深入浅出正则表达式

正则表达式其实还是蛮简单的，因为它没有很强的逻辑在里头，我们只需要按照它的规则从头开始依次去读就好了

话虽这么说，我相信很多人一开始接触正则，当看到那一连串“乱七八糟”的字符时，都会一脸懵逼，这是啥玩意？然后就自然而然的认为这东西很复杂，接着打心底就抵触使用正则，然后开始在网上搜看是否有现成的表达式可用，或者直接写代码来实现字符匹配。

我自己就是这样

最近终于花时间把这块东西看了下，下面是学习总结，便于后续在淡忘时回头温故

 

字符串匹配，无非就是基于如下规则：

1：从被匹配字符串中确认起始匹配位置

2：基于该位置，对后续字符依次逐个进行匹配，如果全部相等，则匹配成功，否则失败

 

正则表达式也是基于如上规则来进行匹配的

 

如何匹配？

先来看一个简单的例子：

String str = "d123te:testadad46587:asd-test111test";Pattern pt = Pattern.compile("test");Matcher match = pt.matcher(str);while (match.find()) {    System.out.println(match.group());}

输出结果：

testtesttest

可以把整个表达式作为一个分组，那么这个分组会在目标字符串中从头开始匹配，这个例子很明显，test匹配三次 

 

对于分组内部表达式的匹配，则是对表达式所描述的字符串与目标索引下的字符做完整的匹配，如果全部匹配，则ok

 

拿这个例子来说，一开始d跟t就不符，那肯定pass，然后匹配索引+1，继续往前走，发现te匹配，但是s跟：不匹配，继续往前走，直到碰到跟test完整匹配的，然后保存匹配结果，然后继续匹配，直到结束

 

正则的基础匹配规则介绍完了

 

通过上面的描述，我们可以得出表达式所能定义的：

1：大分组匹配的起始位置

2：目标字符串的描述，包括字符类型，字符长度等等

 

匹配起始位置（边界匹配）

^ 行的开头

$ 行的结尾

\b 单词边界， 就是不是单词字符的地方。

分组断言

 

边界匹配符只能出现在表达式的开始或者结束位置，比如：

^a{3}

a{3}$

\baaa

Aaaa\b

 

分组断言也可以指定要匹配的开始位置，这个后面再介绍

 

字符匹配描述

起始位置确定了，接下去基于该位置开始逐个比对，这就需要在表达式里逐个描述要匹配的字符

 

描述方式有三种：

1：字符

   就是显示的描述要匹配的字符，比如a，b，c，-，@等等

2：字符类

   描述要匹配的某一类字符

[abc] a、b 或 c（简单类）

    [^abc] 任何字符，除了 a、b 或 c（否定）

    [a-zA-Z] a到 z 或 A到 Z，两头的字母包括在内（范围）

    [0-9] 0到9的字符都包括

    . 任何字符。我的就是.字符本身，怎么表示呢? \.

    \d 数字：[0-9]

    \D 非数字:[^\d]/[^0-9]

    \w 单词字符：[a-zA-Z_0-9]

\W 非字符[^\w]

[abc]其实等同于[a|b|c], 同样的，[a-z0-9]也等同于[a-z|0-9]，都是或的关系

 

单个描述某一字符，肯定不够，还需要量词来描述要匹配的多个字符

 

量词:

量词默认都是取重复的上限 

"*"  重复零次或更多

 例如"aaaaaaaa"匹配字符串中所有的a  正则： "a*"   会出到所有的字符"a"

 "+"  重复一次或更多次

    例如"aaaaaaaa" 匹配字符串中所有的a  正则： "a+"  会取到字符中所有的a字符，  "a+"与"a*"不同在于"+"至少是一次而"*"可以是0次，

 "?"   重复零次或一次

    例如"aaaaaaaa" 匹配字符串中的a正则： "a?"只会匹配一次，也就是结果只是单个字符a

"{n}"  重复n次

    例如从"aaaaaaaa" 匹配字符串的a并重复3次正则：  "a{3}"  结果就是取到3个a字符  "aaa";

"{n,m}"  重复n到m次

    例如正则"a{3,4}"将a重复匹配3次或者4次所以供匹配的字符可以是三个"aaa"也可以是四个"aaaa"正则都可以匹配到

 "{n,}"  重复n次或更多次，无上限

 

懒惰限定符

上面的量词默认都是指定重复上限的，那就需要一个限定符，可以指定重复下限，意思是，尽量少重复或者不重复

 

懒惰限定符就是在上面的量词符号后面加个 ? 号

比如:

*?, +?, ??, {n}?, {n,m}?, {n,}?

 

加了懒惰限定符后，默认都是取重复的下限

 

分组

上面说过整个表达式是一个大的分组，其实在表达式内部，还可以指定分组，这些分组在表达式被解析的时候，会从0开始依次分配组号

 

在正则中，用()来表示一个分组

 

分组的作用我觉得有两个：

1：将某些特定的子表达式分成一组，便于后续表达式复用和以组为单位进行逻辑操作

2：根据组号，对特定组的表达式匹配结果进行后向引用

 

看个例子：

String str = " 15916898088";Pattern pt = Pattern.compile("^(15([0-3]|[5-9]))");Matcher match = pt.matcher(str);while (match.find()) {         System.out.println(match.group());}

 

这个例子表达式有三个分组，分别是：

0：^(15([0-3]|[5-9]))

1：(15([0-3]|[5-9]))

2：([0-3]|[5-9])

 

第一个分组就是整个表达式，对应索引为0，内部分组的索引，则按照从左到右，从外到内依次排列

 

上面表达式的执行结果为：159

 

接着看通过分组索引后向引用的例子：

 

String str = "15916898088";Pattern pt = Pattern.compile("^(15([0-3]|[5-9])).*\\2");Matcher match = pt.matcher(str);while (match.find()) {         System.out.println(match.group());}

表达式中的\2表明要引用分组2的匹配结果，这里很明显为9 

所以这个表达式的执行结果为：1591689

 

如果我们只想匹配结果，不希望捕获匹配的结果和对分组分配组号，只需要在分组表达式前面加上 ?: 就可以了，比如：

^(15(?:[0-3]|[5-9])).*

分组断言(零宽断言)

上面在匹配起始位置中提过，可以通过分组断言来指定起始位置，其实说白了就是：

 

先通过一个分组表达式找到匹配的字符串，然后根据该匹配字符串的位置，来决定后续表达式的起始位置

 

举个例子：

“ iloveyouforever”

 

现在如果有个分组表达式(you), 我们通过这个表达式的结果，至少可以确定两个位置，一个是you前面的position，紧接着e，还有就是you后面的position，紧接着f

 

所以，断言语法就是用来确定上面两个位置的

 

(?=you)

匹配you前面的position，比如：

表达式 "(?=you).*"的匹配结果为：youforever

表达式 ".*(?=you)"的匹配结果为： ilove

 

(?<=you)

匹配you后面的position

表达式 "(?<=you).*"的匹配结果为：forever

表达式 ".*(?<=you)"的匹配结果为： iloveyou

 

另外(?!you)和(?<!you)则是表达式取反，position的确定则跟上面一致

 

Over

 

参考文献：

https://www.cnblogs.com/zery/p/3438845.html