[Android基础]正则表达式

参考链接：

http://blog.csdn.net/chenshaoyang0011/article/details/7217449

http://su1216.iteye.com/blog/1571083

在线正则表达式测试网站：

http://tool.oschina.net/regex#

Java中关于正则表达式的类：Pattern 和 Matcher

1.集合

[abc]   表示a或b或c

[^abc]   表示除了a,b,c之外的任意字符

[a-z]   表示a到z

[a-zA-Z]   表示a到z 或 A到Z

[a-z[A-Z]]   同上

[a-z&&[def]]   表示a到z 和 def 取交集

记住：集合最终只会匹配一个字符。 如果你的目标字符串是hate，那么一次匹配成功的结果也只是第一个字母h，并不是整个单词

2.预定义字符类

.   表示任意一个字符

\d   表示匹配数字，等价于[0-9]   digit数字的首字母

\D   表示匹配非数字，等价于[^0-9]

\s   表示匹配空白字符(包括空格、\t、\n、\x0B、\f、\r)，等价于[\t\n\x0B\f\r]   space空格的首字母

\S   表示匹配非空白字符，等价于[^\s]

\w   表示匹配字符，等价于[a-zA-Z_0-9]   即包括a-z,A-Z,下划线,数字   word字符的首字母

\W   表示匹配非字符，等价于[^\w]

3.边界匹配

^   表示匹配字符串的开头，如 "abc".matches("^a.*");返回true

$   表示匹配字符串的结尾，如 "abc".matches("abc$");返回true

\b   表示匹配单词边界，如 "hello,world".matches("\\bhello\\b.*");返回true。(在字符串中表示用\\来表示\)   boundary边界的首字母

\B   表示匹配非单词边界

4.量词

?   表示0个至一个

*   表示0个至任意多个

+   表示至少一个

{min,max}   如{2,5}表示2到5次，{2,}表示至少2次，{2}表示只匹配2次，{,2}是错误的无意义的

同时，?还有特殊的含义，用来区分贪婪模式和非贪婪模式：

当?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”

5.反向引用

()   表示将括号里面的内容作为一个独立的单元，理解为一个分组

\数字   表示反向引用

正则表达式在计算完以后，每一个分组都被保存到一个特殊的地方以备将来使用。使用这些存储在分组中的特殊值，称之为反向引用

反向引用是按照从左到右遇到的左括号字符的顺序来创建和编号的。例如表达式(A?(B?(C?))),将产生编号从1－3的三个反向引用：

编号1： (A?(B?(C?)))

编号2： (B?(C?))

编号3： (C?)

通过使用\1就可以使用编号为1的分组的结果，如此类推

如 "hello,hello".matches("(hello),\\1")返回true。其中\1的内容就是hello

又如 “((\d)(\d))\d”来匹配123这个数字。\1的内容就是12，\2的内容就是1，\3的内容就是2

()可以保存捕获的内容，这种类型的括号叫做捕获型括号，相对应的就有非捕获型括号(?:)，此时如果你使用反向引用的话，就会出现错误

注意：非捕获型括号不影响捕获计数，获取“((?:\d)(\d))”中的“(\d)”捕获的内容为\2，不再是\3

6.环视（零宽断言）

环视分为顺序和逆序，肯定和否定，组合一下一共4种

(?=)          顺序肯定环视：（从左至右）查看文本，如果能够匹配，就返回匹配成功信息

(?<=)       逆序肯定环视：（从右至左）查看文本，如果能够匹配，就返回匹配成功信息

(?!)           顺序否定环视：（从左至右）查看文本，如果不能够匹配，就返回匹配成功信息

(?<!)        逆序否定环视：（从右至左）查看文本，如果不能够匹配，就返回匹配成功信息

如 "helloo123".matches("hello(?!\\d)o123");return true

而 "hello1123".matches("hello(?!\\d)o123");return false

个人认为零宽断言类似于一种约束，hello(?!\\d)表示如果hello后面不是一个数字，那么就能匹配hello

注意零宽断言不消耗字符，只是一种"匹配的检查"，同时，虽然它也有双括号，但是不能捕获字符，所以不能使用反向引用

最后给出所有的元字符(来自百度百科，同时百科上还有很多的实例)

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	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任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1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”。
.点	匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”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，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“Windows2000”中的“Windows”，但不能匹配“Windows3.1”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)	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，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“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(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“plin”。
[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。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^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（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。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	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。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。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\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（0-7），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（&copy;）。
\< \>	匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
\( \)	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（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字