本文例項講述了正規表示式回溯引用backreference。分享給大家供大家參考，具體如下：

在所有例子中正規表示式匹配結果包含在源文字中的【和】之間，有的例子會使用Java來實現，如果是java本身正規表示式的用法，會在相應的地方說明。所有java例子都在JDK1.6.0_13下測試通過。

一、問題引入

一個在HTML頁面中匹配標題標籤（H1—H6）的問題：

文字：

<body>
<h1>Welcome to my page</H1>
Content is divided into twosections:<br>
<h2>Introduction</h2>
Information about me.
<H2>Hobby</H2>
Information about my hobby.
<h2>This is invalid HTML</h3>
</body>

正規表示式： <[hH][1-6]>.*?</[hH][1-6]>

結果：

<body>
【<h1>Welcome to my page</H1>】
Content is divided into twosections:<br>
【<h2>Introduction</h2>】
Information about me.
【<H2>Hobby</H2>】
Information about my hobby.
【<h2>This is invalid HTML</h3>】
</body>

分析：模式<[hH][1-6]>匹配任何一級標題的開始標籤，而且不區分大小寫，在這個例子中它匹配到了<h1>、<h2>，</[hH][1-6]>匹配到了</h1>、</h2>、</h3>；這裡使用了懶惰型元字元來匹配標籤中的文字，否則會匹配到從第一個開始標籤到最後一下結束標籤之間的內容。但是從結果可以看出，有一個無效的標籤也匹配上了，即<h2></h3>，它們根本不能配對。要解決這個問題，就需要使用到回溯引用（backreference）。

二、回溯引用匹配

回溯引用是指模式的後半部分引用在前半部分中定義的子表示式。至於子表示式的使用、劃分和引用，在前面已經介紹過了。現在來解決前面的例子：

文字：

<body>
<h1>Welcome to my page</H1>
Content is divided into twosections:<br>
<h2>Introduction</h2>
Information about me.
<H2>Hobby</H2>
Information about my hobby.
<h2>This is invalid HTML</h3>
</body>

正規表示式： <[hH]([1-6])>.*?</[hH]\1>

結果：

<body>
【<h1>Welcome to my page</H1>】
Content is divided into twosections:<br>
【<h2>Introduction</h2>】
Information about me.
【<H2>Hobby</H2>】
Information about my hobby.
<h2>This is invalid HTML</h3>

分析：首先匹配開始標題標籤的模式<[hH]([1-6])>，使用括號把[1-6]做為子表示式，而匹配結束標題標籤模式為</[hH]\1>，其中\1表示引用第一個子表示式，即([1-6])，如果([1-6])匹配到的是1，那\1也匹配到1，如果匹配到2，那\1也匹配到2，所以最後一個無效的標題標籤就不會被匹配到了。

正規表示式學習教程之回溯引用backreference詳解

相關文章