4.2 子模式

多数情况下，提到正则表达式中的子模式（subpattern），就是指分组中的一个或多个分组。子模式就是模式中的模式。多数情况下，子模式中的条件能得到匹配的前提是前面的模式得到匹配，但也有例外。子模式的写法可以有很多种，这里我们主要关注括号中的子模式。

从某种意义上说，你之前所见的模式：

  1. (the|The|THE)

有三个子模式：the是第一个子模式，The是第二个，而THE是第三个。但是这种情况下，匹配第二个子模式不依赖于是否匹配第一个。（最左边的模式会首先匹配。）

而在以下的模式中，子模式依赖于前面的模式：

  1. (t|T)h(e|eir)

通俗地讲，这个模式会匹配字面值t或T，然后是一个h，接下来就是一个e或者是eir。相应地，这个模式会匹配以下所有情况：

  • the；
  • The；
  • their；
  • Their。

在以上情况中，第二个子模式(e|eir)依赖于第一个子模式(tT)。

括号对于子模式不是必需的。下面是一个使用字符组的子模式示例：

  1. \b[tT]h[ceinry]*\b

这个模式会匹配the或The还有thee、thy以及thence等单词。两个单词边界（\b）表示该模式只匹配整个单词，而不会匹配单词中的某几个字母。

以下是对这个模式的解析。

  • \b匹配单词起始边界。
  • [tT]是字符组，它匹配小写字母t或者大写字母T。可以将其看做是第一个子模式。
  • 然后匹配（或尝试匹配）小写字母h。
  • 第二个也就是最后一个子模式也表示为字符组[ceinry]，其后用量词*表示零个或多个。
    • 最后，该模式以另外一个\b结束。

正则表达式的术语经常是含义相近但使用范围迥异。为了在本书中解释子模式和其他概念，我查阅了很多资料并试着将它们的表述统一起来。但肯定会有人争辩说字符组不是子模式。我的观点是它们与子模式起到的作用一样，所以两者可以归为一类。