Qu'est-ce qu'un groupe non capturant dans les expressions régulières ?

Question

Comment les groupes qui ne capturent pas, c'est à dire (?:) utilisés dans les expressions régulières et à quoi servent-ils ?

Answer 1

Je vais essayer d'expliquer cela à l'aide d'un exemple.

Considérez le texte suivant :

http://stackoverflow.com/
https://stackoverflow.com/questions/tagged/regex

Maintenant, si j'applique la regex ci-dessous sur elle ...

(https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

... J'obtiendrais le résultat suivant :

Match "http://stackoverflow.com/"
     Group 1: "http"
     Group 2: "stackoverflow.com"
     Group 3: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "https"
     Group 2: "stackoverflow.com"
     Group 3: "/questions/tagged/regex"

Mais je ne me soucie pas du protocole - je veux juste l'hôte et le chemin de l'URL. Donc, je change la regex pour inclure le groupe non capturant (?:) .

(?:https?|ftp)://([^/\r\n]+)(/[^\r\n]*)?

Maintenant, mon résultat ressemble à ceci :

Match "http://stackoverflow.com/"
     Group 1: "stackoverflow.com"
     Group 2: "/"

Match "https://stackoverflow.com/questions/tagged/regex"
     Group 1: "stackoverflow.com"
     Group 2: "/questions/tagged/regex"

Vous voyez ? Le premier groupe n'a pas été saisi. L'analyseur syntaxique l'utilise pour faire correspondre le texte, mais l'ignore ensuite, dans le résultat final.

---

EDITAR:

Comme demandé, permettez-moi d'essayer d'expliquer aussi les groupes.

Les groupes ont plusieurs fonctions. Ils peuvent vous aider à extraire des informations exactes d'une correspondance plus importante (qui peut également être nommée), ils vous permettent de faire correspondre à nouveau un groupe correspondant précédent, et peuvent être utilisés pour des substitutions. Essayons quelques exemples, d'accord ?

Imaginez que vous avez une sorte de fichier XML ou HTML (sachez que regex n'est peut-être pas le meilleur outil pour ce travail mais c'est un bon exemple). Vous voulez analyser les balises, vous pourriez donc faire quelque chose comme ceci (j'ai ajouté des espaces pour faciliter la compréhension) :

   \<(?<TAG>.+?)\> [^<]*? \</\k<TAG>\>
or
   \<(.+?)\> [^<]*? \</\1\>

La première regex a un groupe nommé (TAG), tandis que la seconde utilise un groupe commun. Les deux regex font la même chose : elles utilisent la valeur du premier groupe (le nom de la balise) pour faire correspondre la balise de fermeture. La différence est que la première utilise le nom pour faire correspondre la valeur, tandis que la seconde utilise l'index du groupe (qui commence à 1).

Essayons maintenant quelques substitutions. Considérons le texte suivant :

Lorem ipsum dolor sit amet consectetuer feugiat fames malesuada pretium egestas.

Maintenant, utilisons cette stupide regex sur ça :

\b(\S)(\S)(\S)(\S*)\b

Cette regex correspond à des mots comportant au moins 3 caractères, et utilise des groupes pour séparer les trois premières lettres. Le résultat est le suivant :

Match "Lorem"
     Group 1: "L"
     Group 2: "o"
     Group 3: "r"
     Group 4: "em"
Match "ipsum"
     Group 1: "i"
     Group 2: "p"
     Group 3: "s"
     Group 4: "um"
...

Match "consectetuer"
     Group 1: "c"
     Group 2: "o"
     Group 3: "n"
     Group 4: "sectetuer"
...

Donc, si nous appliquons la chaîne de substitution :

$1_$3$2_$4

... par-dessus, nous essayons d'utiliser le premier groupe, d'ajouter un trait de soulignement, d'utiliser le troisième groupe, puis le deuxième groupe, d'ajouter un autre trait de soulignement, puis le quatrième groupe. La chaîne résultante serait comme celle ci-dessous.

L_ro_em i_sp_um d_lo_or s_ti_ a_em_t c_no_sectetuer f_ue_giat f_ma_es m_la_esuada p_er_tium e_eg_stas.

Vous pouvez également utiliser des groupes nommés pour les substitutions, en utilisant les éléments suivants ${name} .

Pour jouer avec les regex, je recommande http://regex101.com/ qui offre une bonne quantité de détails sur le fonctionnement des regex ; il propose également quelques moteurs de regex parmi lesquels choisir.

Answer 2

Vous pouvez utiliser des groupes de capture pour organiser et analyser une expression. Un groupe non capturant présente le premier avantage, mais n'a pas les frais généraux du second. Vous pouvez toujours dire qu'un groupe non capturant est facultatif, par exemple.

Supposons que vous vouliez faire correspondre un texte numérique, mais que certains nombres puissent être écrits comme 1er, 2ème, 3ème, 4ème, .... Si vous voulez capturer la partie numérique, mais pas le suffixe (facultatif), vous pouvez utiliser un groupe de non-capture.

([0-9]+)(?:st|nd|rd|th)?

Cela correspondra aux nombres sous la forme 1, 2, 3... ou sous la forme 1st, 2nd, 3rd,... mais cela ne capturera que la partie numérique.

Answer 3

?: est utilisé lorsque vous voulez regrouper une expression, mais que vous ne voulez pas l'enregistrer comme une partie de la chaîne de caractères correspondant à l'expression ou la capturant.

Un exemple serait quelque chose qui correspondrait à une adresse IP :

/(?:\d{1,3}\.){3}\d{1,3}/

Notez que je ne me soucie pas de sauvegarder les 3 premiers octets, mais les (?:...) Le regroupement me permet de raccourcir la regex sans avoir à supporter les frais de capture et de stockage d'une correspondance.

Answer 4

Elle rend le groupe non capturant, ce qui signifie que la sous-chaîne correspondant à ce groupe ne sera pas incluse dans la liste des captures. Un exemple en ruby pour illustrer la différence :

"abc".match(/(.)(.)./).captures #=> ["a","b"]
"abc".match(/(?:.)(.)./).captures #=> ["b"]

Answer 5

Les groupes qui capture que vous pouvez utiliser plus tard dans l'expression rationnelle pour faire correspondre OU vous pouvez les utiliser dans la partie de remplacement de la regex. Faire une non-capture exempte simplement ce groupe d'être utilisé pour l'une ou l'autre de ces raisons.

Les groupes de non-capture sont parfaits si vous essayez de capturer de nombreuses choses différentes et qu'il y a certains groupes que vous ne voulez pas capturer.

C'est à peu près la raison de leur existence. Pendant que vous apprenez à connaître les groupes, apprenez à connaître Groupes atomiques ils font beaucoup ! Il existe également des groupes de surveillance, mais ils sont un peu plus complexes et moins utilisés.

Exemple d'utilisation ultérieure dans la regex (backreference) :

<([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1> [ Trouve une balise xml (sans support ns) ].

([A-Z][A-Z0-9]*) est un groupe de capture (dans ce cas, c'est le tagname)

Plus loin dans la regex, il y a \1 ce qui signifie qu'il ne correspondra qu'au même texte que celui qui se trouvait dans le premier groupe (le groupe ([A-Z][A-Z0-9]*) ) (dans ce cas, il s'agit de faire correspondre la balise de fin).