1、表达式基础
1.1 句点符号
假设在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。要构造出这个正则表达式，可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符。
1.2 方括号符号
为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内只能匹配单个字符。
此外，方括号内还可以用“-”表示跨度，如“[a-g]”匹配字母表中a到g的小写字母，“[1-9]”匹配1到9的数字。
可以使用“&&”取交集，比如“[1-9&&[^456]]”，匹配1到9中除了4、5、6以外的数字。
1.3 “或”符号
如果除了上面匹配的所有单词之外，还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组。
1.4 表示匹配次数的符号
| 符号 | 意义 |
|---|---|
| ? | 0次或1次 |
| + | 1次或多次，即至少1次 |
| * | 0次或多次，即任意多次 |
| {n} | 恰好n次 |
| {n,m} | n次到m次 |
假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如下图所示。
在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“\”。
假设进行搜索的时候希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，可以在连字符号后面加上“？”数量限定符号，如下图所示：
1.5 “否”符号
“”符号称为“否”符号。如果用在方括号内，“”表示不想要匹配的字符。例如，下图的正则表达式匹配所有单词，但以“X”字母开头的单词除外。
1.6 圆括号
1.6.1 限定量词作用的范围
例
(cat)? 匹配0个或1个“cat”
(cat)+ 匹配1个或多个“cat”
1.6.2 限定多选结构的范围
例
(cat|dog) 匹配“cat”或“dog”
1.6.3 分组捕获
位于圆括号之间的模式匹配的内容都会被捕获，当模式中有嵌套的圆括号时，变量的编号会按照圆开括号出现的位置一次进行。
例
(A-Za-z)((-)\d{2})匹配”A22-33”时，匹配情况如下：
第一个出现的圆括号中的正则表达式为：A-Za-z
匹配结果Group 1: A22
第二个出现的圆括号中的正则表达式为：\d{2}
匹配结果Group 2: 22
第三个出现的圆括号中的正则表达式为：(-)\d{2}
匹配结果Group 3: -33
第四个出现的圆括号中的正则表达式为：-
匹配结果Group 4: -
1.6.4 分组不捕获
当圆括号与“?:”组合使用时，表示非捕获型分组。圆括号的内容不作为捕获对象，当圆括号中的内容不是想捕获的对象时，采用非捕获圆括号可以提高匹配效率。
例
(\w(?:\d{2}))((?:-)\d{2})匹配” A22-33”情况如下：
Group 1: A22
Group 2: -33
注：\d{2}匹配的”22”没有被捕获，-匹配的“-”也没有被捕获。
1.6.5 反向引用捕获文本
例
([ab])\1，圆括号内的“[ab]” 可以匹配“a”或“b”，后面的“\1”代表，如果前面匹配的文本引用。如果捕获组匹配到“a”，那么反向引用也就只能匹配“a”，同理，如果捕获组匹配到的是“b”，那么反向引用也就只能匹配“b”。由于后面反向引用“\1”的限制，要求必须是两个相同的字符，在这里也就是“aa”或者“bb”才能匹配成功。
1.6.6 前瞻
当圆括号与“?=”组合使用时，表示前瞻，代表该表达式会作为匹配校验，但不会出现在匹配结果字符串里面。
例
(John) (?=Resig)匹配情况如下：
John：不匹配，因为后面没有跟着Resig
John Backus：不匹配，后面跟着的不是Resig
John Reisg：匹配，John后面跟着Resig。但是匹配的结果是“John”而不是“John Reisg”。
1.7 预定义字符
| 符号 | 意义 |
|---|---|
| \d | 数字字符：[0-9] |
| \D | 非数字字符 |
| \s | 空白字符：[\t\n\x0B\f\r] |
| \S | 非空白字符 |
| \w | 单词字符：[a-zA-Z_0-9] |
| \W | 非单词字符 |
1.8 边界匹配字符
| 符号 | 意义 |
|---|---|
| ^ | 行首 |
| $ | 行尾 |
| \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 |
1.9 匹配模式
正则表达式有三种匹配模式：
- 贪婪（greedy）
- 勉强（reluctant）
- 侵占（possessive）
| 贪婪 | 勉强 | 侵占 | 意义 |
|---|---|---|---|
| X? | X?? | X?+ | 匹配 X 零次或一次 |
| X* | X*? | X*+ | 匹配 X 零次或多次 |
| X+ | X+? | X++ | 匹配 X 一次或多次 |
| X{n} | X{n}? | X{n}+ | 匹配 X n 次 |
| X{n,} | X{n,}? | X{n,}+ | 匹配 X 至少 n 次 |
| X{n,m} | X{n,m}? | X{n,m}+ | 匹配 X 至少 n 次，但不多于 m 次 |
例
假定要分析的字符串是：xfooxxxxxxfoo
.*foo（贪婪模式）:
模式分为子模式p1(.*)和子模式p2(foo)两个部分。其中p1中的量词匹配方式使用默认方式(贪婪型)。 匹配开始时，吃入所有字符xfooxxxxxxfoo去匹配子模式p1。匹配成功，但这样以来就没有了字符串去匹配子模式p2。本轮匹配失败；第二轮：减少p1部分的匹配量，吐出最后一个字符, 把字符串分割成xfooxxxxxxfo和o两个子字符串s1和s2。 s1匹配p1, 但s2不匹配p2。本轮匹配失败；第三轮，再次减少p1部分匹配量，吐出两个字符，字符串被分割成xfooxxxxxxfo和oo两部分。结果同上。第四轮，再次减少p1匹配量, 字符串分割成xfooxxxxxx和foo两个部分,，这次s1/s2分别和p1/p2匹配。停止尝试，返回匹配成功。-
.*?foo（勉强模式）:最小匹配方式。第一次尝试匹配, p1由于是0或任意次，因此被忽略，用字符串去匹配p2，失败；第二次，读入第一个字符x，尝试和p1匹配,，匹配成功；字符串剩余部分
fooxxxxxxfoo中前三个字符和p2也是匹配的。因此，停止尝试，返回匹配成功。在这种模式下，如果对剩余字符串继续去寻找和模式相匹配的子字符串，还会找到字符串末尾的另一个xfoo，而在贪婪模式下，由于第一次匹配成功的子串就已经是所有字符，因此不存在第二个匹配子串。 -
.*+foo（侵占模式）:也叫占用模式。匹配开始时读入所有字符串，和p1匹配成功, 但没有剩余字符串去和p2匹配。因此，匹配失败。返回。
简单地说，贪婪模式和占有模式相比, 贪婪模式会在只有部分匹配成功的条件下，依次从多到少减少匹配成功部分模式的匹配数量，将字符留给模式其他部分去匹配；而占用模式则是占有所有能匹配成功部分，绝不留给其他部分使用。
占用模式目前只有java支持，通常比较少用。
2、Java实例
JDK中与正则表达式相关的类位于java.util.regex包下。有两个类Pattern和Matcher。
String regex = "((A+)(B(C)))";
String input = "ABC-AABC-AAAAABCD";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
int groupCount = matcher.groupCount();
// regex被圆括号分为四组，按照括号的出现位置，分别为：((A+)(B(C)))、(A+)、(B(C))、（C）
// 匹配的时候，还是按照A+BC 去搜索，只不过，每次匹配成功后，会将搜到的字符串按照上面的四组规则分为四个子串，存储起来
while (matcher.find()) {
System.out.print("匹配结果：");
for (int i = 0; i < groupCount; i++) {
System.out.print("group" + i + ":" + matcher.group(i) + "\t");
}
System.out.println();
}
输出：
匹配结果：group0:ABC group1:ABC group2:A group3:BC
匹配结果：group0:AABC group1:AABC group2:AA group3:BC
匹配结果：group0:AAAAABC group1:AAAAABC group2:AAAAA group3:BC