4.3 捕获分组和后向引用

当一个模式的全部或者部分内容由一对括号分组时，它就对内容进行捕获并临时存储于内存中。可以通过后向引用重用捕获的内容，形式为：

\1

或

$1

这里\1或$1引用的是第一个捕获的分组，而\2或$2引用第二个捕获的分组，以此类推。sed只接受\1这种形式，而Perl则两种都接受。

最开始sed支持范围从\1到\9的后向引用，但现在已经没有这样的限制了。

下面再展示一下后向引用的使用方法。我们将使用它来重新排序诗文中的一行词，在此先跟作者柯勒律治道个歉。点击RegExr的Repalce标签，在顶部的文本框中输入下面的模式：

(It is) (an ancyent Marinere)

向下滚动主文本框（第三个文本区）直到你可以看到被标亮的那一行，然后在第二个文本框中，输入：

$2 $1

就可以看到在最下面的文本框中那一行被重新排列为：

an ancyent Marinere It is,

结果参见图4-2。

图4-2 用$1和$2进行后向引用

要用sed得到相同结果，可以这样做：

sed -En 's/(It is) (an ancyent Marinere)/\2 \1/p' rime.txt

输出为：

an ancyent Marinere It is,

和RegExr中一样。为了帮助你理解每个细节，下面我们来分析一下这个sed命令。

• -E选项仍然是调用ERE（扩展的正则表达式），因此，括号可以直接当成字面值来使用了。
• -n选项覆盖打印每一行的默认设置。
• 替换命令搜索与文本“It is an ancyent Marinere,”匹配的内容，再将其捕获放入两个分组中。
• 替换命令还将捕获的文本重排为先是后向引用\2的内容再是\1的内容，再将匹配的文本替换为重排后的内容并输出。
• 替换命令结尾处的p表示要打印该行。

Perl中类似的命令会做相同的事：

perl -ne 'print if s/(It is) (an ancyent Marinere)/\2 \1/' rime.txt

注意该命令使用了\1风格的语法。当然，你也可以使用$1语法：

perl -ne 'print if s/(It is) (an ancyent Marinere)/$2 $1/' rime.txt

我喜欢Perl允许不必在循环中跳转就能打印指定行的方式。

但关于输出，还有一点要注意的是：

an ancyent Marinere It is,

在转换过程中某些单词首字母的大小写被打乱了。Perl可以使用\u和\l来修正这个问题，就是这样：

perl -ne 'print if s/(It is) (an ancyent Marinere)/\u$2 \l$1/' rime.txt

现在结果看起来好多了：

An ancyent Marinere it is,

接下来解释一下原因。

• \l语法并不匹配任何字符，而是会将紧接其后的字母变为小写。
• \u语法将紧接其后的字母变为大写。
• \U指令（未展示）将紧接其后的文本字符串全部变为大写。
• \L指令（未展示）将紧接其后的文本字符串全部变为小写。

这些指令在文本中出现其他指令（比如\l或\E，作为文字使用的字符串的结尾）之前都是起作用的。请自己动手试试这些指令。

命名分组

命名分组（named group）就是有名字的分组。这样，就可以通过名字（而不是数字）来引用分组。下面展示一下Perl语言中如何使用命名分组：

perl -ne 'print if s/(?<one>It is) (?<two>an ancyent Marinere)/\u$+{two}\l$+{one}/' rime.txt

我们来看看这个命令：

• 在括号内添加?和?将分组分别命名为one和two；
• $+{one}引用名为one的分组，而$+{two}则引用名为two的分组。

如果在一个模式中有分组被命名，那么你还可以重用该命名分组。解释一下这句话的意思，假设你要查找含有连续六个0的字符串：

000000

这个例子很浅显，但可以说明其工作原理。用这一模式对连续三个0的分组命名（其中z是分组名，可以任意取）：

(?<z>0{3})

然后你可以再使用该分组，就像这样：

(?<z>0{3})\k<z>

或者：

(?<z>0{3})\k'z'

或者：

(?<z>0{3})\g{z}

请在RegExr中尝试一下看看结果。这些示例应该都能用。表4-3列出了命名分组可能使用的各种语法。

表4-3 命名分组的语法