正则表达式以及在Java中的使用

正则表达式（regular expression）

一、介绍

匹配文本内容的一种表达式。

1. 其描述了一个规则，通过这个规则可以匹配一类字符串

2. 简单的处理文本的语言

3. 很多的编程语言都可以使用正则表达式

二、字符匹配

简单字符

​ 写出一个普通字符串就会匹配一个字符串

简单的转义字符

• \n：换行

• \t：制表符

• \\：\本身

• \@ \$ … 字符本身

标准字符集合 \type

• \d：任意数字，0~9中的一个

• \D：除了上面的都匹配

• \w：任意的字母或数字或下划线。即A~Z a~z 0~9 _中的一个

• \W：除了上面的都匹配

• \s：空格、制表、换行等空白字符中的一个

• \S：除了上面的都匹配

• .：可以匹配任一个字符（除了换行符）

如果要匹配包括\n在内的所有字符，一般用[\s\S]

自定义字符集合[ ]

[ ]：匹配[ ]中的任一个字符，如[abc]匹配a或b或c

例子：

[^abc]：匹配a或b或c之外的

[f-k]、[2-8]：匹配f~k之间的包括边界 （-减号）

[^a-f2-3]：匹配a~f 和 2~3之外的

注意：

1. 如果特殊符号包含在[ ]中则会失去特殊意义，除了^ -(减号)

2. [ ]中有标准字符集合，除了.匹配任一个字符之外，会匹配对应的的集合

   如[\d.\-+] 匹配数字 .号 -号 +号

三、量词

修饰匹配次数的特殊字符

• {n}：匹配n次前一个表达式

  例子：

  \d{6}匹配6次\d，{}仅指明前一个表达式\d。等价于\d\d\d\d\d\d

  (\d\d){6}：12个\d

• {n,m}：匹配最少n次，最多m次

  特性：默认贪心（匹配越多越好）

  例子：\d{2，5}

  文本：1234567

  会匹配12345 而不是12

  非贪婪模式（{}?：会将匹配改成匹配越少越好。）

• {n,}：至少匹配n次

• ?：匹配表达式0次或1次 ，相当于{0,1}

  例子：

  a\d?b：匹配有ab并且其中有一个数字或没有数字的字符串

• +：匹配表达式至少1次 ，相当于{1,}

  例子：匹配所有空白符
  

• *：匹配表达式不出现或任意次数的 ，相当于{0,}

四、描述字符边界（零宽度，匹配不到字符）

表示匹配的是一个位置而不是字符，其不占据位置（如：a\bb：\b在a与b之间的位置）

符号：

^：字符串开始的地方

$：字符串结束的地方

\b：匹配一个单词边界，前面的字符和后面的字符不全是\w

ignorecase：忽略大小写模式

singleline：单行模式 —— 把整个文本看作是一个字符串

multiline：多行模式 —— 每一行都是一个字符串

在多行模式中若想匹配第一行\A，最后一行\Z

五、正则语法

• 选择符与分组

1. |：或 ，左右两边表达式为或的关系，匹配左边或者右边

2. ()：捕获组 ，匹配到的会被保存到内存中，每一个括号对应一个标号1，2，3…

3. (?:Expression)：不需要匹配到的内容，匹配到的内容不保存，大文本是需要考虑

• 反向引用(\nnn)

  \后面的nnn 依次对应前期的()已匹配出的内容

• 预搜索（零宽断言）

1. 是对位置的匹配，其本身是不计入匹配结果的

2. (?= exp )：断言自身的后面应该匹配exp表达式

   (?! exp )：断言自身的后面不能匹配exp表达式

   (?<= exp )：位置前面应该怎么样

   (?：位置前面不应该怎么样

六、练习

匹配中文字符：[\u4e00-\u9fa5]

匹配空白行：\n\s*\r

匹配HTML标记：<(\S*?)[^>]*>.*?<^1>|<.?/>

匹配首位空白字符：^\s*|\s*$

匹配Email地址：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

匹配网站URL：[a-zA-Z]+://[^\s]*

七、开发环境或文本编译器中使用正则

在Java中使用

正则中的\在Java中变成\\

1. 相关类在java.util.regex包下

   Pattern类：

   正则表达式的编译形式

   Pattern p = Pattern.compile(r,int);//创建正则表达式，并启用相应模式

   Matchar类：

   通过解释Pattern对character sequence执行匹配操作的引擎

   Matter m = p.matcher(str);//匹配str字符