Другим применением скобок в регулярных выражениях является определение подшаблонов внутри шаблона. Когда в целевой строке найдено совпадение с регулярным выражением, можно извлечь часть целевой строки, соответствующую любому конкретному подшаблону, заключенному в скобки. (Мы увидим, как получить эти подстроки, далее в этой главе.) Предположим, что требуется отыскать одну или более букв в нижнем регистре, за которыми следует одна или несколько цифр. Для этого можно воспользоваться шаблоном
/[a-z]+\d+/.
Но предположим также, что нам нужны только цифры в конце каждого соответствия. Если поместить эту часть шаблона в круглые скобки
(/[a-z]+(\d+)/)
, то можно будет извлечь цифры из любых найденных нами соответствий. Как это делается, будет описано ниже.
С этим связано еще одно применение подвыражений в скобках, позволяющее ссылаться на подвыражения из предыдущей части того же регулярного выражения. Это достигается путем указания одной или нескольких цифр после символа
\
. Цифры ссылаются на позицию подвыражения в скобках внутри регулярного выражения. Например,
\1
ссылается на первое подвыражение, а
\3
– на третье. Обратите внимание, что подвыражения могут быть вложены одно в другое, поэтому при подсчете используется позиция левой скобки. Например, в следующем регулярном выражении ссылка на вложенное подвыражение
([Ss]cript)
будет выглядеть как
\2
:
/([Jj]ava([Ss]cript)?)\sis\s(fun\w*)/
Ссылка на предыдущее подвыражение указывает не на шаблон этого подвыражения, а на найденный текст, соответствующий этому шаблону. Поэтому ссылки могут использоваться для наложения ограничения, выбирающего части строки, содержащие точно такие же символы. Например, следующее регулярное выражение соответствует нулю или более символам внутри одинарных или двойных кавычек. Однако оно не требует, чтобы открывающие и закрывающие кавычки соответствовали друг другу (т. е. чтобы обе кавычки были одинарными или двойными):
/['"][~'"]*['"]/
Соответствия кавычек мы можем потребовать посредством такой ссылки:
/(['"])[~'"]*\1/
Здесь
\1
соответствует совпадению с первым подвыражением. В этом примере ссылка налагает ограничение, требующее, чтобы закрывающая кавычка соответствовала открывающей. Это регулярное выражение не допускает присутствия одинарных кавычек внутри двойных, и наоборот. Недопустимо помещать ссылки внутрь классов символов, т. е. мы не можем написать:
/(['"])[~\1]*\1/
Далее в этой главе мы увидим, что этот вид ссылок на подвыражения представляет собой мощное средство использования регулярных выражений в операциях поиска с заменой.
Возможна также группировка элементов в регулярном выражении без создания нумерованной ссылки на эти элементы. Вместо простой группировки элементов между
(
и
)
начните группу с символов
(?:
и закончите ее символом
)
. Рассмотрим, например, следующий шаблон:
/([Jj]ava(?:[Ssjcript)?)\sis\s(fun\w*)/
Здесь подвыражение
(?:[Ss]cript)
необходимо только для группировки, чтобы к группе мог быть применен символ повторения ?. Эти модифицированные скобки не создают ссылку, поэтому в данном регулярном выражении \2 ссылается на текст, соответствующий шаблону
(fun\w*).
В табл. 10.4 приводится перечень операторов выбора из альтернатив, группировки и ссылки в регулярных выражениях.
10.1.5. Указание позиции соответствия
Как описывалось ранее, многие элементы регулярного выражения соответствуют одному символу в строке. Например,
\s
соответствует одному пробельному символу. Другие элементы регулярных выражений соответствуют позициям между символами, а не самим символам. Например,
\b
соответствует границе слова - границе между
\w
(текстовый ASCII-символ) и
\W
(нетекстовый символ) или границе между текстовым ASCII-символом и началом или концом строки. [20]
20
За исключением класса символов (квадратных скобок), где \Ь соответствует символу «забой».
Такие элементы, как
\b
, не определяют какие-либо символы, которые должны присутствовать в найденной строке, однако они определяют допустимые позиции для проверки соответствия. Иногда эти элементы называются якорными элементами регулярных выражений, потому что они закрепляют шаблон за определенной позицией в строке. Чаще других используются такие якорные элементы, как
~
и
$
, привязывающие шаблоны соответственно к началу и концу строки.
Например, слово «
JavaScript
», находящееся на отдельной строке, можно найти с помощью регулярного выражения
/~JavaScript$/
. Чтобы найти отдельное слово «
Java
» (а не префикс, например в слове «
JavaScript
»), можно попробовать применить шаблон
/\sJava\s/
, который требует наличия пробела [21] до и после слова. Но такое решение порождает две проблемы. Во-первых, оно найдет слово «Java», только если оно окружено пробелами с обеих сторон, и не сможет найти его в начале или в конце строки. Во-вторых, когда этот шаблон действительно найдет соответствие, возвращаемая им строка будет содержать ведущие и замыкающие пробелы, а это не совсем то, что нам нужно. Поэтому вместо шаблона, совпадающего с пробельными символами
\s
, мы воспользуемся шаблоном (или якорем), совпадающим с границами слова
\b
. Получится следующее выражение:
/\b Java\b/
. Якорный элемент
\В
соответствует позиции, не являющейся границей слова.
21
Точнее, любого пробельного символа. – Прим. науч. ред.
То есть шаблону
/\B[Ss]cript/
будут соответствовать слова «
JavaScript
» и «
post-script
» и не будут соответствовать слова «
script
» или «
Scripting
».
В качестве якорных условий могут также выступать произвольные регулярные выражения. Если поместить выражение между символами
(?=
и
)
, оно превратится в опережающую проверку на совпадение с последующими символами, требующую, чтобы эти символы соответствовали указанному шаблону, но не включались в строку соответствия. Например, чтобы найти совпадение с названием распространенного языка программирования, за которым следует двоеточие, можно воспользоваться выражением
/[Jj]ava([Ss]cript)?(?=\:)/
. Этому шаблону соответствует слово «JavaScript» в строке «JavaScript: The Definitive Guide», но ему не будет соответствовать слово «Java» в строке «Java in a Nutshell», потому что за ним не следует двоеточие.