Golang规则表达式之submatch

submatch的使用，首先要在规则表达式里面使用grouping’()‘标识出来。

举一个例子：

re := regexp.MustCompile(`a(x*)b`)
fmt.Printf("%q\n", re.FindStringSubmatch("-axxxb-"))
// ["axxxb" "xxx"]
fmt.Printf("%q\n", re.FindStringSubmatch("-axb-"))
["axb" "x"]
fmt.Printf("%q\n", re.FindStringSubmatch("-ab-"))
["axb" "x"]

这里a(x*)b是一个待匹配的规则表达式，其中的(x*)就是submatch。当整个字符串匹配满足规则表达式时，同时就会把对应的submatch也匹配出来。

当然submatch可以有多个，按定义的先后顺序排列。

submatch特别有用的一个地方是提取字符串：

1. 先判断字符串是否满足给定的规则表达式；
2. 如果满足，则把其中的一部分提取出来。

在前面的例子中：

1. 首先判断字符串是否满足字母a和b中间包含0个或者多个x的格式。
2. 如果是，则把其中的所有x提取出来。
3. 进一步，可以把这些不确定个数的x全部替换成其他字符。

如何放弃submatch

另外，之前我们知道括号也是用来分组用的，例如(ab)+和格式ab+的区分，这个时候虽然用了括号分组，但是有时并不需要这个submatch，只是控制语法的需要。

语法(?:re)就用来放弃这个submatch的功能。

还是举个例子来说更清楚：

re1 := regexp.MustCompile(`a(x*)b(y+)c`)
fmt.Printf("%q\n", re1.FindStringSubmatch("-axxxbyyc-"))
// ["axxxbyyc" "xxx" "yy"]
fmt.Printf("%q\n", re1.FindStringSubmatch("-axbyc-"))
// ["axbyc" "x" "y"]
fmt.Printf("%q\n", re1.FindStringSubmatch("-abc-"))
// []

re2 := regexp.MustCompile(`a(?:x*)b(y+)c`)
fmt.Printf("%q\n", re2.FindStringSubmatch("-axxxbyyc-"))
// ["axxxbyyc" "yy"]
fmt.Printf("%q\n", re2.FindStringSubmatch("-axbyc-"))
// ["axbyc" "y"]
fmt.Printf("%q\n", re2.FindStringSubmatch("-abc-"))
// []

其中group '(x*)'在re1里是一个submatch，而在re2里面不是一个submatch；虽然re1和re2的规则表达式匹配的规则是一样的，但是在结果输出中，这个group并没有被包含再re2的输出中。

如何用命名来约取submatch

还是以前面例子为例：

re := regexp.MustCompile(`a(x*)b(y+)c`)
matches := re.FindStringSubmatch("-axxxbyyc-")

fmt.Printf("%q\n", matches)     // ["axxxbyyc" "xxx" "yy"]
fmt.Printf("%q\n", matches[0])  // "axxxbyyc"
fmt.Printf("%q\n", matches[1])  // "xxx"
fmt.Printf("%q\n", matches[2])  // "yyy"

可以通过matches[index]下标来获取对应的submatch，而golang如果submatch很多的话，而且将来一旦调整修改，下标可能会发生变化，所以golang规则表达式同样支持命名的方式，这样就可以使得代码相对固定。

命名submatch的格式是：(?P<name>re)
同样的例子：

re := regexp.MustCompile(`a(?P<match1>x*)b(?P<match2>y+)c`)
matches := re.FindStringSubmatch("-axxxbyyc-")

match1Index := re.SubexpIndex("match1")
match2Index := re.SubexpIndex("match2")
fmt.Printf("matches[%d]=%q\n", match1Index, matches[match1Index])   // "xxx"
fmt.Printf("matches[%d]=%q\n", match2Index, matches[match2Index])   // "yy"

这样不管以后regular expression pattern 怎么变化，只要名字match1/match2没有发生变化，最终的输出结果都是一致的。

需要注意的是：

1. index下标从1开始，因为下标0已经分配给了整个匹配串。
2. 自己要负责保证naming不会重复哈，不然只有第一个有效了(测试结果)。