分组匹配

262次阅读

共计 1985 个字符，预计需要花费 5 分钟才能阅读完成。

我们前面讲到的 (...) 可以用来把一个子规则括起来，这样写 learn\s(java|php|go) 就可以更方便地匹配长字符串了。

实际上 (...) 还有一个重要作用，就是分组匹配。

我们来看一下如何用正则匹配 区号 - 电话号 码这个规则。利用前面讲到的匹配规则，写出来很容易：

\d{3,4}\-\d{6,8}

虽然这个正则匹配规则很简单，但是往往匹配成功后，下一步是提取区号和电话号码，分别存入数据库。于是问题来了：如何提取匹配的子串？

当然可以用 String 提供的 indexOf() 和substring()这些方法，但它们从正则匹配的字符串中提取子串没有通用性，下一次要提取 learn\s(java|php) 还得改代码。

正确的方法是用 (...) 先把要提取的规则分组，把上述正则表达式变为(\d{3,4})\-(\d{6,8})。

现在问题又来了：匹配后，如何按括号提取子串？

现在我们没办法用 String.matches() 这样简单的判断方法了，必须引入 java.util.regex 包，用 Pattern 对象匹配，匹配后获得一个 Matcher 对象，如果匹配成功，就可以直接从 Matcher.group(index) 返回子串：

import java.util.regex.*;

public class Main {public static void main(String[] args) {Pattern p = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        Matcher m = p.matcher("010-12345678");
        if (m.matches()) {String g1 = m.group(1);
            String g2 = m.group(2);
            System.out.println(g1); // 010
            System.out.println(g2); // 12345678
        } else {System.out.println("匹配失败!");
        }
    }
}

运行上述代码，会得到两个匹配上的子串 010 和12345678。

要特别注意，Matcher.group(index)方法的参数用 1 表示第一个子串，2 表示第二个子串。如果我们传入 0 会得到什么呢？答案是010-12345678，即整个正则匹配到的字符串。

我们在前面的代码中用到的正则表达式代码是 String.matches() 方法，而我们在分组提取的代码中用的是 java.util.regex 包里面的 Pattern 类和 Matcher 类。实际上这两种代码本质上是一样的，因为 String.matches() 方法内部调用的就是 Pattern 和Matcher类的方法。

但是反复使用 String.matches() 对同一个正则表达式进行多次匹配效率较低，因为每次都会创建出一样的 Pattern 对象。完全可以先创建出一个 Pattern 对象，然后反复使用，就可以实现编译一次，多次匹配：

import java.util.regex.*;

public class Main {public static void main(String[] args) {Pattern pattern = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        pattern.matcher("010-12345678").matches(); // true
        pattern.matcher("021-123456").matches(); // false
        pattern.matcher("022#1234567").matches(); // false
        // 获得 Matcher 对象:
        Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {String whole = matcher.group(0); // "010-12345678", 0 表示匹配的整个字符串
            String area = matcher.group(1); // "010", 1 表示匹配的第 1 个子串
            String tel = matcher.group(2); // "12345678", 2 表示匹配的第 2 个子串
            System.out.println(area);
            System.out.println(tel);
        }
    }
}