正则表达式
来源:互联网 发布:小米2s4g网络怎么设置 编辑:程序博客网 时间:2024/05/16 12:56
正则表达式的构造摘要
反斜线、转义和引用
反斜线字符 ('\')用于引用转义构造,如上表所定义的,同时还用于引用其他将被解释为非转义构造的字符。因此,表达式 \\与单个反斜线匹配,而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的;它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线,不管该字符是否非转义构造的一部分。
根据 JavaLanguage Specification 的要求,Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线,表示正则表达式受到保护,不被Java 字节码编译器解释。例如,当解释为正则表达式时,字符串字面值 "\b" 与单个退格字符匹配,而"\\b" 与单词边界匹配。字符串字面值 "\(hello\)"是非法的,将导致编译时错误;要与字符串 (hello) 匹配,必须使用字符串字面值"\\(hello\\)"。
字符类
字符类可以出现在其他字符类中,并且可以包含并集运算符(隐式)和交集运算符(&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示,按从最高到最低的顺序排列:
1 字面值转义\x 2 分组[...]3 范围a-z4 并集[a-e][i-u]5 交集[a-z&&[aeiou]]
注意,元字符的不同集合实际上位于字符类的内部,而非字符类的外部。例如,正则表达式. 在字符类内部就失去了其特殊意义,而表达式 - 变成了形成元字符的范围。
行结束符
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)。
如果激活 UNIX_LINES
模式,则新行符是惟一识别的行结束符。
如果未指定 DOTALL
标志,则正则表达式 . 可以与任何字符(行结束符除外)匹配。
默认情况下,正则表达式 ^ 和 $忽略行结束符,仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE
模式,则 ^ 在输入的开头和行结束符之后(输入的结尾)才发生匹配。处于 MULTILINE
模式中时,$ 仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
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 \A3 (B(C))4 (C)
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中,保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back引用在表达式中使用,也可以在匹配操作完成后从匹配器检索。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组,则在第二次计算失败时将保留其以前捕获的值(如果有的话)例如,将字符串"aba" 与表达式 (a(b)?)+ 相匹配,会将第二组设置为"b"。在每个匹配的开头,所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组,它不捕获文本,也不针对组合计进行计数。
Unicode 支持
此类符合 Unicode TechnicalStandard #18:Unicode Regular Expression Guidelines 第 1 级和RL2.1 Canonical Equivalents。
Java 源代码中的 Unicode 转义序列(如 \u2014)是按照 Java LanguageSpecification 的 第 3.3 节中的描述处理的。这样的转义序列还可以由正则表达式分析器直接实现,以便在从文件或键盘击键读取的表达式中使用Unicode 转义。因此,可以将不相等的字符串 "\u2014" 和 "\\u2014"编译为相同的模式,从而与带有十六进制值 0x2014 的字符匹配。
与 Perl 中一样,Unicode 块和类别是使用 \p 和\P 构造编写的。如果输入具有属性 prop,则与\p{prop} 匹配,而输入具有该属性时与\P{prop} 不匹配。块使用前缀 In 指定,与在InMongolian 中一样。可以使用可选前缀 Is 指定类别:\p{L} 和\p{IsL} 都表示 Unicode 字母的类别。块和类别在字符类的内部和外部都可以使用。
受支持的类别是由 Character
类指定版本中的 TheUnicode Standard 的类别。类别名称是在 Standard中定义的,即标准又丰富。Pattern
所支持的块名称是 UnicodeBlock.forName
所接受和定义的有效块名称。
行为类似 java.lang.Character boolean 是methodname 方法(废弃的类别除外)的类别,可以通过相同的\p{prop} 语法来提供,其中指定的属性具有名称javamethodname。
与 Perl 5 相比较
Pattern
引擎用有序替换项执行传统上基于 NFA 的匹配,与 Perl 5中进行的相同。
此类不支持 Perl 构造:
条件构造 (?{X}) 和(?(condition)X|Y)、
嵌入式代码构造 (?{code}) 和(??{code})、
嵌入式注释语法 (?#comment) 和
预处理操作 \l \u、\L 和 \U。
此类支持但 Perl 不支持的构造:
Possessive 数量词,它可以尽可能多地进行匹配,即使这样做导致所有匹配都成功时也如此。
字符类并集和交集,如上文所述。
与 Perl 的显著不同点是:
在 Perl 中,\1 到 \9 始终被解释为 Back引用;如果至少存在多个子表达式,则大于 9 的反斜线转义数按 Back引用对待,否则在可能的情况下,它将被解释为八进制转义。在此类中,八进制转义必须始终以零开头。在此类中,\1 到\9 始终被解释为 Back 引用,较大的数被接受为 Back引用,如果在正则表达式中至少存在多个子表达式的话;否则,分析器将删除数字,直到该数小于或等于组的现有数或者其为一个数字。
Perl 使用 g 标志请求恢复最后匹配丢失的匹配。此功能是由
Matcher
类显式提供的:重复执行find
方法调用可以恢复丢失的最后匹配,除非匹配器被重置。在 Perl中,位于表达式顶级的嵌入式标记对整个表达式都有影响。在此类中,嵌入式标志始终在它们出现的时候才起作用,不管它们位于顶级还是组中;在后一种情况下,与在Perl 中类似,标志在组的结尾处还原。
Perl 允许错误匹配构造,如在表达式 *a 中,以及不匹配的括号,如在在表达式 abc]中,并将其作为字面值对待。此类还接受不匹配的括号,但对 +、? 和 * 不匹配元字符有严格限制;如果遇到它们,则抛出
PatternSyntaxException
。
有关正则表达式构造行为更准确的描述,请参见《Mastering RegularExpressions, 2nd Edition》,该书由 Jeffrey E. F. Friedl、O'Reilly和 Associates 合著,于 2002 年出版。
- 【正则表达式】正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 正则表达式
- 基于谷歌调查报告:移动电商是大趋势,网站功能、支付环节和第三方服务有前途
- 看看孙正义怎么在百度收购PPS过程中横插一杠
- Eclipse快捷键
- 甲骨文公司老板埃里森在耶如大学的…
- Android--DataPicker用法
- 正则表达式
- java常用布局
- Android布局--TabHost的使用
- 记住,你即将死去!——乔布斯
- Android语音识别--RecognizerInten…
- Android TTS语音识别
- 设计模式--工厂模式Factory
- Photoshop常用快捷键
- Android--TabHost的两种实现方法