Регулярные выражения — Группы захвата

Нет, сегодня речь не пойдет о вооруженных людях в черных масках 😉 Я просто продолжаю свой рассказ об основах регулярных выражениях, и сегодня мы рассмотрим одну из самых интересных и полезных их возможностей.

Если вы натолкнулись на этот пост случайно, сначала лучше прочитайте предыдущие посты из этой серии:

Введение

Отрицательные группы и якоря

Количественные модификаторы (квантификаторы)

Теперь, когда мы можем с помощью регулярных выражений описывать и проверять строки по достаточно сложным правилам, пора познакомится с другой не менее важной концепцией регулярных выражений — "группами захвата" (capture groups). Как следует из названия, группы можно использовать для … сюрприз … группировки 🙂 К группам захвата, как и к символам и символьным группам можно применять количественные модификаторы. Например следующее выражение означает "Первая буква в строке — S, затем одна или больше групп состоящих из “знака - (минус) и любого количества цифр за ним” до конца строки":

PS C:\> "S-1-5-21-1964843605-2840444903-4043112481" -match "^S(-\d+)+$"
True
Или:
PS C:\> "Ноут","Ноутбук","Лептоп" -match "Ноут(бук)?"
Ноут
Ноутбук

Эти примеры показывают как можно использовать группы захвата для группировки, но это вовсе не главное их качество 🙂 Гораздо важнее то, что часть строки подпавшая под подвыражение находящееся внутри такой группы, помещается в специальную переменную — $matches. $Matches это массив, и в нем может находится содержимое нескольких групп. Причем под индексом 0 туда помещается вся совпавшая строка, а лишь начиная с единицы идет содержимое групп захвата. Опять же, лучше посмотреть на примере:

PS C:\> "At 17:04 Firewall service was stopped." -match "(\d\d:\d\d) (\S+)"
True
PS C:\> $matches

Name                           Value
----                           -----
2                              Firewall
1                              17:04
0                              17:04 Firewall

Под индексом 0 находится вся часть строки подпавшая под регулярное выражение, под 1 находится содержимое первых скобок, и под 2 соответственно содержимое вторых скобок. К содержимому $matches можно обращаться как к элементам любого другого массива в PowerShell:

PS C:\> $matches[1]
17:04
PS C:\> $matches[2]
Firewall

Если в строке присутствует много групп захвата, то бывает полезно дать им имена, это сильно облегчает дальнейшую работу с полученными данными:

PS C:\> "At 17:04 Firewall service was stopped." -match "(?<Время>\d\d:\d\d) (?<Служба>\S+)"
True

PS C:\> $matches
Name                           Value
----                           -----
Время                          17:04
Служба                         Firewall
0                              17:04 Firewall

PS C:\> $matches.Время
17:04
PS C:\> $matches["Служба"]
Firewall

Регулярное выражение конечно усложнилось, но зато работать с результатами гораздо приятнее. Синтаксис именования следующий:

(?<Название Группы>подвыражение)

Не перепутайте порядок, сначала следует знак вопроса. Как вы помните, количественные модификаторы, в том числе ? могут применяться только после группы, и следовательно в начале подвыражения — бессмысленны. Поэтому в группах, знак вопроса следующий сразу за открывающей скобкой, означает особый тип группы, в нашем примере — именованную.

Другой тип группы который часто используется — незахватывающая группа. Она может пригодиться в тех случаях когда вам не нужно захватывать содержимое группы, а надо применить её только для группировки. Например в вышеприведённом примере с SID, такая группа была бы более уместна:

PS C:\> "S-1-5-21-1964843605-2840444903-4043112481" -match "^S(?:-\d+)+$"
True
PS C:\> $matches

Name                           Value
----                           -----
0                              S-1-5-21-1964843605-2840444903-4043112481

Как вы могли заметить, синтаксис такой группы: (?:подвыражение). Группы можно и вкладывать одну в другую:

PS C:\> "MAC address is '00-19-D2-73-77-6F'." -match "is '([a-f\d]{2}(?:-[a-f\d]{2}){5})'"
True
PS C:\> $matches

Name                           Value
----                           -----
1                              00-19-D2-73-77-6F
0                              is '00-19-D2-73-77-6F'

Попробуйте разобрать данное выражение самостоятельно 🙂

Продолжение: Операторы -replace и -split