Java 正则表达式

正则表达式

正则表达式定义了字符串的模式。
正则表达式可以用来搜索、编辑或处理文本。
正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

Java.util.regex 包主要包括以下三个类：

• Pattern 类： pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern
  对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。
• Matcher 类： Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher
  也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。
• PatternSyntaxException： PatternSyntaxException
  是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

语法

“\”：将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，”n”匹配字符”n”。”\n”匹配换行符。序列”\”匹配”\”，”(“匹配”(“。

“^”：匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与”\n”或”\r”之后的位置匹配。

“$”：

匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与”\n”或”\r”之前的位置匹配。

“*”：
零次或多次匹配前面的字符或子表达式。例如，zo* 匹配”z”和”zoo”。* 等效于 {0,}。

“+”：一次或多次匹配前面的字符或子表达式。例如，”zo+”与”zo”和”zoo”匹配，但与”z”不匹配。+ 等效于 {1,}。

“?”：零次或一次匹配前面的字符或子表达式。例如，”do(es)?”匹配”do”或”does”中的”do”。? 等效于 {0,1}。

{n}：n 是非负整数。正好匹配 n 次。例如，”o{2}”与”Bob”中的”o”不匹配，但与”food”中的两个”o”匹配。

{n,}：n 是非负整数。至少匹配 n 次。例如，”o{2,}”不匹配”Bob”中的”o”，而匹配”foooood”中的所有 o。”o{1,}”等效于”o+”。”o{0,}”等效于”o*”。

{n,m}：M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，”o{1,3}”匹配”fooooood”中的头三个 o。’o{0,1}’ 等效于 ‘o?’。注意：您不能将空格插入逗号和数字之间。

“?”：当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是”非贪心的”。”非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的”贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串”oooo”中，”o+?”只匹配单个”o”，而”o+”匹配所有”o”。

“.”：匹配除”\r\n”之外的任何单个字符。若要匹配包括”\r\n”在内的任意字符，请使用诸如”[\s\S]”之类的模式。

(pattern)：匹配 pattern 并捕获该匹配的子表达式。可以使用 0…9 属性从结果”匹配”集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用”(“或者”)”。

(?:pattern)：匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用”or”字符 (|) 组合模式部件的情况很有用。例如，’industr(?:y|ies) 是比 ‘industry|industries’ 更经济的表达式。

(?=pattern)：执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，’Windows (?=95|98|NT|2000)’ 匹配”Windows 2000”中的”Windows”，但不匹配”Windows 3.1”中的”Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

(?!pattern)：执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，’Windows (?!95|98|NT|2000)’ 匹配”Windows 3.1”中的 “Windows”，但不匹配”Windows 2000”中的”Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

“x|y”：匹配 x 或 y。例如，’z|food’ 匹配”z”或”food”。’(z|f)ood’ 匹配”zood”或”food”。

[xyz]：字符集。匹配包含的任一字符。例如，”[abc]”匹配”plain”中的”a”。

[^xyz]：反向字符集。匹配未包含的任何字符。例如，”[^abc]”匹配”plain”中”p”，”l”，”i”，”n”。

[a-z]：字符范围。匹配指定范围内的任何字符。例如，”[a-z]”匹配”a”到”z”范围内的任何小写字母。

[^a-z]：反向范围字符。匹配不在指定的范围内的任何字符。例如，”[^a-z]”匹配任何不在”a”到”z”范围内的任何字符。

“\b”：匹配一个字边界，即字与空格间的位置。例如，”er\b”匹配”never”中的”er”，但不匹配”verb”中的”er”。

“\B”：非字边界匹配。”er\B”匹配”verb”中的”er”，但不匹配”never”中的”er”。

“\cx”：匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是”c”字符本身。

“\d”：数字字符匹配。等效于 [0-9]。

“\D”：非数字字符匹配。等效于 [^0-9]。

“\f”：换页符匹配。等效于 \x0c 和 \cL。

“\n”：换行符匹配。等效于 \x0a 和 \cJ。

“\r”：匹配一个回车符。等效于 \x0d 和 \cM。

“\s”：匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。

“\S”：匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。

“\t”：制表符匹配。与 \x09 和 \cI 等效。

“\v”：垂直制表符匹配。与 \x0b 和 \cK 等效。

“\w”：匹配任何字类字符，包括下划线。与”[A-Za-z0-9_]”等效。

“\W”：与任何非单词字符匹配。与”[^A-Za-z0-9_]”等效。

“\xn”：匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，”\x41”匹配”A”。”\x041”与”\x04”&”1”等效。允许在正则表达式中使用 ASCII 代码。

“\num”：匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，”(.)\1”匹配两个连续的相同字符。

“\n”：标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。

“\nm”：标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。

“\nml”：当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。

“\un”：匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。

注意：根据 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\\)"。

捕获组

捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。
例如，正则表达式 (dog) 创建了单一分组，组里包含”d”，”o”，和”g”。
捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：

• ((A)(B(C)))
• (A)
• (B(C))
• (C)

可以通过调用 matcher 对象的 groupCount 方法来查看表达式有多少个分组。groupCount 方法返回一个 int 值，表示matcher对象当前有多个捕获组。
还有一个特殊的组（group(0)），它总是代表整个表达式。该组不包括在 groupCount 的返回值中。

// 按指定模式在字符串查找String line = "This order was placed for QT3000! OK?";String pattern = "(\\D*)(\\d+)(.*)";// 创建 Pattern 对象Pattern r = Pattern.compile(pattern);// 现在创建 matcher 对象Matcher m = r.matcher(line);if (m.find()) {    System.out.println("value: " + m.group(0)); //value: This order was placed for QT3000! OK?    System.out.println("value: " + m.group(1)); //value: This order was placed for QT    System.out.println("value: " + m.group(2)); //value: 3000    System.out.println("value: " + m.group(3)); //value: ! OK?    System.out.println("value: " + m.start(2)); //value: 28->3    System.out.println("value: " + m.end(2)); //value: 32->!} else {    System.out.println("NO MATCH");}

Matcher类的方法

索引方法

索引方法提供了有用的索引值，精确表明输入字符串中在哪能找到匹配：

1.public int start()：返回以前匹配的初始索引。
2.public int start(int group)：返回在以前的匹配操作期间，由给定组所捕获的子序列的初始索引（用法看上面）
3.public int end()：返回最后匹配字符之后的偏移量。
4.public int end(int group)：返回在以前的匹配操作期间，由给定组所捕获子序列的最后字符之后的偏移量。（用法看上面）

String REGEX = "cat\\b";String INPUT = "cat cat cat cattie cat";Pattern p = Pattern.compile(REGEX);Matcher m = p.matcher(INPUT); // 获取 matcher 对象int count = 0;while(m.find()) {     count++;     System.out.println("Match number "+count);     System.out.println("start(): "+m.start());     System.out.println("end(): "+m.end());}

结果为：

Match number 1
start(): 0
end(): 3
Match number 2
start(): 4
end(): 7
Match number 3
start(): 8
end(): 11
Match number 4
start(): 19
end(): 22

研究方法

研究方法用来检查输入字符串并返回一个布尔值，表示是否找到该模式：

1.public boolean lookingAt()：
尝试将从区域开头开始的输入序列与该模式匹配。（与部分区域相匹配）
2.public boolean find()：
尝试查找与该模式匹配的输入序列的下一个子序列。
3.public boolean find(int start)：
重置此匹配器，然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。
4.public boolean matches()：尝试将整个区域与模式匹配。

String REGEX = "cat\\b";String INPUT = "cat cat cat cattie cat";Pattern p = Pattern.compile(REGEX);Matcher m = p.matcher(INPUT); // 获取 matcher 对象System.out.println(m.lookingAt()); //trueSystem.out.println(m.matches()); //falsem.find(4);System.out.println(m.start()); //4

替换方法

替换方法是替换输入字符串里文本的方法：

1.public Matcher appendReplacement(StringBuffer sb, String replacement)：实现非终端添加和替换步骤。
2.public StringBuffer appendTail(StringBuffer sb)：实现终端添加和替换步骤。

String REGEX = "(a*b)";String INPUT = "aabfooaabfooabfoobeeee";String REPLACE = "-";Pattern p = Pattern.compile(REGEX);// 获取 matcher 对象Matcher m = p.matcher(INPUT);StringBuffer sb = new StringBuffer();while (m.find()) {    m.appendReplacement(sb, REPLACE);}System.out.println(sb.toString()); //-foo-foo-foo-m.appendTail(sb);System.out.println(sb.toString()); //-foo-foo-foo-eeee

所以appendReplacement就是在Matcher.find()找到匹配的地方用REPLACE替换掉然后加进StringBuffer中去，这时后面可能还有字符串但是不匹配的，matcher.appendTail()就是把最后加上而已。

3.public String replaceAll(String replacement)：替换模式与给定替换字符串相匹配的输入序列的每个子序列。
4.public String replaceFirst(String replacement)：替换模式与给定替换字符串匹配的输入序列的第一个子序列。

String REGEX = "dog";String INPUT = "The dog says meow. " + "All dogs say meow.";String REPLACE = "cat";Pattern p = Pattern.compile(REGEX);// get a matcher objectMatcher m = p.matcher(INPUT); INPUT = m.replaceAll(REPLACE);System.out.println(INPUT); //The cat says meow. All cats say meow.INPUT = m.replaceFirst(REPLACE);System.out.println(INPUT); //The cat says meow. All dogs say meow.

5.public static String quoteReplacement(String s)：返回指定字符串的字面替换字符串。这个方法返回一个字符串，就像传递给Matcher类的appendReplacement 方法一个字面字符串一样工作。

因为斜线 (‘\’) 和美元符号 (‘$’) 具有特殊意义，所以在上面的例子中REPLACE如果用这两个符号就会报错，可以使用Matcher.quoteReplacement(String)对替换内容进行预先处理。

String REGEX = "(a*b)";String INPUT = "aabfooaabfooabfoobeeee";String REPLACE = "$";Pattern p = Pattern.compile(REGEX);// 获取 matcher 对象Matcher m = p.matcher(INPUT);StringBuffer sb = new StringBuffer();while (m.find()) {    m.appendReplacement(sb, m.quoteReplacement(REPLACE));}m.appendTail(sb);System.out.println(sb.toString()); //$foo$foo$foo$eeee

正则匹配工具

在线匹配工具：

http://rubular.com/

正则匹配软件

Mctracer

本文大部分是摘录的runoob.com的记录，只在一些不是很清晰的地方加了自己的说明，有兴趣的可以看看这个网站。

结束语：本文仅用来学习记录，参考查阅。