13.7  捕获组

前面我们讲过如何把量词一次附加到一个字符、字符类或者捕获组之后。但是到目前为止，我们还没有详细讨论过捕获组的概念。

捕获组（capturing group）是把多个字符当作一个单元对待的一种方式。通过把字符括在括号内创建捕获组。例如，正则表达式(dog)创建包含字母“d”、“o”和“g”的一个组。输入字符串和捕获组匹配的那一部分将被保存在内存中，以便以后通过反向引用再次使用（见13.7.2节的讨论）。

13.7.1  编号

如Pattern API中所述，按照从左到右的顺序计算捕获组的前括号数目，给捕获组编号。例如，在表达式((A)(B(C)))中，有4个这样的组：

(1) ((A)(B(C)))

(2) (A)

(3) (B(C))

(4) (C)

为了查出表达式中有多少个组，可以对匹配器对象调用groupCount方法。groupCount方法返回一个int，表示匹配器模式中出现的捕获组的数量。在这个例子中，groupCount将返回4，显示这个模式包含4个捕获组。

还有一个特殊的组，组0，它总是代表整个表达式。这个组不包括在groupCount报告的总数内。以(？开头的组是纯粹的非捕获组（non-capturing group），它不捕获文本，也不计入组的总数。（后面的13.9节中将给出非捕获组的例子。）

了解组如何编号非常重要，因为一些Matcher方法接受指定特定捕获组编号的int作为参数：

l public int start(int group)——返回前一个匹配操作期间，给定组捕获的子序列的开始索引。

l public int end(int group)——返回前一个匹配操作期间，给定组捕获的子序列的最后一个字符的索引加1。

l public String group(int group)——返回前一个匹配操作期间，给定组捕获的输入子序列。

13.7.2  反向引用

输入字符串中和捕获组匹配的部分被保存在内存中，以便以后通过反向引用（backreference）再次使用。反向引用在正则表达式中被指定为反斜线（\），后面跟着一个数字，指出要再次使用的组的编号。例如，表达式（\d\d）定义匹配一行中两个数字的一个捕获组，以后可以通过反向引用\1再次使用它。

为了匹配任意两个数字，后面跟着完全相同的两个数字，可以使用（\d\d）\1作为正则表达式：

Enter your regex: (\d\d)\1

Enter input string to search: 1212

I found the text "1212" starting at index 0 and ending at index 4.

如果改动最后两个数字，匹配就会失败：

Enter your regex: (\d\d)\1

Enter input string to search: 1234

No match found.

对于嵌套捕获组，反向引用的工作方式完全相同：指定一个反斜线，后面跟着要再次使用的组的编号。