Java中的正则表达式

• 正则表达式语法
• • \
  • [^](#_16)
  • $
  • *
  • +
  • ?
  • {n}
  • {n,}
  • {n, m}
  • ?
  • .
  • (pattern)
  • (?:pattern)
  • (?=pattern)
  • (?!pattern)
  • (?<=pattern)
  • (?<!pattern)
  • x|y
  • [xyz]
  • [^xyz]
  • [a-z]
  • [^a-z]
  • [:name:]
  • [=elt=]
  • [.elt.]
  • \b
  • \B
  • \cx
  • \d
  • \D
  • \f
  • \n
  • \r
  • \s
  • \S
  • \t
  • \v
  • \w
  • \W
  • \xnn
  • \num
  • \n
  • \nm
  • \nml
  • \un
  • \p{P}
  • \ < \ >
  • ()
  • |
• 正则表达式使用场景
• • 字符串替换
  • • Matcher
    • • appendReplacement()
      • appendTail()
      • 示例
  • 字符校验

正则表达式语法

\

• 将下一个字符标记为:

  • 一个特殊字符
  • 一个原义字符(12个) : ^, $, (, ), *, +, ?, ., [, , {, |
  • 一个向后引用
  • 一个八进制转义符

• 示例:

  • \n – 换行符
  • \ \ – \
  • \ ( – (

^

• 匹配输入字符串的开始位置
• 如果设置RegExp对象的Multiline属性 , ^ 也匹配 \n 或 \r 之后的位置

$

• 匹配输入字符串的结束位置
• 如果设置RegExp对象的Multiline属性 , $ 也匹配 \n 或 \r 之前的位置

*

• 匹配前面的子表达式零次或多次

• 等价于 {0,}

• 示例:

  • zo* – z 或 zo 或 zoo

+

• 匹配前面的子表达式一次或多次

• 等价于 {1,}

• 示例:

  • zo+ – zo 或 zoo

?

• 匹配前面的子表达式零次或一次

• 等价于 {0,1}

• 示例:

  • do(es)? – do 或 does

{n}

• 匹配确定的n次 . n是一个非负整数

• 示例:

  • o{2} – 不能匹配Bob, 能匹配food

{n,}

• 至少匹配n次 . n是一个非负整数

• o{0,} 等价于 o*

• o{1,} 等价于 o+

• 示例:

  • o{2,} – 不能匹配Bob, 能匹配looooog

{n, m}

• 最少匹配n次,最多匹配m次 . n和m均为非负整数,其中 n<=m

• o{0,1} 等价于 o?

• 示例:

  • o{1,3} – 匹配loooooog的前三个o

?

• 非贪心量化: 当该字符紧跟在其余任何一个修饰符 *, +, ?, {n}, {n,}, {n,m} 后面时,匹配模式是非贪心的

  • 非贪心模式是尽可能少的匹配所搜索的字符串
  • 正则表达式默认是贪心模式,是尽可能多的匹配所搜索的字符串

• 示例:

  • o+? – 匹配loooooog中的单个o
  • o+ – 匹配loooooog所有的o

.

• 匹配除了 \r, \n 以外的任何单个字符
• 如果需要匹配 \r, \n 在内的字符,需要使用 (.|\r|\n)

(pattern)

• 匹配pattern并获取匹配的子字符串,子字符串用于向后引用
• 获取的匹配可以从产生Matches的集合中得到

(?:pattern)

• 匹配pattern但是不获取匹配的子字符串

• 这是一个非获取匹配,不存储匹配的子字符串用于向后引用

• 在替换使用或字符 | 来组合一个模式的各个部分时非常有用

• 示例:

  • industr(?:y|ies) 等价于 industry | industries

(?=pattern)

• 正向肯定预查: 在任何匹配pattern的字符串开始处匹配查找字符串

• 这是一个非获取匹配,即这个匹配不需要获取供以后使用

• 预查不会消耗字符.也就是说,在一个匹配开始时,在最后一个匹配发生之后立即开始下一次匹配搜索,而不是从包含预查字符后面的字符开始匹配搜索

• 示例:

  • Windows(?=95|98|NT|2000) – 可以匹配 Windows2000 中的 Windows , 但是不能匹配 Windows10 中的 Windows

(?!pattern)

• 正向否定预查: 在任何不匹配pattern的字符串开始处匹配查找字符串

• 这是一个非获取匹配,即这个匹配不需要获取供以后使用

• 预查不会消耗字符.也就是说,在一个匹配开始时,在最后一个匹配发生之后立即开始下一次匹配搜索,而不是从包含预查字符后面的字符开始匹配搜索

• 示例:

  • Window(?!95|98|NT|2000) – 可以匹配 Windows10 中的 Windows , 但是不能匹配 Windows2000 中的 Windows

(?<=pattern)

• 反向肯定预查: 在任何匹配pattern的字符串处反向匹配查找字符串

• 示例:

  • (?<=95|98|NT|2000)Windows – 可以匹配 2000Windows 中的 Windows , 但是不能匹配 10Windows 中的 Windows

(?<!pattern)

• 反向否定预查: 在任何不匹配pattern的字符串处反向匹配查找字符串

• 示例:

  • (?<!95|98|NT|2000)Windows – 可以匹配 10Windows中的 Windows , 但是不能匹配 2000Windows 中的 Windows

x|y

• 或匹配

• 如果没有包含在括号中,范围就是整个正则表达式. 否则只是对括号中的字符串进行匹配

• 示例:

  • z|food – z 或 food
  • (z|f)oo – zoo 或 foo

[xyz]

• 字符集合. 匹配所包含的任意一个字符

• 仅有特殊字符反斜线 \ 可以保持特殊含义的转义字符. 其余符号比如 *, +, (, ) 等均是普通字符

  • 脱字符 ^ 如果出现在首位表示负值字符集合. 如果出现在字符中间就是普通字符
  • 连字符 – 如果出现在字符串中间表示字符范围. 如果出现在首位或者末尾就是普通字符
  • 右括号如果出现在首位也是普通字符

• 示例:

  • [abc] – 可以匹配 plain 中的 a

[^xyz]

• 排除型字符集合. 匹配未列出的任意字符

• 示例:

  • [^abc] – 可以匹配 plain 中的 plin

[a-z]

• 字符范围. 匹配指定范围内的任意字符

• 示例:

  • [a-z] – 可以匹配 a 到 z 范围内的任意小写字母字符

[^a-z]

• 排除型字符范围. 匹配任何不在指定范围内的任意字符

• 示例:

  • [^a-z] – 匹配不在 a 到 z 范围内的任意字符

[:name:]

• 增加命名字符类中的字符到表达式. 只能用于方括号表达式

[=elt=]

• 增减当前locale下排序等价于elt的字符. 只能用于方括号表达式

[.elt.]

• 增加排序元素elt到表达式中. 只能用于方括号表达式
• 这个语法用于某些排序元素由多个字符组成. 比如29个字母表的西班牙语 ,CH作为单个字母排在字母C之后,因此会产生排序cinco, credo, chispa

\b

• 匹配单词边界.即单词和空格间的位置

• 示例:

  • er\b – 可以匹配 never 中的 er , 不能匹配 verb 中的 er

\B

• 匹配非单词边界

• 示例:

  • er\B – 可以匹配 verb 中的 er , 不能匹配 never 中的 er

\cx

• 匹配由x指明的控制字符

• x 的值必须为 A-Z 或者 a-z 的字符之一,否则就将 c 看作是一个原义的 c 字符

• 控制字符的值等于 x 的值的最小 5 bit(对十进制32的余数)

• 示例:

  • \cM – 匹配Control-M 或者 回车符
  • \ca – \u001
  • \cb – \u002

\d

• 匹配一个数字字符
• 等价于 [0-9]

\D

• 匹配一个非数字字符
• 等价于 [^0-9]

\f

• 匹配一个换页符
• 等价于 \x0c 和 \cL

\n

• 匹配一个换行符
• 等价于 \x0a 和 \cJ

\r

• 匹配一个回车符
• 等价于 \x0d 和 \cM

\s

• 匹配任何空白字符
• 包括空格,制表符,换页符等
• 等价于 [ \f\n\r\t\v]

\S

• 匹配任何非空白字符
• 等价于 [^ \f\n\r\t\v]

\t

• 匹配一个制表符
• 等价于 \x0b 和 \cI

\v

• 匹配一个垂直制表符
• 等价于 \x0b 和 \cK

\w

• 匹配包括下划线的任何单词字符
• 等价于 [A-Za-z0-9_]

\W

• 匹配任何非单词字符
• 等价于 [^A-Za-z0-9_]

\xnn

• 十六进制转义字符序列. 匹配两个十六进制数字nn表示的字符

• 正则表达式中可以使用ASCII编码

• \x041 等价于 \x04&1

• 示例:

  • \x41 – A

\num

• 向后引用一个子字符串,该子字符串与正则表达式的第num个用括号围起来的子表达式匹配

• num是从1开始的十进制正整数,上限可以是9, 31, 99甚至无限

• 示例:

  • (.)\1 – 匹配两个连续的相同字符

\n

• 标识一个八进制转义值或一个向后引用:

  • 如果 \n 之前至少n个获得子表达式,则n为向后引用
  • 否则 ,n为八进制数字0-7. 此时n为八进制转义值

\nm

• 标识一个八进制转义值或一个向后引用

  • 如果 \nm 之前至少nm个获得子表达式,则nm为向后引用
  • 如果 \nm 之前至少有n个获得子表达式,则n为一个后跟文字m的向后引用
  • 否则如果前面的条件都不满足,并且n和m均为八进制数字0-7, 那么 \nm 将匹配八进制转义值nm

\nml

• 如果n为八进制数字0-3, 并且m和l均为八进制数字0-7, 那么 \nml 将匹配八进制转义值nml

\un

• Unicode转义字符序列

• n是一个使用4个十六进制数字表示的Unicode字符

• 示例:

  • \u00A9 – 匹配著作权符号 (©)

\p{P}

• 用于Unicode正则表达式前缀

  • 小写p是property, 表示Unicode属性

  • 大括号中的P表示Unicode字符集中七个字符属性之一的标点字符.还有其余六个属性:

    • L : 字母
    • M : 标记符号. 通常不会单独出现
    • Z : 分隔符. 比如空格,换行等
    • S : 符号. 比如数学符号,货币符号等
    • N : 数字. 比如阿拉伯数字,罗马数字等
    • C : 其余字符

• 注意: 在JavaScript中不支持该语法

\ < \ >

• 匹配词word的开始 \ < 和结束 \ >

• 示例:

  • \ <the\ > – 可以匹配字符串 for the wise 中的 the , 不能匹配 otherwise 中的 the

()

• 将 ( 和 ) 之间的表达式定义为组group, 并且将匹配这个表达式的字符保存到一个临时区域. 一个正则表达式最多可以保存9个这样的临时区域,分别使用 \1 到 \9 的符号来引用

|

• 将两个匹配条件进行逻辑或or运算

• 示例:

  • (him|her) – 可以匹配 it belongs to hin 或 it belongs to her, 不能匹配 it belongs to them

正则表达式使用场景

字符串替换

• 转换日期格式示例

Matcher

• Matcher类中提供四个将匹配字符串替换成指定字符串的方法:

  • replaceAll()
  • replaceFirst()
  • appendReplacement()
  • appendTail()

• 重点掌握一下appendReplacement() 方法和appendTail() 方法

appendReplacement()

• appendReplacement(StringBuffer sb, String replacement):

  • 将当前匹配子串替换为指定字符串
  • 并且将替换后的子串以及到上次匹配之后的字符串添加到一个StringBuffer对象

appendTail()

• appendTail(StringBuffer sb):

  • 将最后一次匹配后剩余的字符添加到一个StringBuffer对象

示例

• 字符串fatcatfatcatfat, 正则表达式模式cat:

  • 第一次匹配后调用appendReplacement(sb, “dog”), 这时StringBuffer内容为fatdog. 即fatcat中的cat被替换为dog并且与匹配子串前的内容加到sb里
  • 第二次匹配后调用appendReplacement(sb, “dog”), 这时sb的内容就成为fatdogfatdog
  • 最后一次调用appendTail(sb), 那么sb的内容成为fatdogfatdogfat

字符校验

• 正则表达式校验示例