2015.11.12_正则表达式笔记

1.正则表达式入门

正则表达式是用来匹配文字的规则，所以它必定会有自己的语法。正则表达式的语法就体现在其对一些字符的特殊定义。
这些有特殊定义的字符是正则表达式的基础，它们叫元字符。以下是一些正则表达式字符：

---

\b: 表示一个边界。字符串的分隔符是空格，标点符号或者换行。它并不匹配这些分隔符，二是匹配这种分隔符带来的分界效果。这个字符放在字符串的最前面，就表示一个字符串的开始，在这个字符串前面，是一个字符串的分隔符的话，那么就匹配成功。

b\b ： 匹配其后面为一个字符边界的字符b。
\bb ： 匹配其前面为一个字符边界的字符b。
\bb\b : 匹配其前面和后面均为字符边界的字符b。

---

. : 点是另一个元字符。它可以匹配除了换行符意外的任意字符。注意，前面的一句话缩掉点信息，可以简称为：它匹配字符，意味着：它匹配的是单个的字符，虽然是任意的，但只能是单个的。在正则表达式的实现中，.也可以匹配到换行符。

比如：有这么一句话。对上面的一句话运用单个“ .”那么，上面这句话的每个字符都是匹配的结果。

---

* : 星号和一般用作通配符不同，在正则表达式中，它表示的不是字符(意味着它本身不匹配任何字符)，不是位置，而是表示重复次数。星号起修饰说明左右，说明的对象是它前面的对象，在不出现组合的情况下，或者说它前面是字符的情况下，*号表示，为了正则表达式可以对目标字符串匹配成功，它前面的字符可以出现任意次,这个任意次，也表示0次。

如下的字符串： adbcedf
那么，如果正则表达式：ab*, 将可以匹配成功，匹配结果是a，因为b出现0次，就只有a，a可以在目标字符串中找到。

字符串： abbbbb
正则表达式： ab*，将可以匹配成功，匹配结果是abbbbb,也就是b出现5次。当使用*的时候，对于同一个位置的匹配，它匹配的结果，总是以最多出现次数的结果为准的。虽然，它可以匹配到a,ab,abb,abb，但是它以b出现最多次为匹配结果。
同理，abbbbbxdsdsab,匹配结果是: abbbbb和ab

---

将.和*联合使用，也就是.*，它们就可以匹配任意数量的不包括换行的字符串(能不能匹配到换行，看具体实现而定)。

---

\d : \d匹配一位数字，如果要匹配两位数字，那么就需要这么写：\d\d,如果是3个，就需要写\d3次。多少位，就需要写多少个\d。这么写很麻烦，所以就有了简写：\d{9},这里表示匹配连续的9个数字。{}这种写法，可以放在任何的字符和元字符的后面。它表示重复次数。比如：a{2}，表示2要出现2次。

---

\s : 匹配任意的空白符，包括空格，制表符，换行符，中文全角空格等。

---

\w: 匹配字母、数字、下划线或汉字。 再次说明，这些匹配字符的元字符，不加后缀说明的情况下，都是匹配一个字符。

---

+ : 前面*号表示出现任意次，包括0次，+号是另一个表示数量的东西，它表示1次或者多次，也就是说，+号表示它前面的字符至少要出现一次。

---

^ : 表示字符串的开始，它也表示一个位置。所以，使用它的时候，它必须要放在表达式的最前面。

---

$ : 表示字符串的结尾，它同样表示一个位置。
\b是用来匹配单词的开始的，在正则表达式中，单词的意思是：不少于一个的连续的\w
^和$的具体作用还取决于实现，在有些实现中，它有个开关，可以设置 ^和$是匹配行的开始和结尾还是字符串的开始和结尾。

---

关于重复的总结
现在已经有以下几种：

语法 说明 * 重复 0次到多次 + 重复1次或更多次 ? 重复0次或者1次 {n} 重复指定次数 {n,} 重复n次或者n次以上 {n,m} 重复n到m次

{}的形式，可以覆盖*+?这3种形式，可以说，这3种是{}的简便表示方式。

---

关于匹配字符的总结
.可以匹配任意字符，\s匹配任何空白字符，\w匹配非空白字符，\d匹配数字。这四种元字符实际代表的是四种字符类型，表示单个字符的类型。
那么，如果要匹配字母，则没有现成的字符类型，或者如果要匹配的是指定的字符集合，也没有现成的字符类型，这就需要自己制定字符集合。指定方法是使用[]，把要匹配的字符放在其中。比如，要匹配abcd中的一个,则要这么写：

[abcd]

如果字母是连续的，那么可以这么写：

[a-z]

也就是说，可以用-来指定范围，比如要匹配全部的字母，则要这么写：

[a-zA-Z]

匹配的时候，是以最大化程度匹配。比如，有如下字符串：abceafafasfafAFAFAS
然后用[a-zA-Z]，匹配，则匹配的结果是每个字符都能匹配上，每个字母都是一个匹配结果。
而如果使用[a-zA-Z]+匹配，则匹配结果是abceafafasfafAFAFAS。

---

匹配元字符本身
.*?这些元字符在正则表达式中直接出现的时候都有特殊意义，所以要把这些元字符当做普通的字符来匹配，就需要转移，转义符：\ 转义就是把\后面的字符的意义转回它原来表示的意义。\本身的转义是\\。

---

反义
反义，可以把所有的字符看出一个集合，每种元字符都表示其中的一部分类型。而反义，就是让这些元字符，不再表示是原来表示的类型，而是反过来表示其原来不包含的部分。
反义的符号是: ^
比如：[^\d],会匹配除数字外的任何字符：

1dgh2s3sd
sf
s

会匹配每个字符，包括换行符。

注意，这里的[^\d]要加中括号，否则表示：前面是字符串开始的那个数字。实际上，为了匹配非数字字符，正则表达式中有一个专门的元字符：\D。
同样地，匹配空格外的所有字符用：\S。
匹配所有不是字母，数字，下划线，汉字的字符用：\W。
匹配所有不是单词开头或结尾的位置，用\B。
还可以匹配指定字符外的所有字符：[^x] 这将匹配所有x字符外的字符。
匹配指定字符外的其他所有字符：[^abce]。
例：
\S+匹配不包含空白符的字符串。
1dgh2s3sd adf匹配结果是：1dgh2s3sd和adf。因为它不匹配空格，所以在有空格的地方匹配不成功，就把字符串截断了。
<a[^>]+\> 匹配用尖括号括起来的以a开头的字符串。
这里a后面的[^>]+是必须的，[^>]用来表示除>的字符，+表示可以出现1次或多次。
[^abc]这表示，匹配除了a、b、c之外的所有字符，在这里要特别注意语法。
^和要排除的字符，都要放在[]中，并且，^后的部分，都是一个整体，而不是仅排除a。

---

分支
分支符号是：|
它的前面和后面都是一个正则表达式，只要这2个其中一个匹配成功就算匹配上了。
在有多个分支的时候，将会从左到右地测试每个条件，如果满足了某个分枝的话，就不会去再管其它的条件了。

---

后向引用

---

零宽断言

---

Java中使用正则表达式：

String content = excel_item.getContent();Pattern pattern = Pattern.compile("(?<=<img src=\").*(?=\")");Matcher matcher = pattern.matcher(content);while(matcher.find()) {    String group = matcher.group(0);}