Andy Niu �����ĵ�

1、在分组_捕获_反向引用一节中，我们对每个分组都进行了捕获，比如查找重复出现的[a-zA-Z]+\d，
    使用([a-zA-Z]+)(\d)(\1)(\2)，(\1)(\2) 我们不需要使用，也进行了捕获，也就是说正则表达式
    引擎必须记住(\1)(\2)的内容，这会导致额外的开销。
2、怎么解决？
    解决办法是使用分组不捕获，如下：
    ([a-zA-Z]+)(\d)\1\2
    注意：这个时候使用notepad++进行替换的时候，只捕获了两个分组，$1对应([a-zA-Z]+)，$2对应(\d)
    没有$3和$4，也可认为$3和$4对应为空。
3、考虑下面的需求，找出[a-zA-Z]+\d[a-zA-Z]+，其中[a-zA-Z]+相同，也就是说\d不需要捕获，使用分组不捕获，如下：
    ([a-zA-Z]+)(?:\d)\1
4、在notepad++，匹配的时候使用\n反向引用第n个捕获到的分组，替换的时候使用$n替换第n个捕获到的分组，
    有些程序支持命名捕获分组，对捕获到的分组，取一个名字，后面根据名称引用。
5、注意：\d等价于[0-9]，还有一个常用的缩写\w，但是不推荐使用\w，因为不同的程序对\w的解释不同，
    有些等价于[a-zA-Z0-9]，有些等价于[a-zA-Z0-9_]，有些等价于所有的显示字符，包括等号减号等，
    为了兼容，不推荐使用\w

参见

分组_捕获_反向引用

1、考虑下面的需求，对于文本
    Andy1Andy1
    Bill3Bill4
    Caroine5Caroine5
    找出重复出现的[a-zA-Z]+\d，也就是说Andy1Andy1匹配成功，Bill3Bill4匹配失败。
2、使用分组_捕获_反向引用，如下：
    ([a-zA-Z]+)(\d)(\1)(\2)
    (\1)反向引用([a-zA-Z]+)，然后本身又作为一个捕获分组。
3、这里捕获了4个分组，使用notepad++进行替换的时候，$1对应([a-zA-Z]+)，$2对应(\d)，
    $3对应(\1)，$4对应(\2)
4、考虑下面的需求，找出连续出现3次[a-zA-Z]+\d的文本，如下：
    ([a-zA-Z]+)(\d)(\1)(\2)(\1)(\2)，当然也可以使用 ([a-zA-Z]+)(\d)(\1)(\2)(\3)(\4)

参见

分组_不捕获

1、考虑下面的需求，"Tom" is short for "Thomas" 找出所有的双引号括住的内容。以notepad++为例说明。
2、容易想到的办法：查找 ".*" 发现找出的结果是 "Tom" is short for "Thomas"
3、这不是我们所期望的，为什么？
    因为.* 是匹配优先，即贪婪模式，也就是说会尽量多吃。
4、怎么解决这个问题？
    使用忽略优先，也就是尽量少吃，如下：".*?"
    对于不支持忽略优先的程序，可以使用"[^"]*" ，实现忽略优先。
    "[^"]*" 表示可以尽量多吃，但是不能吃"，遇到第一个"就要停下来。

参见

1、占有优先和固化分组一样，解决同样的问题，吃下去，丢弃备用状态，以后不会吐出来。
2、占有优先的语法如下：
    ([a-zA-Z]++):

参见

1、考虑下面的需求，使用[a-zA-Z]+: 去匹配文本，对于文本Subject，分析匹配过程。
2、[a-zA-Z]+匹配优先，一直吃到t，发现冒号不能匹配，于是使用备用状态，吐出一个字符，
    还是不能匹配，再吐出一个字符......一直继续下去。
3、这里存在问题，引擎试图吐出一个字符匹配冒号，我们知道这是徒劳的尝试。因为[a-zA-Z]+没有吃下去冒号，当然不可能吐出冒号。
    如果正则表达式引擎足够聪明，意识到这一点，就不需要尝试吐出字符，直接报告匹配失败，也就是说，之前的备用状态应该丢弃。
    但是，一般情况下，引擎没有这么聪明，需要人为的协助，提示引擎不需要吐出字符，也就是丢弃之前的备用状态。
4、怎么提示引擎呢？
    使用固化分组，如下
    (?>[a-zA-Z]+): (?>[a-zA-Z]+)作为一个整体，吃下去文本，即使后面匹配失败，也不吐出来。
5、也就是说，使用固化分组可以提前报告匹配失败，不需要进行徒劳的尝试，提高效率。
6、对于不支持固化分组的程序，可以使用占有优先和环视。
    占有优先，如下 ([a-zA-Z]++):
    环视匹配一个位置，有一个重要的特点，就是匹配尝试结束后，不会留下任何备用状态，因此，使用环视解决上面的问题，如下：
    (?=([a-zA-Z]+))\1:  (?=([a-zA-Z]+))匹配一个位置，右边是([a-zA-Z]+)，\1反向引用([a-zA-Z]+)，后面跟着一个冒号。

参见

1、限定多选项的范围
    gr(a|e)y，查找 gray和grey，等价于gr[ae]y
2、多个字符括住，合成一个单元，接受量词的限制
    (th){2}，查找th出现量词
3、分组，反向引用
    表达式：([a-z]{3})([0-9]{2})\1\2 ，匹配下列文本，
    abc12def12  // 匹配失败
    thy34thy34  // 匹配成功
4、环视功能
    (?=\d)      顺序环视（右边包含一个数字）
    (?<=\d)     逆序环视（左边包含一个数字）
    =换成！        变成否定环视，左边或右边不包含一个数字。

参见

1、正则表达式中有些字符用作特殊的意义，比如元字符* 表示匹配0个或多个，小括号() 表示分组。
2、这些字符表示特殊的意义，如何表示这些字符本身呢？使用转义字符\，告诉程序右斜杠后面的字符
    是字符本身。比如：   shell中，双引号用作框住字符串，要表示双引号本身，需要转义，echo "\"Hello\""
    特别注意：不同程序，所包含的特殊字符不一样。同时是否转义的说明也不同，比如：
    在notepad++中，+ 表示匹配1个或多个，\+ 表示+字符本身
    在vim中，+ 就是+字符本身，\+匹配一个或多个

参见

1、环视就是看周围的意思，环视匹配一个位置，这个位置的周围满足一些条件。
    也就是这个位置的左右，包含某些内容，或者不包含某些内容。
2、考虑下面的需求，对于12,345,678，修改为 12,345,678。
    这个需求要做的事情就是在数字中的一些位置添加逗号，这个位置的特点是：
    前面匹配一个数字，后面匹配三个数字的整数倍，结尾不是数字或者是换行符。
3、解决办法：
    查找 (?<=\d)(?=(\d\d\d)+([^\d]|$)) 替换为逗号。也就是查找一个位置，替换为逗号。
4、匹配流程如下：
    先匹配1，后面有7个数字，不是3的倍数，匹配失败。
    再匹配2，后面有6个数字，是3的倍数，匹配成功，替换。
    再匹配3，后面有5个数字，是3的倍数，匹配失败。
    ......
5、环视还有一个重要的特点，就是匹配尝试结束后，不会留下任何备用状态，利用这一点可以解决固化分组的问题。

参见

固化分组