分组元字符的要求

在之前的许多挑战中，你曾通过转义的方式将括号作为字面字符使用。但现在你将了解它为何是一个特殊字符，以及如何正确使用它。

在课程的入门章节中，场景2，我们假设你是一名从事DNA研究的科学家。你的主管给你一段DNA文本：“AAGCCTAAGCCTAGATGCGT”，并要求你替换其中的模式“AAGCCTAAGCCT”。由于你现在掌握了重复字符的知识，可以想到一个解决方案：正则表达式 /A{2}GC{2}TA{2}GC{2}T/。这个正则表达式可以在给定文本中匹配目标模式。

但等等！如果一段DNA字符串包含成千上万个字符，而要匹配的模式比现在长一百倍呢？你不可能手动重复写一百次。当你观察刚才编写的正则表达式时，会发现你实际上复制粘贴了两部分：“A{2}GC{2}T”。如果你能将重复字符应用于整个分组，代码会简洁得多。然而，你目前熟悉的重复字符只能作用于前一个元素。为了解决重复或捕获一组字符的问题，必须将它们放在括号内。

括号内的字符或表达式被视为一个组。括号是表示分组的元字符。任何写在括号 ( ) 内的内容都被视为一个组。

1var str = 'abcdef abcabcdef'
2console.log( str.match(/(abc)+def/g) )

重复字符的用途

• 对一组字符应用重复字符。
• 捕获并替换文本内容。

使用重复字符对分组进行操作的示例

让我们通过另一个文本集来学习。你收到以下文本：“123123456”、“123456”、“456”、“123123123456”。观察这些文本，你会发现“456”部分是固定的，而“123”似乎被重复出现。如果你能把“123”当作一个单一字符，就可以轻松地对其应用重复字符。分组字符会将“123”构造成一个整体，然后你可以轻易地对这个组应用重复字符。使用分组字符还可以创建嵌套分组，即组中包含组。例如：/(\d{3})-((\d{3})-(\d{4}))/。你将在本课后续部分学习嵌套分组。

注意：正则表达式不会匹配括号本身。例如，若写成 /(\d{3})/，它不会匹配文本中的“(123)”里的括号，只匹配“123”。若要匹配括号，需对其进行转义，正则表达式应为 /(\(\d{3}\))/。

使用分组字符的挑战

1var RegEx = function(){
2  // 例如返回 "/xyz/";
3  return "";
4}

上述挑战的解答

我们采用常规的拆解方法：

• 第一部分：所有文本都至少包含一次“abc”。因此需要使用分组和 + 字符。正则表达式为：/(abc)+/。
• 第二部分：某些文本中可能有一个随机字符。由于该字符可出现零次或一次，选用 ?。匹配任意字符的最佳选择是通配符 .。因此正则表达式变为：/(abc)+.?/。
• 第三部分：“def”这一组字符出现零次或一次，因此再次使用 ?。正则表达式变为：/(abc)+.?(def)?。
• 第四部分：“123”这一组字符出现多次，因此使用 +。正则表达式变为：/(abc)+.?(def)?(123)+。
• 第五部分：仅允许使用数字7到9，因此将其放入字符类 [7-9] 中。该部分可出现零次或多次，使用 *。正则表达式变为：/(abc)+.?(def)?(123)+[7-9]*。
• 最后一部分：“456”这一组字符出现零次或多次，因此使用 *。最终正则表达式为：/(abc)+.?(def)?(123)+[7-9]*(456)*。

替换并捕获分组的示例

假设你有另一段DNA文本：“AAGCTCTAAATCGC”。你需要将“AAGCT”和“ATCGC”互换。由于你已熟悉分组字符，这个问题很容易解决。

注意：每种编程语言访问捕获组的方式不同。通常，匹配结果存储在变量中，然后以数组形式使用。

1var str = "abcabc123";
2var array = str.match(/(abc)+/)
3console.log( array[0] );
4console.log( array[1] );

请务必检查你所使用语言的语法。核心原理保持不变。

要替换分组，你可以直接写正则表达式：/(AAGCT)(ATCGC)/，问题就解决了。只需写 array[2] + array[1]，或按所需格式进行组合。

再看一个例子。你编写正则表达式 /(\d{3})-(\d{4})-(\d{3})/ 来处理电话号码记录。假设电话号码是“342-5723-123”。现在你的任务是将四位数字组合放在最前面，其余两个三位数字组合随后排列。这本质上是一次文本重排。为了实现重排，你需要先捕获原始结构，而这正是分组字符的作用。

此时，若写成 array[2] + "-" + array[3] + "-" + array[1]，所有文本都会被正确重排。

匹配结果在变量中存储如下：

• 索引0：完整匹配结果，即“342-5723-123”。
• 索引1：第一个分组的结果，即“342”。
• 索引2：第二个分组的结果，即“5723”。
• 索引3：第三个分组的结果，即“123”。

现在，如果将正则表达式稍作修改为 /((\d{3})-(\d{3}))/，文本为“342-572”，同样会捕获分组。

• 索引0：完整匹配结果，即“342-572”。
• 索引1：第一个分组的结果，即“342-572”。
• 索引2：第二个分组的结果，即“342”。
• 索引3：第三个分组的结果，即“572”。

你可能会疑惑：为什么索引0和索引1的结果相同？仔细观察分组结构就会明白：第一个三位数由一个分组捕获，第二个三位数由另一个分组捕获，还有一个分组包含了这两个数字及连字符。由于这个分组捕获了完整的模式，其结果与整体匹配一致。因此索引0和索引1的值相同。

另一个容易混淆的问题是：分组编号是如何确定的？你可能会问：为什么第二组代表第一个三位数，而不是第三组？正则表达式从左到右依次分配编号，分组编号由左括号打开的顺序决定。

如果不使用分组字符进行标准搜索，结果只有一个值，因此不需要使用索引遍历。

一旦成功捕获分组，就可以轻松地进行替换或修改。

还有一点需要注意：假设你编写正则表达式 /(abc)+/，文本为“abcabc”，那么整个文本会被完全匹配。

• 索引0：存储“abcabc”，即匹配结果。
• 索引1：存储“abc”，而非完整文本。分组只保存重复单元本身，不会保存全部重复内容。在此例中，重复单元是“abc”。

1var str = "342-572-5638"
2var arr = str.match(/(\d{3})/)
3console.log( " value in arr[0] = " + arr[0]);
4console.log( " value in arr[1] = " + arr[1]);
5
6var str = "342-572-5638"
7var arr = str.match(/(\d{3})-(\d{3})/)
8console.log( " value in arr[0] = " + arr[0]);
9console.log( " value in arr[1] = " + arr[1]);
10console.log( " value in arr[2] = " + arr[2]);
11
12// var str = "342-572-5638"
13// console.log( " value in arr[0] = " + str.match(/\d{3}/)[0]);
14// console.log( " value in arr[1] = " + str.match(/\d{3}/)[1]);
15
16// var arr = str.match(/((\d{3})-(\d{3}))/)
17// console.log( " length = " + arr.length );
18
19// 取消注释并自行尝试以加深理解

在上述代码实验环境中，请取消注释相关代码行，自行尝试以更深入理解捕获机制。

分组字符在文本格式化和捕获方面非常有用。