后向引用

正則表達(dá)式一個最重要的特性就是將匹配成功的模式的某部分進(jìn)行存儲供以后使用這一能力。請回想一下，對一個正則表達(dá)式模式或部分模式兩邊添加圓括號將導(dǎo)致這部分表達(dá)式存儲到一個臨時緩沖區(qū)中。可以使用非捕獲元字符 '?:', '?=', or '?!' 來忽略對這部分正則表達(dá)式的保存。

所捕獲的每個子匹配都按照在正則表達(dá)式模式中從左至右所遇到的內(nèi)容存儲。存儲子匹配的緩沖區(qū)編號從 1 開始，連續(xù)編號直至最大 99 個子表達(dá)式。每個緩沖區(qū)都可以使用 '\n' 訪問，其中 n 為一個標(biāo)識特定緩沖區(qū)的一位或兩位十進(jìn)制數(shù)。

后向引用一個最簡單，最有用的應(yīng)用是提供了確定文字中連續(xù)出現(xiàn)兩個相同單詞的位置的能力。請看下面的句子：

Is is the cost of of gasoline going up up?

根據(jù)所寫內(nèi)容，上面的句子明顯存在單詞多次重復(fù)的問題。如果能有一種方法無需查找每個單詞的重復(fù)現(xiàn)象就能修改該句子就好了。下面的 Visual Basic Scripting Edition 正則表達(dá)式使用一個子表達(dá)式就可以實(shí)現(xiàn)這一功能。

/\b([a-z]+) \1\b/gi

等價的 VBScript 表達(dá)式為：

"\b([a-z]+) \1\b"

在這個示例中，子表達(dá)式就是圓括號之間的每一項(xiàng)。所捕獲的表達(dá)式包括一個或多個字母字符，即由'[a-z]+' 所指定的。該正則表達(dá)式的第二部分是對前面所捕獲的子匹配的引用，也就是由附加表達(dá)式所匹配的第二次出現(xiàn)的單詞。'\1'用來指定第一個子匹配。單詞邊界元字符確保只檢測單獨(dú)的單詞。如果不這樣，則諸如 "is issued" 或 "this is" 這樣的短語都會被該表達(dá)式不正確地識別。

在 Visual Basic Scripting Edition 表達(dá)式中，正則表達(dá)式后面的全局標(biāo)志 ('g') 表示該表達(dá)式將用來在輸入字符串中查找盡可能多的匹配。大小寫敏感性由表達(dá)式結(jié)束處的大小寫敏感性標(biāo)記 ('i') 指定。多行標(biāo)記指定可能出現(xiàn)在換行符的兩端的潛在匹配。對 VBScript 而言，在表達(dá)式中不能設(shè)置各種標(biāo)記，但必須使用 RegExp 對象的屬性來顯式設(shè)置。

使用上面所示的正則表達(dá)式，下面的 Visual Basic Scripting Edition 代碼可以使用子匹配信息，在一個文字字符串中將連續(xù)出現(xiàn)兩次的相同單詞替換為一個相同的單詞：

var ss = "Is is the cost of of gasoline going up up?.\n";var re = /\b([a-z]+) \1\b/gim;       //創(chuàng)建正則表達(dá)式樣式.var rv = ss.replace(re,"$1");   //用一個單詞替代兩個單詞.

最接近的等價  VBScript 代碼如下：

Dim ss, re, rvss = "Is is the cost of of gasoline going up up?." & vbNewLineSet re = New RegExpre.Pattern = "\b([a-z]+) \1\b"re.Global = Truere.IgnoreCase = Truere.MultiLine = Truerv = re.Replace(ss,"$1")

請注意在 VBScript 代碼中，全局、大小寫敏感性以及多行標(biāo)記都是使用 RegExp 對象的適當(dāng)屬性來設(shè)置的。

在replace 方法中使用 $1 來引用所保存的第一個子匹配。如果有多個子匹配，則可以用 $2, $3 等繼續(xù)引用。

后向引用的另一個用途是將一個通用資源指示符 (URI) 分解為組件部分。假定希望將下述的URI 分解為協(xié)議 (ftp, http, etc)，域名地址以及頁面/路徑：

http://msdn.microsoft.com:80/scripting/default.htm

下面的正則表達(dá)式可以提供這個功能。對 Visual Basic Scripting Edition，為：

/(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)/

對 VBScript 為：

"(\w+):\/\/([^/:]+)(:\d*)?([^# ]*)"

第一個附加子表達(dá)式是用來捕獲該 web 地址的協(xié)議部分。該子表達(dá)式匹配位于一個冒號和兩個正斜杠之前的任何單詞。第二個附加子表達(dá)式捕獲該地址的域名地址。該子表達(dá)式匹配不包括 '^'、 '/' 或 ':' 字符的任何字符序列。第三個附加子表達(dá)式捕獲網(wǎng)站端口號碼，如果指定了該端口號。該子表達(dá)式匹配后跟一個冒號的零或多個數(shù)字。最后，第四個附加子表達(dá)式捕獲由該 web 地址指定的路徑以及\或者頁面信息。該子表達(dá)式匹配一個和多個除'#' 或空格之外的字符。

將該正則表達(dá)式應(yīng)用于上面所示的 URI 后，子匹配包含下述內(nèi)容：

RegExp.$1 包含 "http"

RegExp.$2 包含 "msdn.microsoft.com"

RegExp.$3 包含 ":80"

RegExp.$4 包含 "/scripting/default.htm"

最新評論