Java正则表达式

     正则表达式一个非常NB的东东，就不多说了。

 

基础：

[...] 位于括号之内的任意字符 

[^...] 不在括号之中的任意字符 

. 除了换行符之外的任意字符,等价于[^\n] 

\w 任何单字字符, 等价于[a-zA-Z0-9] 

\W 任何非单字字符,等价于[^a-zA-Z0-9] 

\s 任何空白符,等价于[\ t \ n \ r \ f \ v] 

\S 任何非空白符,等价于[^\ t \ n \ r \ f \ v] 

\d 任何数字,等价于[0-9] 

\D 除了数字之外的任何字符,等价于[^0-9] 

[\b] 一个退格直接量(特例) 

{n, m} 匹配前一项至少n次,但是不能超过m次 

{n, } 匹配前一项n次,或者多次 

{n} 匹配前一项恰好n次 

? 匹配前一项0次或1次,也就是说前一项是可选的. 等价于 {0, 1} 

+ 匹配前一项1次或多次,等价于{1,} 

* 匹配前一项0次或多次.等价于{0,} 

| 选择.匹配的要么是该符号左边的子表达式,要么它右边的子表达式 

(...) 分组.将几个项目分为一个单元.这个单元可由 *、+、？和|等符号使用,而且还可以记住和这个组匹配的字符以供此后引用使用 

\n 和第n个分组所匹配的字符相匹配.分组是括号中的子表达式(可能是嵌套的).分组号是从左到右计数的左括号数 

^ 匹配的是字符的开头,在多行检索中,匹配的是一行的开头 

$ 匹配的是字符的结尾,在多行检索中,匹配的是一行的结尾 

\b 匹配的是一个词语的边界.简而言之就是位于字符\w 和 \w之间的位置(注意:[\b]匹配的是退格符) 

\B 匹配的是非词语的边界的字符

下表是元字符及其在正则表达式上下文中的行为的一个完整列表：

字符 描述

\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^	匹配输入字符串的开始位置。如果设置了 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。如果设置了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。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '[.\n]' 的模式。
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或 '\)'。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 "或" 字符 (|) 来组合一个模式的各个部分是很有用。例如， 'industr(?:y|ies) 就是一个比 'industry|industries' 更简略的表达式。
(?=pattern)	正向预查，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，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)' 能匹配 "Windows 2000" 中的 "Windows" ，但不能匹配 "Windows 3.1" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	负向预查，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，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)' 能匹配 "Windows 3.1" 中的 "Windows"，但不能匹配 "Windows 2000" 中的 "Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
x|y	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\cx	匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\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。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 \x09 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_]'。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。.
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (©)。

 

Java中使用也比较简单：

1. 编译正则表达式的字面值得到对应的模式Pattern对象；

2. 创建匹配给定输入与此模式的匹配器Matcher；

3. 通过匹配器对象执行操作，匹配器对象的方法很丰富，方法之间组合使用更加强大。

注意：灵活的运用子串匹配得到的变量值$1,$2，再进行二次处理能够达到很巧妙的效果。

public class TestRegex {

public static void main(String[] args) {

// 被替换关键字的的数据源

Map<String, String> tokens = new HashMap<String, String>();

tokens.put("cat", "Garfield");

tokens.put("beverage", "coffee");

 

// 匹配类似velocity规则的字符串

String template = "${cat} really needs some ${beverage}.";

// 生成匹配模式的正则表达式

String patternString = "\\$\\{("+ StringUtils.join(tokens.keySet(), "|") + ")\\}";

System.out.println(patternString);

Pattern pattern = Pattern.compile(patternString);

Matcher matcher = pattern.matcher(template);

 

// 两个方法：appendReplacement, appendTail

//appendReplacement 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其之前到上次匹配子串之后的字符串段添加到一个StringBuffer对象里。 

//appendTail 将最后一次匹配工作后剩余的字符串添加到一个StringBuffer对象里。

StringBuffer sb = new StringBuffer();

while (matcher.find()) {

matcher.appendReplacement(sb, tokens.get(matcher.group(1)));

}

System.out.println("SB: "+sb.toString());

matcher.appendTail(sb);

// out: Garfield really needs some coffee.

System.out.println(sb.toString());

// 对于特殊含义字符"\","$","%"等，使用Matcher.quoteReplacement消除特殊意义

matcher.reset();

// out: cat really needs some beverage.

System.out.println(matcher.replaceAll("$1"));

// out: $1 really needs some $1.

System.out.println(matcher.replaceAll(Matcher.quoteReplacement("$1")));

// 到得邮箱的前缀名。

//$0为原字符串

//([a-z0-9_\\.\\-\\+]+)匹配出来的为$1  

//([\\da-z\\.\\-]+)匹配出来的为$2 

//([a-z\\.]{2,6})匹配出来的为$3 

String emailPattern = "^([a-z0-9_\\.\\-\\+]+)@([\\da-z\\.\\-]+)\\.([a-z\\.]{2,6})$";

pattern = Pattern.compile(emailPattern);

matcher = pattern.matcher("[email protected]");

// 验证是否邮箱

System.out.println(matcher.find());

// 得到@符号前的邮箱名 out: test

StringBuffer sb2 = new StringBuffer();

System.out.println(matcher.appendTail(sb2)+" : "+matcher.replaceAll("$1"));

// 获得匹配值

String temp = "<meta-data android:name=\"appid\" android:value=\"joy\"></meta-data>";

pattern = Pattern.compile("android:(name|value)=\"(.+?)\"");

matcher = pattern.matcher(temp);

while (matcher.find()) {

System.out.println(matcher.group(2));

}}}