PHP正则表达式之捕获组与非捕获组

今天遇到一个正则匹配的问题，忽然翻到有捕获组的概念，手册上也是一略而过，百度时无意翻到c#和java中有对正则捕获组的特殊用法，搜索关键词有php时竟然没有相关内容，自己试了一下，发现在php中也是可行的，于是总结一下，分享的同时也希望有大神和细心的学习者找到我理解中出现的问题。

什么是捕获组

捕获组语法：

字符	描述	示例
(pattern)	匹配pattern并捕获结果，自动设置组号。	(abc)+d 匹配abcd或者abcabcd
(?<name>pattern) 或 (?'name'pattern)	匹配pattern并捕获结果，设置name为组名。
\num	对捕获组的反向引用。其中 num 是一个正整数。	(\w)(\w)\2\1 匹配abba
\k< name > 或 \k' name '	对命名捕获组的反向引用。其中 name 是捕获组名。	(?<group>\w)abc\k<group> 匹配xabcx

我们先看一下php的正则匹配函数

int preg_match ( string $pattern , string $subject [, array &$matches [, int $flags = 0 [, int $offset = 0 ]]] )

前面两项是我们常用的，$pattern是正则匹配模式，$string是要匹配的字符串。

array &$match,它是一个数组，&表示匹配出来的结果会被写入$match中。

int $flags 如果传递了这个标记, 对于每一个出现的匹配返回时会附加字符串偏移量(相对于目标字符串的)。

int $offset 用于指定从目标字符串的某个未知开始搜索(单位是字节)。

我们主要看一下$match的值里会有什么：

$mode = '/a=(\d+)b=(\d+)c=(\d+)/';
$str='**a=4b=98c=56**';
$res=preg_match($mode,$str,$match);
var_dump($match);

结果如下：

array (size=4)
  0 => string 'a=4b=98c=56' (length=11)
  1 => string '4' (length=1)
  2 => string '98' (length=2)
  3 => string '56' (length=2)

现在我们知道了什么是捕获组，捕获组是正则表达示中以()括起来的部分，每一对()是一个捕获组。

php会为它编号，从1开始。至于为什么会从1开始，那是因为php把匹配到的完整字符串编号为0。

如果有多个括号或嵌套括号，按左边括号出现的顺序来进行编号，如图：

按图中的匹配模式匹配时，捕获组的123号分别是红绿蓝。

捕获组的忽略与命名

我们还可以阻止php为匹配组的编号：在匹配组中模式前加  ?:

$mode = '/a=(\d+)b=(?:\d+)c=(\d+)/';

这样，匹配结果就会变成：

array (size=3)
 0 => string 'a=4b=98c=56' (length=11)
 1 => string '4' (length=1)
 2 => string '56' (length=2)

当然，我们也可以在括号的内部为它给它独特的名字。

命名子组可以接受(?<name>), (?'name') 以及(?p<name>)语法. 之前版本仅接受(?p<name>)语法.

例如：$mode = '/a=(\d+)b=(?p<sec>\d+)c=(\d+)/';

使用时结果为：

array (size=5)
 0 => string 'a=4b=98c=56' (length=11)
 1 => string '4' (length=1)
 'sec' => string '98' (length=2)
 2 => string '98' (length=2)
 3 => string '56' (length=2)

在保留索引数组的同时，加上一个关联项，key值为捕获组名。

捕获组的反向引用

我们在用preg_replace()函数进行正则替换时，我们还可以使用 \n 或 $n 来引用第n个捕获组.

$mode = '/a=(\d+)b=(\d+)c=(\d+)/';
$str='**a=4b=98c=56**';
$rp='\1/$2/\3/';
echo preg_replace($mode,$rp,$str);//**4/98/56/**

\1表示捕获组1(4),$2为捕获组2(98),\3为捕获组3(56)。

非捕获组的用法：

非捕获组语法：

字符	描述	示例
(?:pattern)	匹配pattern，但不捕获匹配结果。	'industr(?:y|ies) 匹配'industry'或'industries'。
(?=pattern)	零宽度正向预查，不捕获匹配结果。	'windows (?=95|98|nt|2000)' 匹配 "windows2000" 中的 "windows" 不匹配 "windows3.1" 中的 "windows"。
(?!pattern)	零宽度负向预查，不捕获匹配结果。	'windows (?!95|98|nt|2000)' 匹配 "windows3.1" 中的 "windows" 不匹配 "windows2000" 中的 "windows"。
(?<=pattern)	零宽度正向回查，不捕获匹配结果。	'2000 (?<=office|word|excel)' 匹配 " office2000" 中的 "2000" 不匹配 "windows2000" 中的 "2000"。
(?<!pattern)	零宽度负向回查，不捕获匹配结果。	'2000 (?<!office|word|excel)' 匹配 " windows2000" 中的 "2000" 不匹配 " office2000" 中的 "2000"。

为什么称为非捕获组呢？那是因为它们有捕获组的特性，在匹配模式的()中，但是匹配时，php不会为它们编组，它们只会影响匹配结果，并不作为结果输出。

/d(?=xxx)    匹配"后面是xxx的一个数字"。

注意格式：只能放在匹配模式字符串之后！

例如：

$pattern='/\d(?=abc)/';
$str="ab36abc8eg";
$res=preg_match($pattern,$str,$match);
var_dump($match);//6

匹配的6，因为只有它作为一个数字，后面还有abc。

(?<=xxx) /d 匹配"前面是xxx的一个数字"

注意格式：只能放在匹配模式字符串之前！

例如：

$pattern='/(?<=abc)\d/';
$str="ab36abc8eg";
$res=preg_match($pattern,$str,$match);
var_dump($match);//8

匹配的8，因为只有它作为一个数字，后面还有abc。

与(?=xxx)  (?<=xxx)相对的是(?!=xxx)  (?<!=xxx) 它们在=前加了非运算符 “!”

它表示前面/后面不是xxx的字符串，这里就不再举例了。

如果您觉得本博文对您有帮助，您可以推荐或关注我，如果您有什么问题，可以在下方留言讨论，谢谢。