Non-Capturing Regex Groups in Java

1. 概述

非捕获组是Java 正则表达式中的重要构造。 他们创建一个子模式，该子模式充当单个单元，但不保存匹配的字符序列。 在本教程中，我们将探讨如何在 Java 正则表达式中使用非捕获组。

2. 正则表达式组

正则表达式组可以是以下两种类型之一：捕获型和非捕获型。

捕获组保存匹配的字符序列。它们的值可以用作模式中的反向引用和/或稍后在代码中检索。

尽管它们不保存匹配的字符序列， 但非捕获组可以更改组内的模式匹配修饰符。一些非捕获组甚至可以在成功的子模式匹配后丢弃回溯信息。

让我们探讨一些非捕获组的实际例子。

3. 非捕获组

使用运算符“ (?:X) ”创建非捕获组。 “ X ”是该组的模式：

Pattern.compile("[^:]+://(?:[.a-z]+/?)+")

该模式有一个非捕获组。如果它是类似 URL 的，它将匹配一个值。 URL 的完整正则表达式会涉及更多内容。我们使用一个简单的模式来关注非捕获组。

模式 “[^:]: ”与协议匹配，例如“ http:// ”。非捕获组“ (?:[.az]+/?) ”与带有可选斜杠的域名相匹配。由于“ + ”运算符匹配此模式的一次或多次出现，因此我们也将匹配后续路径段。让我们在 URL 上测试这个模式：

Pattern simpleUrlPattern = Pattern.compile("[^:]+://(?:[.a-z]+/?)+");
Matcher urlMatcher
  = simpleUrlPattern.matcher("http://www.microsoft.com/some/other/url/path");
    
Assertions.assertThat(urlMatcher.matches()).isTrue();

让我们看看当我们尝试检索匹配的文本时会发生什么：

Pattern simpleUrlPattern = Pattern.compile("[^:]+://(?:[.a-z]+/?)+");
Matcher urlMatcher = simpleUrlPattern.matcher("http://www.microsoft.com/");
    
Assertions.assertThat(urlMatcher.matches()).isTrue();
Assertions.assertThatThrownBy(() -> urlMatcher.group(1))
  .isInstanceOf(IndexOutOfBoundsException.class);

正则表达式被编译成 java.util.Pattern 对象。然后，我们创建一个 java.util.Matcher 将我们的模式应用于提供的值。

接下来，我们断言 matches() 的结果返回 true 。

我们使用非捕获组来匹配 URL 中的域名。 * 由于非捕获组不保存匹配文本，因此我们无法检索匹配文本 “ www.microsoft.com/” 。 * 尝试检索域名将导致 IndexOutOfBoundsException 。

3.1.内联修饰符

正则表达式区分大小写。 如果我们将模式应用于大小写混合的 URL，匹配将会失败：

Pattern simpleUrlPattern
  = Pattern.compile("[^:]+://(?:[.a-z]+/?)+");
Matcher urlMatcher
  = simpleUrlPattern.matcher("http://www.Microsoft.com/");
    
Assertions.assertThat(urlMatcher.matches()).isFalse();

如果我们也想匹配大写字母，我们可以尝试一些选项。

一种选择是将大写字符范围添加到模式中：

Pattern.compile("[^:]+://(?:[.a-zA-Z]+/?)+")

另一种选择是使用修饰符标志。因此，我们可以将正则表达式编译为不区分大小写：

Pattern.compile("[^:]+://(?:[.a-z]+/?)+", Pattern.CASE_INSENSITIVE)

非捕获组允许第三种选择： 我们可以仅更改组的修饰符标志。 让我们将不区分大小写的修饰符标志（“ i ”）添加到组中：

Pattern.compile("[^:]+://(?i:[.az]+/?)+");

现在我们已经使组不区分大小写，让我们将此模式应用于大小写混合的 URL：

Pattern scopedCaseInsensitiveUrlPattern
  = Pattern.compile("[^:]+://(?i:[.a-z]+/?)+");
Matcher urlMatcher
  = scopedCaseInsensitiveUrlPattern.matcher("http://www.Microsoft.com/");
    
Assertions.assertThat(urlMatcher.matches()).isTrue();

当模式被编译为区分大小写时，我们可以通过在修饰符前面添加“-”运算符来关闭它。 让我们将此模式应用到另一个混合大小写的 URL：

Pattern scopedCaseSensitiveUrlPattern
  = Pattern.compile("[^:]+://(?-i:[.a-z]+/?)+/ending-path", Pattern.CASE_INSENSITIVE);
Matcher urlMatcher
  = scopedCaseSensitiveUrlPattern.matcher("http://www.Microsoft.com/ending-path");
  
Assertions.assertThat(urlMatcher.matches()).isFalse();

在此示例中，最终路径段“ /ending-path ”不区分大小写。模式的“ /ending-path ”部分将匹配大写和小写字符。

当我们关闭组内的不区分大小写选项时，非捕获组仅支持小写字符。因此，大小写混合域名不匹配。

4. 独立的非捕获组

独立非捕获组是一种正则表达式组。这些组 在找到成功匹配后丢弃回溯信息 。当使用这种类型的组时，我们需要注意何时会发生回溯。否则，我们的模式可能与我们认为应该的价值观不匹配。

回溯是非确定性有限自动机 (NFA) 正则表达式引擎的一项功能。 当引擎无法匹配文本时，NFA 引擎可以探索模式中的替代方案。 在用尽所有可用的替代方案后，引擎将导致比赛失败。我们只讨论回溯，因为它涉及独立的非捕获组。

使用运算符“ (?>X) ”创建一个独立的非捕获组，其中 X 是子模式：

Pattern.compile("[^:]+://(?>[.az]+/?)+/ending-path");

我们添加了“ /ending-path ”作为常量路径段。有了这个额外的要求，就会迫使出现回溯的情况。域名和其他路径段可以匹配斜杠字符。为了匹配 “/ending-path” ，引擎需要回溯。通过回溯，引擎可以从组中删除斜杠并将其应用于模式的“ /ending-path ”部分。

让我们将独立的非捕获组模式应用到 URL：

Pattern independentUrlPattern
  = Pattern.compile("[^:]+://(?>[.a-z]+/?)+/ending-path");
Matcher independentMatcher
  = independentUrlPattern.matcher("http://www.microsoft.com/ending-path");
    
Assertions.assertThat(independentMatcher.matches()).isFalse();

该组与域名和斜杠匹配成功。因此，我们保留了独立非捕获组的范围。

此模式要求在 “ending-path” 之前出现斜杠。然而，我们的独立非捕获组已经匹配了斜线。

NFA 引擎应尝试回溯。 由于斜杠在组末尾是可选的，因此 NFA 引擎将从组中删除斜杠并重试。 独立非捕获组丢弃了回溯信息。因此，NFA 引擎无法回溯。

4.1.集团内部回溯

回溯可以发生在独立的非捕获组内。 当NFA引擎匹配该组时，回溯信息并未被丢弃。直到组匹配成功后，回溯信息才会被丢弃：

Pattern independentUrlPatternWithBacktracking
  = Pattern.compile("[^:]+://(?>(?:[.a-z]+/?)+/)ending-path");
Matcher independentMatcher
  = independentUrlPatternWithBacktracking.matcher("http://www.microsoft.com/ending-path");
    
Assertions.assertThat(independentMatcher.matches()).isTrue();

现在我们在一个独立的非捕获组中有一个非捕获组。我们仍然存在回溯情况，涉及 “ending-path” 前面的斜杠。然而，我们已将模式的回溯部分包含在独立的非捕获组内。 回溯将发生在独立的非捕获组内。因此，NFA 引擎有足够的信息进行回溯，并且模式与提供的 URL 相匹配。

5. 结论

我们已经证明非捕获组与捕获组不同。然而，它们就像它们的捕获对应物一样作为一个单元发挥作用。我们还表明， 非捕获组可以启用或禁用该组的修饰符，而不是整个模式 。

同样，我们已经展示了独立的非捕获组如何丢弃回溯信息。 如果没有此信息，NFA 引擎就无法探索替代方案来进行成功匹配。 然而，团体内部可能会发生回溯。

与往常一样，源代码可以在 GitHub 上获取。

Persistence

REST

Security