Java正则表达式的解释说明

表达式意义:

1.字符

x字符 x。例如a表示字符a

\\反斜线字符。在书写时要写为\\\\。(注意:因为java在第一次解析时,把\\\\解析成正则表达式\\,在第二次解析时再解析为\,所以凡是不是1.1列举到的转义字符,包括1.1的\\,而又带有\的都要写两次)

\0n带有八进制值 0的字符 n (0 2.字符类

[abc]a、b或 c(简单类)。例如[egd]表示包含有字符e、g或d。

[^abc]任何字符,除了 a、b或 c(否定)。例如[^egd]表示不包含字符e、g或d。

[a-za-z]a到 z或 a到 z,两头的字母包括在内(范围)

[a-d[m-p]]a到 d或 m到 p:[a-dm-p](并集)

[a-z&&[def]]d、e或 f(交集)

[a-z&&[^bc]]a到 z,除了 b和 c:[ad-z](减去)

[a-z&&[^m-p]]a到 z,而非 m到 p:[a-lq-z](减去)

3.预定义字符类(注意反斜杠要写两次,例如\d写为\\d)任何字符

(与行结束符可能匹配也可能不匹配)

\d数字:[0-9]

\d非数字: [^0-9]

\s空白字符:[ \t\n\x0b\f\r]

\s非空白字符:[^\s]

\w单词字符:[a-za-z_0-9]

\w非单词字符:[^\w]

4.posix 字符类(仅 us-ascii)(注意反斜杠要写两次,例如\p{lower}写为\\p{lower})

\p{lower}小写字母字符:[a-z]。

\p{upper}大写字母字符:[a-z]

\p{ascii}所有 ascii:[\x00-\x7f]

\p{alpha}字母字符:[\p{lower}\p{upper}]

\p{digit}十进制数字:[0-9]

\p{alnum}字母数字字符:[\p{alpha}\p{digit}]

\p{punct}标点符号:!"#$%&'()*+,-./:;?@[\]^_`{|}~

\p{graph}可见字符:[\p{alnum}\p{punct}]

\p{print}可打印字符:[\p{graph}\x20]

\p{blank}空格或制表符:[ \t]

\p{cntrl}控制字符:[\x00-\x1f\x7f]

\p{xdigit}十六进制数字:[0-9a-fa-f]

\p{space}空白字符:[ \t\n\x0b\f\r]

5.java.lang.character 类(简单的 java 字符类型)

\p{javalowercase}等效于 java.lang.character.islowercase()

\p{javauppercase}等效于 java.lang.character.isuppercase()

\p{javawhitespace}等效于 java.lang.character.iswhitespace()

\p{javamirrored}等效于 java.lang.character.ismirrored()

6.unicode 块和类别的类

\p{ingreek}greek 块(简单块)中的字符

\p{lu}大写字母(简单类别)

\p{sc}货币符号

\p{ingreek}所有字符,greek 块中的除外(否定)

[\p{l}&&[^\p{lu}]]所有字母,大写字母除外(减去)

7.边界匹配器

^行的开头,请在正则表达式的开始处使用^。例如:^(abc)表示以abc开头的字符串。注意编译的时候要设置参数multiline,如 pattern p = pattern.compile(regex,pattern.multiline);

$行的结尾,请在正则表达式的结束处使用。例如:(^bca).*(abc$)表示以bca开头以abc结尾的行。

\b单词边界。例如\b(abc)表示单词的开始或结束包含有abc,(abcjj、jjabc 都可以匹配)

\b非单词边界。例如\b(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)

\a输入的开头

\g上一个匹配的结尾(个人感觉这个参数没什么用)。例如\\gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。

\z输入的结尾,仅用于最后的结束符(如果有的话)

行结束符 是一个或两个字符的序列,标记输入字符序列的行结尾。

以下代码被识别为行结束符:

‐新行(换行)符 ('\n')、

‐后面紧跟新行符的回车符 ("\r\n")、

‐单独的回车符 ('\r')、

‐下一行字符 ('\u0085')、

‐行分隔符 ('\u2028') 或

‐段落分隔符 ('\u2029)。

\z输入的结尾

当编译模式时,可以设置一个或多个标志,例如

pattern pattern = pattern.compile(patternstring,pattern.case_insensitive + pattern.unicode_case);

下面六个标志都是支持的:

‐case_insensitive:匹配字符时与大小写无关,该标志默认只考虑us ascii字符。

‐unicode_case:当与case_insensitive结合时,使用unicode字母匹配

‐multiline:^和$匹配一行的开始和结尾,而不是整个输入

‐unix_lines: 当在多行模式下匹配^和$时,只将'\n'看作行终止符

‐dotall: 当使用此标志时,.符号匹配包括行终止符在内的所有字符

‐canon_eq: 考虑unicode字符的规范等价

8.greedy 数量词

x?x,一次或一次也没有

x*x,零次或多次

x+x,一次或多次

x{n}x,恰好 n 次

x{n,}x,至少 n 次

x{n,m}x,至少 n 次,但是不超过 m 次

9.reluctant 数量词

x??x,一次或一次也没有

x*?x,零次或多次

x+?x,一次或多次

x{n}?x,恰好 n 次

x{n,}?x,至少 n 次

x{n,m}?x,至少 n 次,但是不超过 m 次

10.possessive 数量词

x?+x,一次或一次也没有

x*+x,零次或多次

x++x,一次或多次

x{n}+x,恰好 n 次

x{n,}+x,至少 n 次

x{n,m}+x,至少 n 次,但是不超过 m 次

greedy,reluctant,possessive的区别在于:(注意仅限于进行.等模糊处理时)

greedy量

词被看作“贪婪的”,因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试(整个输入字符串)失败,匹配器就会在被匹配字符串中的最后一位后退

一个字符并且再次尝试,重复这个过程,直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词,它最后试图匹配的内容是1

个或者0个字符。

但是,reluctant量词采取相反的方式:它们从被匹配字符串的开头开始,然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。

最后,possessive量词总是读完整个输入字符串,尝试一次(而且只有一次)匹配。和greedy量词不同,possessive从不后退。

11.logical 运算符

xyx 后跟 y

x|yx 或 y

(x)x,作为捕获组。例如(abc)表示把abc作为一个整体进行捕获

12.back 引用

\n任何匹配的 nth捕获组

捕获组可以通过从左到右计算其开括号来编号。例如,在表达式 ((a)(b(c)))中,存在四个这样的组:

1((a)(b(c)))

2\a

3(b(c))

4(c)

在表达式中可以通过\n来对相应的组进行引用,例如(ab)34\1就表示ab34ab,(ab)34(cd)\1\2就表示ab34cdabcd。

13.引用

\nothing,但是引用以下字符

\qnothing,但是引用所有字符,直到 \e。qe之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, ab\\q{|}\\\\e

可以匹配ab{|}\\

\enothing,但是结束从 \q开始的引用

14.特殊构造(非捕获)

(?:x)x,作为非捕获组

(?idmsux-idmsux)nothing,但是将匹配标志由 on 转为 off。比如:表达式 (?i)abc(?-i)def 这时,(?i) 打开不区分大小写开关,abc 匹配

idmsux说明如下:

‐i case_insensitive :us-ascii 字符集不区分大小写。(?i)

‐d unix_lines : 打开unix换行符

‐m multiline :多行模式(?m)

unix下换行为\n

windows下换行为\r\n(?s)

‐u unicode_case : unicode 不区分大小写。(?u)

‐x comments :可以在pattern里面使用注解,忽略pattern里面的whitespace,以及"#"一直到结尾(#后面为注解)。(?x)例如(?x)abc#asfsdadsa可以匹配字符串abc

(?idmsux-idmsux:x)x,作为带有给定标志 on - off 的非捕获组。与上面的类似,上面的表达式,可以改写成为:(?i:abc)def,或者 (?i)abc(?-i:def)

(?=x)x,通过零宽度的正 lookahead。零宽度正先行断言,仅当子表达式 x 在 此位置的右侧匹配时才继续匹配。例如,\w+(?=\d) 表示字母后面跟数字,但不捕获数字(不回溯)

(?!x)x,通过零宽度的负 lookahead。零宽度负先行断言。仅当子表达式 x 不在 此位置的右侧匹配时才继续匹配。例如,\w+(?!\d) 表示字母后面不跟数字,且不捕获数字。

(?x)x,作为独立的非捕获组(不回溯)

(?=x)与(?>x)的区别在于(?>x)是不回溯的。例如被匹配的字符串为abcm

当表达式为a(?:b|bc)m是可以匹配的,而当表达式是a(?>b|bc)时是不能匹配的,因为当后者匹配到b时,由于已经匹配,就跳出了非捕获组,而不再次对组内的字符进行匹配。可以加快速度

======================================================
在最后，我邀请大家参加新浪APP，就是新浪免费送大家的一个空间，支持PHP+MySql，免费二级域名，免费域名绑定 这个是我邀请的地址，您通过这个链接注册即为我的好友，并获赠云豆500个，价值5元哦！短网址是http://t.cn/SXOiLh我创建的小站每天访客已经达到2000+了，每天挂广告赚50+元哦，呵呵，饭钱不愁了，\(^o^)/