В чем разница между "группами" и "перехватами" в регулярных выражениях .NET?

Question

Я немного размышляю о разнице между «группой» и «захватом», когда речь идет о языке регулярных выражений .NET.Рассмотрим следующий код C #:

MatchCollection matches = Regex.Matches("{Q}", @"^\{([A-Z])\}$");

Я ожидаю, что это приведет к единственному захвату для буквы 'Q', но если я распечатаю свойства возвращенного MatchCollection, я вижу:

matches.Count: 1
matches[0].Value: {Q}
        matches[0].Captures.Count: 1
                matches[0].Captures[0].Value: {Q}
        matches[0].Groups.Count: 2
                matches[0].Groups[0].Value: {Q}
                matches[0].Groups[0].Captures.Count: 1
                        matches[0].Groups[0].Captures[0].Value: {Q}
                matches[0].Groups[1].Value: Q
                matches[0].Groups[1].Captures.Count: 1
                        matches[0].Groups[1].Captures[0].Value: Q

Что именно здесь происходит?Я понимаю, что есть также захват для всего матча, но как группы вступают?И почему matches[0].Captures не включает захват для буквы 'Q'?

Answer 1

Ты не будешь первым, кто не уверен в этом. Вот что говорит по этому поводу знаменитый Джеффри Фридл (стр. 437 +):

В зависимости от вашего взгляда, он либо добавляет интересное новое измерение для результаты матчей, или добавляет путаницу и раздуваться.

и далее:

Основное отличие группы объект и объект захвата является то, что каждый объект группы содержит коллекция захватов, представляющих все промежуточные совпадения группа во время матча, а также окончательный текст соответствует группе.

И несколько страниц спустя, это его заключение:

После прохождения .NET документация и на самом деле понимание того, что добавляют эти объекты, У меня смешанные чувства к ним. На с одной стороны, это интересно инновация [..] с другой стороны, это кажется, добавляет бремя эффективности [..] функциональности, которая не будет использоваться в большинстве случаев

Другими словами: они очень похожи, но иногда и, как это бывает, вы найдете их применение. Прежде чем отрастить еще одну седую бороду, вы можете даже полюбить пленников ...

---

Поскольку ни вышеперечисленное, ни то, что сказано в другом посте, похоже, на самом деле не отвечают на ваш вопрос, рассмотрите следующее. Думайте о Захватах как об историческом трекере. Когда регулярное выражение делает свое совпадение, оно проходит строку слева направо (на мгновение игнорируя обратное отслеживание), и когда оно встречает совпадающие захватывающие скобки, оно сохраняет это в $x (x - любая цифра), скажем, $1.

Обычные движки регулярных выражений, когда повторяющиеся скобки должны повторяться, выбросят текущий $1 и заменит его новым значением. Не .NET, которая будет хранить эту историю и помещать ее в Captures[0].

Если мы изменим ваше регулярное выражение, чтобы оно выглядело следующим образом:

MatchCollection matches = Regex.Matches("{Q}{R}{S}", @"(\{[A-Z]\})+");

вы заметите, что у первой Group будет одна Captures (первая группа всегда будет соответствовать всему матчу, т. Е. Равна $0), а вторая группа будет содержать {S}, то есть только последнюю подходящая группа. Однако, и здесь есть уловка, если вы хотите найти две другие уловки, они находятся в Captures, который содержит все промежуточные захваты для {Q} {R} и {S}.

Если вы когда-нибудь задумывались, как вы можете получить от множественного захвата, который показывает только последнее совпадение с отдельными снимками, которые явно присутствуют в строке, вы должны использовать Captures.

Последнее слово в вашем последнем вопросе: общее совпадение всегда имеет один общий захват, не смешивайте это с отдельными группами. Захваты интересны только внутри групп .

Answer 2

Группа - это то, что мы связали с группами в регулярных выражениях

"(a[zx](b?))"

Applied to "axb" returns an array of 3 groups:

group 0: axb, the entire match.
group 1: axb, the first group matched.
group 2: b, the second group matched.

за исключением того, что это только «захваченные» группы. Группы без захвата (с использованием синтаксиса '(?:') Здесь не представлены.

"(a[zx](?:b?))"

Applied to "axb" returns an array of 2 groups:

group 0: axb, the entire match.
group 1: axb, the first group matched.

Захват - это также то, что мы связываем с «захваченными группами». Но когда группа применяется с квантификатором несколько раз, только последнее совпадение сохраняется как совпадение группы. В массиве captures хранятся все эти совпадения.

"(a[zx]\s+)+"

Applied to "ax az ax" returns an array of 2 captures of the second group.

group 1, capture 0 "ax "
group 1, capture 1 "az "

Что касается вашего последнего вопроса - я бы подумал, прежде чем разобраться в этом, что Captures будет массивом захватов, упорядоченных группой, в которую они входят. Скорее, это просто псевдоним групп [0] .Captures. Довольно бесполезно ..

Answer 3

Из документации MSDN :

Реальная полезность свойства Captures возникает, когда квантификатор применяется к группе захвата, так что группа захватывает несколько подстрок в однойрегулярное выражение.В этом случае объект Group содержит информацию о последней захваченной подстроке, а свойство Captures содержит информацию обо всех подстроках, захваченных группой.В следующем примере регулярное выражение \ b (\ w + \ s *) +.соответствует целому предложению, которое заканчивается точкой.Группа (\ w + \ s *) + фиксирует отдельные слова в коллекции.Поскольку коллекция Group содержит информацию только о последней перехваченной подстроке, она захватывает последнее слово в предложении «предложение».Однако каждое слово, захваченное группой, доступно из коллекции, возвращаемой свойством Captures.

Answer 4

Это можно объяснить на простом примере (и рисунках).

Соответствие 3:10pm с регулярным выражением ((\d)+):((\d)+)(am|pm) и использование интерактивного моноcsharp:

csharp> Regex.Match("3:10pm", @"((\d)+):((\d)+)(am|pm)").
      > Groups.Cast<Group>().
      > Zip(Enumerable.Range(0, int.MaxValue), (g, n) => "[" + n + "] " + g);
{ "[0] 3:10pm", "[1] 3", "[2] 3", "[3] 10", "[4] 0", "[5] pm" }

Так где же 1?

Так как в четвертой группе совпадают несколько цифрмы только "добираемся" до последнего совпадения, если мы ссылаемся на группу (то есть с неявным значением ToString()).Чтобы выявить промежуточные совпадения, нам нужно пойти глубже и сослаться на свойство Captures в рассматриваемой группе:

csharp> Regex.Match("3:10pm", @"((\d)+):((\d)+)(am|pm)").
      > Groups.Cast<Group>().
      > Skip(4).First().Captures.Cast<Capture>().
      > Zip(Enumerable.Range(0, int.MaxValue), (c, n) => "["+n+"] " + c);
{ "[0] 1", "[1] 0" }

Предоставлено эта статья .

Answer 5

Представьте, что у вас есть следующий текстовый ввод dogcatcatcat и шаблон типа dog(cat(catcat))

В этом случае у вас есть 3 группы, первая из которых ( основная группа ) соответствуетсовпадение.

совпадение == dogcatcatcat и Group0 == dogcatcatcat

Group1 == catcatcat

Group2 == catcat

Так что же это такое?

Давайте рассмотрим небольшой пример, написанный на C # (.NET) с использованием Regex class.

int matchIndex = 0;
int groupIndex = 0;
int captureIndex = 0;

foreach (Match match in Regex.Matches(
        "dogcatabcdefghidogcatkjlmnopqr", // input
        @"(dog(cat(...)(...)(...)))") // pattern
)
{
    Console.Out.WriteLine($"match{matchIndex++} = {match}");

    foreach (Group @group in match.Groups)
    {
        Console.Out.WriteLine($"\tgroup{groupIndex++} = {@group}");

        foreach (Capture capture in @group.Captures)
        {
            Console.Out.WriteLine($"\t\tcapture{captureIndex++} = {capture}");
        }

        captureIndex = 0;
    }

    groupIndex = 0;
    Console.Out.WriteLine();
        }

Output :

match0 = dogcatabcdefghi
    group0 = dogcatabcdefghi
        capture0 = dogcatabcdefghi
    group1 = dogcatabcdefghi
        capture0 = dogcatabcdefghi
    group2 = catabcdefghi
        capture0 = catabcdefghi
    group3 = abc
        capture0 = abc
    group4 = def
        capture0 = def
    group5 = ghi
        capture0 = ghi

match1 = dogcatkjlmnopqr
    group0 = dogcatkjlmnopqr
        capture0 = dogcatkjlmnopqr
    group1 = dogcatkjlmnopqr
        capture0 = dogcatkjlmnopqr
    group2 = catkjlmnopqr
        capture0 = catkjlmnopqr
    group3 = kjl
        capture0 = kjl
    group4 = mno
        capture0 = mno
    group5 = pqr
        capture0 = pqr

Давайте проанализируем только первое совпадение (match0).

Как видите, существует три второстепенных группы : group3, group4 иgroup5

    group3 = kjl
        capture0 = kjl
    group4 = mno
        capture0 = mno
    group5 = pqr
        capture0 = pqr

Эти группы (3-5) были созданы из-за '1041 * подшаблона ' (...)(...)(...) основного шаблона (dog(cat(...)(...)(...)))

Значение group3 соответствует его захвату (capture0).(Как и в случае group4 и group5).Это потому, что нет группового повторения , как (...){3}.

---

Хорошо, давайте рассмотрим другой пример, где есть групповое повторение .

Если мы изменим шаблон регулярного выражения для сопоставления (для кода, показанного выше) с (dog(cat(...)(...)(...))) на (dog(cat(...){3})), вы заметите следующее повторение группы : (...){3}.

Теперь Вывод изменился:

match0 = dogcatabcdefghi
    group0 = dogcatabcdefghi
        capture0 = dogcatabcdefghi
    group1 = dogcatabcdefghi
        capture0 = dogcatabcdefghi
    group2 = catabcdefghi
        capture0 = catabcdefghi
    group3 = ghi
        capture0 = abc
        capture1 = def
        capture2 = ghi

match1 = dogcatkjlmnopqr
    group0 = dogcatkjlmnopqr
        capture0 = dogcatkjlmnopqr
    group1 = dogcatkjlmnopqr
        capture0 = dogcatkjlmnopqr
    group2 = catkjlmnopqr
        capture0 = catkjlmnopqr
    group3 = pqr
        capture0 = kjl
        capture1 = mno
        capture2 = pqr

Опять, давайте проанализируем только первое совпадение (match0).

Больше нет второстепенные группы group4 и group5 из-за (...){3} повторения ( {n} где n> = 2 ) ониобъединены в одну группу group3.

В этом случае значение group3 соответствует его capture2 ( последний захват , другими словами).

Таким образом, если вам нужны все 3 внутренних захвата (capture0, capture1, capture2), вам придется циклически проходить по коллекции Captures группы.

Вывод такой:обратите внимание на тОн разрабатывает группы вашего шаблона.Вы должны заранее подумать, какое поведение вызывает спецификацию группы, например (...)(...), (...){2} или (.{3}){2} и т. Д.

---

Надеюсь, это поможет пролить свет на различия между Захваты , Группы и Совпадения .