Question

来源：

<TD>
    <A HREF="/home"><IMG SRC="/images/home.gif"></A>
    <IMG SRC="/images/spacer.gif">
    <A HREF="/search"><IMG SRC="/images/search.gif"></A>
    <IMG SRC="/images/spacer.gif">
    <A HREF="/help"><IMG SRC="/images/help.gif"></A>
</TD>

正则表达式：

  (<[Aa]\s+[^>]+>\s*)?<[Ii][Mm][Gg]\s+[^>]+>(?(1)\s*</[Aa]>)

结果：

<A HREF="/home"><IMG SRC="/images/home.gif"></A>
<IMG SRC="/images/spacer.gif">
<A HREF="/search"><IMG SRC="/images/search.gif"></A>
<IMG SRC="/images/spacer.gif">
<A HREF="/help"><IMG SRC="/images/help.gif"></A>

什么是“？（1）”是什么意思？

当我在Java中运行它时，它会导致异常：java.util.regex.PatternSyntaxException， “？（1）”无法识别。

书中的解释是：

This pattern requires explanation. (<[Aa]\s+[^>]+>\s*)? matches an opening <A> or <a> tag (with any attributes that may be present), if present (the closing ? makes the expression optional). <[Ii][Mm][Gg]\s+[^>]+> then matches the <IMG> tag (regardless of case) with any of its attributes. (?(1)\s*</[Aa]>) starts off with a condition: ?(1) means execute only what comes next if backreference 1 (the opening <A> tag) exists (or in other words, execute only what comes next if the first <A> match was successful). If (1) exists, then \s*</[Aa]> matches any trailing whitespace followed by the closing </A> tag.

Answer 1

语法正确。奇怪的外观（？....）设置了条件。这是if ... then语句的正则表达式语法。（1）是在正则表达式开始时对捕获组的反向引用，其匹配html＆lt; a＆gt;。 tag，如果有，则该捕获组是可选的。由于对捕获的标签的反向引用遵循正则表达式的“if”部分，因此它正在做的是确保存在开口＆lt; a＆gt;。在尝试匹配结束标记之前捕获的标记。一种非常聪明的方法，可以使两个标签都是可选的，但是当第一个标签存在时强制它们。这就是它能够匹配示例文本中所有行的方式，即使其中一些只是＆lt; img＆gt;标签

至于为什么它会在你的情况下抛出异常，很可能你正在使用的正则表达式的味道不支持条件。并非所有人都这样做。

编辑：这是关于正则表达式中条件的一个很好的参考：http://www.regular-expressions.info/conditional.html

Answer 2

正如Bryan所说，你所看到的是一个条件结构，Java并不支持它们。紧跟在问号之后的带括号的表达式实际上可以是任何零宽度断言，如前瞻或后瞻，而不仅仅是对捕获组的引用。（我更喜欢称那些 back-assertions ，以避免混淆。 back-reference 与捕获组所做的相同，但是一个后断言断言只是断言捕获组匹配某事。）

几年前我在Perl工作时学习了条件语，但我从未在Java中错过它们。在这种情况下，例如，一个简单的替换将成功：

(?i)<a\s+[^>]+>\s*<img\s+[^>]+>\s*</a]>|<img\s+[^>]+>

条件版本的一个优点是您可以使用单个捕获组捕获IMG标记：

(?i)(<a\s+[^>]+>\s*)?(<img\s+[^>]+>)(?(1)\s*</a>)

在交替版本中，你必须为每个替代版本都有一个捕获组，但这在Java中并不像在Perl中那么重要，它具有所有内置的正则表达式魔法。以下是我在Java中使用IMG标记的方法：

Pattern p = Pattern.compile(
  "<a\\s+[^>]+>\\s*(<img\\s+[^>]+>)\\s*</a>|(<img\\s+[^>]+>)"
  Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(s);
while (m.find())
{
  System.out.println(m.start(1) != -1 ? m.group(1) : m.group(2));
}

Answer 3

这可能是非捕获组，如下所述：

还有一个特殊的小组，小组 0，总是代表整个表达。该组不包括在内在groupCount报告的总数中。以（？开头的群组是纯粹的，不捕获的非捕获组捕获文本，不要指望小组总数。（你会看到例子非捕获组的后期 section模式类的方法。）

Java Regex Tutorial

Answer 4

简短的回答：这并不意味着什么。问题在于整个片段：

(?(1)\s*)

（）会创建一个后引用，因此您可以重复使用内部匹配的任何文本。它们还允许您将运算符应用于它们内部的所有内容（但在您的示例中没有这样做）。

？意味着它之前的项目应匹配，如果它在那里，但如果不是则也可以。当它出现在（

之后）时，这根本没有意义

（？： MoreTextHere ）当您不需要重用匹配的文本时，可用于加速RegEx。但这仍然没有意义，为什么当你的输入是HTML时匹配1？

尝试：

(?:<[Aa]\s+[^>]+>\s*)?<[Ii][Mm][Gg]\s+[^>]+>

你从未说出你想要匹配的内容，所以如果这个答案不能满足你的要求，请解释你在尝试用RegEx做什么。

在正则表达式中使用条件

4 个答案: