反向參照會比對先前由擷取群組比對的相同文字。假設您想要比對一對開啟和關閉的 HTML 標籤，以及中間的文字。透過將開啟標籤放入反向參照中，我們可以重複使用標籤名稱作為關閉標籤。方法如下：<([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1>。這個正規表示式只包含一對括號，用來擷取由[A-Z][A-Z0-9]*比對的字串。這是開啟的 HTML 標籤。（由於 HTML 標籤不分大小寫，因此這個正規表示式需要不分大小寫的比對。）反向參照\1（反斜線一）會參照第一個擷取群組。\1會比對與第一個擷取群組比對的完全相同的文字。/之前的\1是字面字元。這只是我們嘗試比對的關閉 HTML 標籤中的正斜線。

要找出特定反向引用的數字，請從左到右掃描正規表示式。計算所有編號擷取群組的開啟括號。第一個括號開始反向引用數字一，第二個數字二，依此類推。略過屬於其他語法（例如非擷取群組）的括號。這表示非擷取括號有另一個好處：您可以將它們插入正規表示式，而不會變更分配給反向引用的數字。這在修改複雜的正規表示式時非常有用。

您可以重複使用相同反向引用多次。 ([a-c])x\1x\1 相符 axaxa、bxbxb 和 cxcxc。

大多數正規表示式風格支援多達 99 個擷取群組和兩位數反向引用。因此，如果您的正規表示式有 99 個擷取群組，\99 是有效的反向引用。

深入了解正規表示式引擎

讓我們看看 regex 引擎如何將 regex <([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1> 套用至字串 Testing <B><I>粗體斜體</I></B> 文字。regex 中的第一個 token 是字面 <。regex 引擎會在字串中移動，直到它能與字串中的第一個 < 相符。下一個 token 是 [A-Z]。regex 引擎也會注意到它現在位於第一對擷取括弧內。 [A-Z] 與 B 相符。引擎會前進到 [A-Z0-9] 和 >。此相符失敗。然而，由於 星號，這完全沒問題。字串中的位置仍停留在 >。由於 B 出現在前面，字詞邊界 \b 會與 > 相符。字詞邊界不會讓引擎在字串中前進。regex 中的位置會前進到 [^>]。

此步驟會跨越第一對擷取括弧的右括弧。這會促使 regex 引擎將與其相符的內容儲存到第一個反向參照。在此情況下，會儲存 B。

在儲存反向參照後，引擎會繼續進行相符嘗試。 [^>] 與 > 不相符。同樣地，由於另一個星號，這不是問題。字串中的位置仍停留在 >，而 regex 中的位置會前進到 >。這些顯然相符。下一個 token 是點號，由一個懶惰星號重複。由於懶惰，regex 引擎最初會跳過此 token，並注意到如果 regex 的其餘部分失敗，它應該回溯。

引擎現在已抵達正規表示式中的第二個 <，以及字串中的第二個 <。它們相符。下一個代碼是 /。這與 I 不相符，引擎被迫回溯到句點。句點與字串中的第二個 < 相符。星號仍然是惰性的，因此引擎再次記錄可用的回溯位置，並前進到 < 和 I。它們不相符，因此引擎再次回溯。

回溯持續進行，直到句點消耗掉 <I>粗體斜體。此時，< 與字串中的第三個 < 相符，而下一個代碼是 /，與 / 相符。下一個代碼是 \1。請注意，代碼是反向參照，而不是 B。引擎不會在正規表示式中替換反向參照。每次引擎抵達反向參照時，它都會讀取儲存的值。這表示如果引擎在第二次抵達 \1 之前回溯到第一對擷取括號之外，則會使用儲存在第一個反向參照中的新值。但這裡並未發生這種情況，因此它是 B。這無法與 I 相符，因此引擎再次回溯，句點消耗掉字串中的第三個 <。

回溯再次持續進行，直到句點消耗掉 <I>粗體斜體</I>。此時，< 與 < 相符，/ 與 / 相符。引擎再次抵達 \1。反向參照仍包含 B。\1 與 B 相符。正規表示式中的最後一個代碼 > 與 > 相符。已找到一個完整相符：<B><I>粗體斜體</I></B>。

回溯到擷取群組

您可能對上面提到的字元界線 \b 在 <([A-Z][A-Z0-9]*)\b[^>]*>.*?</\1> 中感到疑惑。這是為了確保正規表示式不會比對錯誤配對的標籤，例如 <boo>bold</b>。您可能認為這不會發生，因為擷取群組比對 boo，這會導致 \1 嘗試比對相同的內容，然後失敗。這確實會發生。但接著正規表示式引擎會回溯。

我們來看看沒有字元界線的正規表示式 <([A-Z][A-Z0-9]*)[^>]*>.*?</\1>，並在 \1 第一次失敗時查看正規表示式引擎內部。首先，.*? 會持續擴充，直到到達字串的結尾，而 </\1> 在 .*? 比對多一個字元時，每次都會失敗。

然後正規表示式引擎會回溯到擷取群組。[A-Z0-9]* 已比對出 oo，但也可以比對出 o 或什麼都沒有。在回溯時，[A-Z0-9]* 被迫放棄一個字元。正規表示式引擎會繼續執行，第二次離開擷取群組。由於 [A-Z][A-Z0-9]* 已比對出 bo，因此會儲存在擷取群組中，覆寫之前儲存的 boo。[^>]* 比對出開啟標籤中的第二個 o。>.*?</ 比對出 >bold</。\1 再次失敗。

正規表示式引擎會再次執行所有相同的回溯，直到 [A-Z0-9]* 被迫放棄另一個字元，導致它比對出什麼都沒有，而 星號 允許這種情況。擷取群組現在只儲存 b。[^>]* 現在比對出 oo。>.*?</ 再次比對出 >bold<。\1 現在成功，> 也是，並找到一個整體比對。但不是我們想要的。

解決此問題的方法有數種。一種方法是使用字詞邊界。當 [A-Z0-9]* 第一次回溯，將擷取群組縮小為 bo 時，\b 無法在 o 和 o 之間進行配對。這會強制 [A-Z0-9]* 立即再次回溯。擷取群組縮小為 b，而字詞邊界無法在 b 和 o 之間進行配對。沒有進一步的回溯位置，因此整個配對嘗試失敗。

我們需要字詞邊界的原因是，我們使用 [^>]* 來略過標籤中的所有屬性。如果您的配對標籤從未有任何屬性，您可以將其省略，並使用 <([A-Z][A-Z0-9]*)>.*?</\1>。每次 [A-Z0-9]* 回溯時，其後的 > 無法進行配對，快速結束配對嘗試。

如果您不希望正規表示式引擎回溯到擷取群組，可以使用原子群組。原子群組 教學部分有所有詳細資訊。

重複和反向參照

正如我在上述內部檢視中所提到的，正規表示式引擎並不會永久替換正規表示式中的反向參照。它會在每次需要使用時，使用儲存在反向參照中的最後一個比對。如果透過擷取括號找到新的比對，先前儲存的比對就會被覆寫。在 ([abc]+) 和 ([abc])+ 之間，有一個 明顯的差異。儘管兩者都能成功比對 cab，但第一個正規表示式會將 cab 放入第一個反向參照中，而第二個正規表示式只會儲存 b。這是因為在第二個正規表示式中，加號導致括號對重複三次。第一次，儲存 c。第二次，儲存 a，第三次，儲存 b。每次都會覆寫前一個值，因此 b 會保留下來。

這也表示 ([abc]+)=\1 會比對 cab=cab，而 ([abc])+=\1 則不會。原因是當引擎到達 \1 時，它會保留 b，而 b 無法比對 c。在檢視像這樣一個簡單的範例時，這一點很明顯，但它仍然是正規表示式中常見的困難原因。在使用反向參照時，務必仔細檢查您是否真的擷取到想要的內容。

實用的範例：檢查重複的字詞

在編輯文字時，重複的字詞（例如「the the」）很容易悄悄出現。在 文字編輯器 中使用正規表示式 \b(\w+)\s+\1\b，您可以輕鬆找到它們。若要刪除第二個字詞，只需輸入 \1 作為替換文字，然後按一下「取代」按鈕即可。

括號和反向參照不能用於字元類別內

括號不能用於 字元類別 內，至少不能用作元字元。當您在字元類別中放入括號時，它會被視為一個字面字元。因此，正規表示式 [(a)b] 會比對 a、b、( 和 )。

反向參照也無法在字元類別中使用。在類似 (a)[\1b] 的正規表示式中，\1 是一個錯誤，或是一個不必要的轉義字元 1。在 JavaScript 中，它是一個 八進位轉義。