正则表达式组计数

Question

我有以下用于匹配 URL 的正则表达式：

(?:https?://)?(?:www\.)?(?:[a-zA-Z0-9]+:[a-zA-Z0-9]+@)?(?:[a-zA-Z0-9-]+)(?:\.[a-zA-Z0-9-]+)*(?:\.[a-zA-Z]{2,})(?::\d{1,5})?(?:/[^\s]*)?(?:\?[^\s]*)?(?:#[^\s]*)?

这是细分：

• (?:https?://)? 匹配可选的“http://”或“https://”
• (?:www.)? 匹配可选的“www.”
• (?:[a-zA-Z0-9]+:[a-zA-Z0-9]+@)? 匹配可选的“用户名:密码@”组合（对于像 http://username: 这样的 URL： [电子邮件受保护])
• (?:[a-zA-Z0-9-]+) 匹配“google”等域名
• (?:.[a-zA-Z0-9-]+)* 匹配子域，例如“.us.careers”
• (?:.[a-zA-Z]{2,}) 匹配至少 2 个字符的顶级域，例如 '.com'
• (?::\d{1,5})? 匹配可选端口号，例如 ':8001'
• (?:/[^\s]*)? 匹配任意数量的路径，例如 '/path/to/resource'
• (?:?[^\s]*)? 匹配查询参数，如 'param=one'
• (?:#[^\s]*)? 匹配末尾的任何片段，如“#about”

为什么我会为这个正则表达式得到 2 个组？我在每对括号周围都有

?:

...例如，在检查

mailto:[email protected]

时我得到了 2 个匹配组

Answer 1

这似乎是对您的正则表达式引擎的误解。最有可能的是，它提供了一个由整个匹配组成的默认 (

$0

) 组，并且它在测试数据中匹配此模式两次。