正则表达式速查表

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

XY    X 后跟 Y

X|Y    X 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

\Q    Nothing，但是引用所有字符，直到 \E

\E    Nothing，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 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\\)"。



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-z

4        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，则新行符是唯一识别的行结束符。



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        \A

3        (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。