal".match(/cat(?= is (animal))/) ;
result ["cat", "animal"]

Ответ 9

В сложных регулярных выражениях может возникнуть ситуация, когда вы хотите использовать большое количество групп, некоторые из которых существуют для соответствия повторениям, а некоторые из них предназначены для предоставления обратных ссылок. По умолчанию текст, соответствующий каждой группе, загружается в массив обратной ссылки. В тех случаях, когда у нас много групп, и только нужно иметь возможность ссылаться на некоторые из них из массива backreference, мы можем переопределить это поведение по умолчанию, чтобы сообщить регулярному выражению, что определенные группы существуют только для обработки повторений и их не нужно захватывать и хранить в массиве backreference.

Ответ 10

Я не могу комментировать верхние ответы, чтобы сказать это: я хотел бы добавить явный пункт, который подразумевается только в верхних ответах:

Не захватывающая группа (?...) не удаляет любые символы из исходного полного соответствия, только он визуально визуализирует регулярное выражение для программиста.

Чтобы получить доступ к определенной части регулярного выражения без определенных посторонних символов, вам всегда нужно использовать .group(<index>)

Ответ 11

tl; dr non-captureuring groups, как следует из названия, являются частями регулярного выражения, которые вы не хотите включать в совпадение и ?: это способ определить группу как не захватывающую.

Скажем, у вас есть адрес электронной почты [email protected]. Следующее регулярное выражение создаст две группы: часть id и часть @example.com. (\p{Alpha}*[az])(@example.com). Для простоты мы извлекаем все доменное имя, включая символ @.

Теперь скажем, вам нужна только идентификационная часть адреса. То, что вы хотите сделать, - захватить первую группу результата совпадения, окруженную () в регулярном выражении, и способ сделать это - использовать синтаксис группы без захвата, то есть ?:. Поэтому регулярное выражение (\p{Alpha}*[az])(?:@example.com) вернет только часть идентификатора электронной почты.

Ответ 12

Одна интересная вещь, с которой я столкнулся, это то, что вы можете иметь группу захвата внутри группы без захвата. Посмотрите на регулярное выражение для соответствия веб-URL:

var parse_url_regex = /^(?:([A-Za-z]+):)(\/{0,3})([0-9.\-A-Za-z]+)(?::(\d+))?(?:\/([^?#]*))?(?:\?([^#]*))?(?:#(.*))?$/;

Входная строка URL:

var url = "http://www.ora.com:80/goodparts?q#fragment";

Первая группа в моем регулярном выражении (?:([A-Za-z]+):) - это группа без захвата, которая соответствует схеме протокола и двоеточию : символ, т.е. http: но когда я работал под кодом ниже, я видел 1-й индекс возвращаемого массива содержал строку http когда я думал, что http и двоеточие : оба не будут сообщаться, так как они находятся в группе без захвата.

console.debug(parse_url_regex.exec(url));

enter image description here

Я подумал, что если первая группа (?:([A-Za-z]+):) - это группа без захвата, то почему она возвращает строку http в выходном массиве.

Поэтому, если вы заметили, что внутри группы без захвата есть вложенная группа ([A-Za-z]+). Эта вложенная группа ([A-Za-z]+) является группой захвата (не имеющей ?: В начале) сама по себе внутри группы без захвата (?:([A-Za-z]+):). Вот почему текст http все еще захватывается, но символ двоеточия : который находится внутри группы без захвата, но вне группы захвата, не выводится в выходном массиве.

Ответ 13

Думаю, я дам вам ответ, Не используйте переменные захвата, не проверяя, что совпадение выполнено успешно.

Перехватчики захвата, $1 и т.д. недействительны, если совпадение не выполнено, и они также не очищаются.

#!/usr/bin/perl  
use warnings;
use strict;   
$_ = "bronto saurus burger";
if (/(?:bronto)? saurus (steak|burger)/)
{
    print "Fred wants a  $1";
}
else
{
    print "Fred dont wants a $1 $2";
}

В приведенном выше примере, Чтобы избежать захвата bronto в $1, используется (?:). Если шаблон сопоставляется, то $1 фиксируется как следующий сгруппированный шаблон. Таким образом, выход будет выглядеть следующим образом:

Fred wants a burger

Полезно, если вы не хотите, чтобы совпадения сохранялись.

Ответ 14

Откройте Google DevTools, а затем вкладку Консоль и введите следующее:

"Peace".match(/(\w)(\w)(\w)/)

Запустите его, и вы увидите:

["Pea", "P", "e", "a", index: 0, input: "Peace", groups: undefined]

Механизм JavaScript RegExp захватывает три группы, элементы с индексами 1,2,3. Теперь используйте нефиксирующую метку, чтобы увидеть результат.

"Peace".match(/(?:\w)(\w)(\w)/)

Результат:

["Pea", "e", "a", index: 0, input: "Peace", groups: undefined]

Это очевидно, что не захватывает группу.

Ответ 15

Это очень просто, мы можем понять на простом примере даты, предположим, что если дата упоминается как 1 января 2019 года или 2 мая 2019 года или любая другая дата, и мы просто хотим преобразовать ее в формат дд/мм/гггг, нам не нужен месяц имя, которое в этом случае будет январь или февраль, поэтому для захвата числовой части, но не суффикса (необязательно), вы можете использовать группу без захвата.

поэтому регулярное выражение будет

([0-9]+)(?:January|February)?

Это так просто.