正则表达式中的非捕获组是什么？

Question

非捕获组（即(?:)）在正则表达式中如何使用？它们有什么用？

Answer 1

让我尝试用一​​个例子来解释。

现在，如果我将下面的正则表达式应用于它…

(https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

…我将得到以下结果：

Match "http://stackoverflow.com/"
     Group 1: "http"
     Group 2: "stackoverflow.com"
     Group 3: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "https"
     Group 2: "stackoverflow.com"
     Group 3: "/questions/tagged/regex"

但我不在乎协议-我只想要URL的主机和路径。因此，我将正则表达式更改为包括非捕获组(?:)。

(?:https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

现在，我的结果如下所示：

Match "http://stackoverflow.com/"
     Group 1: "stackoverflow.com"
     Group 2: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "stackoverflow.com"
     Group 2: "/questions/tagged/regex"

看到？第一组尚未被捕获。解析器使用它来匹配文本，但是稍后在最终结果中将其忽略。

编辑：
根据要求，我也尝试解释群组。

好吧，团体有许多目的。它们可以帮助您从较大的匹配项（也可以命名）中提取确切的信息，可以让您重新匹配先前匹配的组，并可以用于替换。让我们尝试一些例子，对吧？

想象一下，您有某种XML或HTML（请注意，正则表达式可能不是完成此工作的最佳工具，但它很好地举例说明了这一点）。您想解析标签，因此可以执行以下操作（我添加了空格以使其更易于理解）：

   \<(?<TAG>.+?)\> [^<]*? \</\k<TAG>\>
or
   \<(.+?)\> [^<]*? \</\1\>

第一个正则表达式具有一个命名组（TAG），而第二个正则表达式使用一个公共组。这两个正则表达式执行相同的操作：它们使用第一组中的值（标签名称）来匹配结束标签。区别在于，第一个使用名称来匹配值，第二个使用组索引（从1开始）。

现在让我们尝试一些替换。考虑以下文本：

Lorem ipsum dolor sit amet consectetuer feugiat fames malesuada pretium egestas.
现在，让我们在它上面使用这个愚蠢的正则表达式：

\b(\S)(\S)(\S)(\S*)\b

此正则表达式匹配至少包含3个字符的单词，并使用组来分隔前三个字母。结果是这样的：

Match "Lorem"
     Group 1: "L"
     Group 2: "o"
     Group 3: "r"
     Group 4: "em"
Match "ipsum"
     Group 1: "i"
     Group 2: "p"
     Group 3: "s"
     Group 4: "um"
...

Match "consectetuer"
     Group 1: "c"
     Group 2: "o"
     Group 3: "n"
     Group 4: "sectetuer"
...

因此，如果我们应用替换字符串：

$1_$3$2_$4

…在它上面，我们尝试使用第一组，添加一个下划线，使用第三组，然后使用第二组，添加另一个下划线，然后是第四组。结果字符串类似于下面的字符串。

L_ro_em i_sp_um d_lo_or s_ti_ a_em_t c_no_sectetuer f_ue_giat f_ma_es m_la_esuada p_er_tium e_eg_stas.

您也可以使用命名组来进行替换${name}。

要使用正则表达式，建议使用http://regex101.com/，它提供了大量有关正则表达式工作原理的详细信息。它还提供了一些正则表达式引擎供您选择。