java.util.regex.Pattern类使用

标签： 正则表达式perljavagraphcharacter嵌入式

2012-04-09 12:47 6136人阅读 评论(2)收藏举报

本文章已收录于：

目录(?)[+]

1. 正则表达式的构造摘要
2. 反斜线转义和引用
3. 字符类
4. 行结束符
5. 组和捕获
6. Unicode 支持
7. 与 Perl 5 相比较

public final class Pattern extends Object implements Serializable
 
正则表达式的编译表示形式。
指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建 Matcher 对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。
因此，典型的调用顺序是
Pattern p = Pattern.compile("a*b"); Matcher m = p.matcher("aaaaab"); boolean b = m.matches();
在仅使用一次正则表达式时，可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句
boolean b = Pattern.matches("a*b", "aaaaab");
等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式。
此类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。 非捕获组
正则表达式的构造摘要
构造匹配 字符x字符 x\\反斜线字符\0n带有八进制值 0 的字符 n (0 <= n <= 7)\0nn带有八进制值 0 的字符 nn (0 <= n <= 7)\0mnn带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）\xhh带有十六进制值 0x 的字符 hh\uhhhh带有十六进制值 0x 的字符 hhhh\t制表符 ('\u0009')\n新行（换行）符 ('\u000A')\r回车符 ('\u000D')\f换页符 ('\u000C')\a报警 (bell) 符 ('\u0007')\e转义符 ('\u001B')\cx对应于 x 的控制符 字符类[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）[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） 预定义字符类.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] POSIX 字符类（仅 US-ASCII）\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] 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() 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） 边界匹配器^行的开头$行的结尾\b单词边界\B非单词边界\A输入的开头\G上一个匹配的结尾\Z输入的结尾，仅用于最后的结束符（如果有的话）\z输入的结尾 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 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 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 Logical 运算符XYX 后跟 YX|YX 或 Y(X)X，作为捕获组 Back 引用\n任何匹配的 nth 捕获组 引用\Nothing，但是引用以下字符\QNothing，但是引用所有字符，直到 \E\ENothing，但是结束从 \Q 开始的引用 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i d m s u x on - off(?idmsux-idmsux:X)  X，作为带有给定标志 i d m s u x on - off(?=X)X，通过零宽度的正 lookahead(?!X)X，通过零宽度的负 lookahead(?<=X)X，通过零宽度的正 lookbehind(?<!X)X，通过零宽度的负 lookbehind(?>X)X，作为独立的非捕获组
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
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    \x2    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
如果未指定
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。 Unicode Technical Standard #18:Unicode Regular Expression Guidelines 第 1 级和 RL2.1 Canonical Equivalents。
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获取。
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
Java 源代码中的 Unicode 转义序列（如 \u2014）是按照 Java Language Specification 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解析器直接实现，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。 Character 类指定版本中的 The Unicode 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。 上文所述。
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
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
    
Java Language 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\\)"。 UNIX_LINES 模式，则新行符是唯一识别的行结束符。 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。

顶

2

踩

0

 

 

• 上一篇转：java.util.regex.Pattern类使用举例
• 下一篇日期格式转化dateformat、simpleDateFormat