正则表达式反向引用

来源于：http://searun.javaeye.com/blog/389186；

使用后向引用匹配
在后面将会重新来看上面的例子。现在我们来看一个简单的例子，一个如果不使用后向引用就不能解决问题的例子。

假设现在有一段文本，你希望找到所有重复的单词（笔误使得单词出现了两次）。很显然，在搜索单词的第二次出现的时候，必须首先知道此单词。后向引用允许正则表达式模式参照前面的匹配内容（在这个例子中，就是第一次匹配的单词）。
理解这个特性的最好方式就是看看它的使用。下面的文本中包含了三组需要定位的重复单词：
文本
This is a block of of text,
several words here are are
repeated, and and they
should not be.
正则表达式
[ ]+(/w+)[ ]+/1
结果
This is a block of of text,
several words here are are
repeated, and and they
should not be.
分析
此模式可以工作，但是为什么可以工作呢？“[ ]+ ”匹配一个或者更多空格，“/w+”匹配一个或者更多的文字数字式字符，而“[ ]+”则用来匹配尾部的空格。但是注意到这里的“ /w+ ”加上了括号使其成为子表达式。此子表达式并不是用于重复匹配，而且本例中也不需要重复。这里的子表达式仅仅是对表达式进行分组，标记此子表达式供以后使用。模式的最后部分是“ /1 ”，这是对子表达式的后向引用，所以当“ /w+ ”匹配了单词 of ，“ /1 ”也将匹配 of ，当“ /w+ ”匹配了单词 and ，“ /1 ”也将匹配 and 。

注意：术语后向应用是因为这些实体将引用以前的子表达式。
但是“ /1 ”的实际含义是什么呢？它匹配模式中第一个子表达式。同理，“ /2 ”将匹配第二个子表达式，“ /3 ”将匹配第四个，依此类推。“[ ]+(/w+)[ ]+/1”因此将可以匹配所有重复出现的单词。
提示：你可以将后向应用理解成变量。
现在你已经看到了后向引用的用法，再来看看前面的 HTML 例子。使用后向引用，可以创建一个模式用来匹配开始标签和结束标签（忽略所有不匹配的标签对）。下面是这个例子：
文本

Welcome to my Homepage

Content is divided into two sections:

ColdFusion

Information about Macromedia ColdFusion.

Wireless

Information about Bluetooth, 802.11, and more.

This is not valid HTML

正则表达式
<[hH]([1-6])>.*?

结果

Welcome to my Homepage

Content is divided into two sections:

ColdFusion

Information about Macromedia ColdFusion.

Wireless

Information about Bluetooth, 802.11, and more.

This is not valid HTML

分析
同样的，在这里找到了三个匹配：一个

对和两个

对。就像以前一样，“<[hH]([1-6])>”将匹配任何的段落标签。但是和以前不一样的是，这里的“ [1-6] ”使用了小括号括起来成为了子表达式。这样，匹配结束标签的模式可以通过“”中的“ /1 ”来引用此子表达式。“ (1-6) ”是一个可以匹配数字 1 到 6 的子表达式，“ /1 ”因此可以匹配相同的数字。在这种情况下，“

This is not valid HTML

”将不能匹配。

笔记：非常遗憾的是，后向引用语法在不同的正则表达式实现中是不一样的。 JavaScript 中使用 / 来表示后向引用（除了 $ 使用时的替换操作），Macromedia ColdFusion 和vi也是这样。 Perl 语言使用的是 $ （所以 $1 表示这里的 /1 ）。 .NET 正则表达式支持返回一个包含匹配名为 Groups 属性的对象，所以 C# 中的match.Groups[1]将引用第一个匹配，Visual Basic .NET中的match.Groups(1)将引用第一个匹配。 PHP 通过名为 $matches 的数组返回此信息，所以 $matches[1] 引用第一个匹配（尽管可以通过标志来改变）。在 JAVA 和 Python 语言中则返回包含一个数组名为 group 的匹配对象。
具体的正则表达式实现相关信息可以参看附录 1 ：流行应用和语言中的正则表达式。
注意：后向引用只能够引用子表达式（需要使用小括号括起来）。

提示
：引用的匹配一般是从 1 开始。在大多数的实现中，匹配 0 可以用来引用整个表达式。

笔记：正如你所看到的，子表达式是通过相对位置来引用的： /1 引用第一个， /5 引用第五个，等等。尽管获得了广泛的支持，这个语法有着一个严重的问题：移动或者修改子表达式（也因此改变了子表达式的顺序）将会破坏模式，增加或者删除子表达式将会带来更大的问题。为了能够克服这个缺点，现在有些新的正则表达式实现支持命名引用，也就是说为每个可能引用的子表达式给定一个唯一的名称，在以后可以通过此名称来引用（而不是相对位置）。命名引用在本书中并没有包含，因为这还不是一个广泛支持的特性，而且支持此特性的正则表达式实现的语法都很不一样。尽管如此，如果你使用的应用或者语言支持命名引用的话（如 .NET ），最好是利用这种特性的好处。