正则表达式语法详解

正则表达式的基本用途即：搜索与替换。给定一个正则表达式，他要么匹配一些文本（进行一次搜索），要么匹配并替换一些文本（进行一次替换）。

匹配单个字符

• 匹配纯文本
  eg：reg="string";其中string即为需匹配的字符。需要注意：正则表达式是区分大小写的，即String不匹配string

• 匹配任意字符
  eg：reg=".";其中.（英文句号）用于匹配任何一个单个的字符、字母、数字甚至是.字符本身

• 匹配特殊字符
  eg：reg="\.";其中\（反斜杠）是一个元字符，用来对其后的符号进行转义。由于.字符在正则表达式中有特殊含义，所以需要用\来对其进行转义，.即匹配.字符本身
  注意：如果需要搜索\本身，则需要对\进行转义，即reg="\\";

匹配一组字符

• 匹配多个字符中的某一个
  eg：reg="[ns]";[和]不匹配任何字符，它们只负责定义一个字符集和，这个集合将匹配字符n或s
  eg：reg="[NnSs]";这个集合将匹配字符N、n、S、s

• 匹配字符集和区间
  eg：reg="[0123456789]";或reg="[0-9]";这个集合将匹配任何一个数字
  eg：reg="[A-Za-z]";这个集合将匹配任何一个大小写字母

• 取非匹配
  eg：reg="[^0-9]";其中元字符^表示对这个字符集合进行取非匹配，这个集合将匹配除了数字以外的任何字符

使用元字符

• 对特殊字符进行转义
  eg：reg="\[\]";这个集合将匹配[]，任何一个元字符都可以通过给他加上一个反斜杠字符（\）作为前缀的办法来转义

• 匹配空白字符

  元字符	说明
  [\b]	回退（并删除）一个字符（Backspace键）
  \f	换页符
  \n	换行符
  \r	回车符
  \t	制表符（Tab键）
  \v	垂直制表符

  eg：reg="\r\n\r\n";匹配windows系统中2条记录之间的一个空白行
  eg：reg="\n\n";匹配linux系统中2条记录之间的一个空白行

• 匹配特定的字符类别

  元字符	说明
  \d	任何一个数字字符（等价于[0-9]）
  \D	任何一个非数字字符（等价于[^0-9]）
  \w	任何一个字母数字字符（大小写均可）或下划线字符（等价于[a-zA-Z0-9_]）
  \W	任何一个非字母数字字符或非下划线字符（等价于[^a-zA-Z0-9_]）
  \s	任何一个空白字符（等价于[\f\n\r\t\v]）
  \S	任何一个非空白字符（等价于[^\f\n\r\t\v]）

  eg：reg="\d";匹配任意一个数字字符
  eg：reg="\w+[\w\.]*@[\w\.]+\.\w+";匹配合法的电子邮件

• 使用16进制与8进制
  eg：reg="\x0A";\x0A对应于ASCII字符10（换行符），其效果等价于\n
  eg：reg="\011";\011对应于ASCII字符9（制表符），其效果等价于\t

• 使用POSIX字符类

  字符集	说明
  [:alnum:]	任何一个字母或数字（等价于[a-zA-Z0-9]）
  [:alpha:]	任何一个字母（等价于[a-zA-Z]）
  [:blank:]	空格或制表符（等价于[\t]）
  [:cntrl:]	ASCII控制字符（ASCII 0-31，再加上ASCII 127）
  [:digit:]	任何一个数字（等价于[0-9]）
  [:graph:]	和[:print:]一样，但不包括空格
  [:lower:]	任何一个小写字母（等价于[a-z]）
  [:print:]	任何一个可打印字符
  [:punct:]	既不属于[:alnum:]，也不属于[:cntrl:]的任何一个字符
  [:space:]	任何一个空白字符，包括空格（等价于[^\f\n\r\t\v]）
  [:upper:]	任何一个大写字母（等价于[A-Z]）
  [:xdigit:]	任何一个十六进制数字（等价于[a-fA-F0-9]）

  eg：reg="[[:xdigit:]]";，等价于字符集和[a-fA-F0-9]

重复匹配

• 匹配一个或多个字符
  eg：reg="\w+";，其中+是一个元字符，可以用来匹配一个或多个字符，该集合匹配一个或多个字母数字或_字符
  eg：reg="[0-9]+";，该集合匹配一个或多个数字

• 匹配零个或多个字符
  eg：reg="\w*";，*的用法与+完全一样，只要把它放在一个字符（或一个字符集合）的后面，就可以匹配该字符（或字符集合）连续出现零次或多次的情况

• 匹配零个或一个字符
  eg：reg="https?";，?只能匹配一个字符（或字符集合）的零次或一次出现，最多不超过一次。若该字符可能出现，也可能不出现，则?无疑是最佳的选择。该集合指字符?前面的字符s要么不出现，要么最多出现一次

• 匹配的重复次数
  eg：reg="\d{6}";，指匹配6个数字字符。{和}是元字符
  eg：reg="\d{2,4}";，指最少重复2次，最多重复4次
  eg：reg="\d{3,}";，指至少重复3次

• 防止过度匹配
  eg：
  文本：<B>AK</B>and<B>HI</B>
  正则表达式：reg="<[Bb]>.*</[Bb]>";，*和+都是所谓的贪婪型元字符
  匹配结果：**<B>AK</B>and<B>HI</B>**
  正则表达式：reg="<[Bb]>.*?</[Bb]>";，*和+都是所谓的贪婪型元字符
  匹配结果：**<B>AK</B>** **<B>HI</B>**
  其中，?是*和+的懒惰型版本

位置匹配

• 边界
  eg：
  文本：The cat s**cat**tered his food all over the room
  正则表达式：reg="cat";
  匹配结果：cat cat
  即将单词中的cat也匹配出来了

• 单词边界
  eg：
  文本：The cat scattered his food all over the room
  正则表达式：reg="\bcat\b";
  匹配结果：cat
  \b匹配的是这样一个位置，这个位置位于一个能够用来构成单词的字符（字母、数字和下划线，也就是与\w相匹配的字符）和一个不能用来构成单词的字符（也就是与\W相匹配的字符）之间
  eg：
  文本：nine-digit color - coded
  正则表达式：reg="\B-\B";
  匹配结果：-
  \B匹配一个前后都不是单词边界的字符

• 字符串边界
  一个用来定义字符串边界的元字符有两个：一个是用来定义字符串开头的^，一个是用来定义字符串结尾的$
  eg：reg="^\s*<\?xml.*\?>";
  eg：reg="</[Hh][Tt][Mm][Ll]>\s*$";

• 分行匹配模式
  eg：reg="(?m)^\s*//.*$";把换行符视为一个字符串分隔符
  元字符序列(?m)把行分隔符当做一个字符串分隔符来对待，(?m)必须出现在整个模式的最前面。在分行匹配模式下，^不仅匹配正常的字符串开头，还将匹配行分隔符（换行符）后面的开始位置；$不仅匹配正常的字符串结尾，还将匹配行分隔符（换行符）后面的结束位置

使用子表达式

• 子表达式
  eg：reg="( ){2,}";子表达式必须用(和)括起来，其中(和)是元字符
  eg：reg="\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}";等价于reg="(\d{1,3}\.){3}\d{1,3}";
  eg：reg="(19|20)\d{2}";匹配19或者20开头的4位数字

• 子表达式的嵌套
  eg：reg="(((\d{1,2})|(1\d{2})|(2([0-4])\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2([0-4])\d)|(25[0-5]))";匹配合法的IP地址

回溯引用-前后一致匹配

• 回溯引用匹配
  eg：reg="[ ]+(\w+)[ ]+\1";其中\1代表模式里的第一个子表达式，他引用的是前面划分出来的第一个子表达式，\2代表第二个子表达式，\3代表第三个，依次类推
  eg：reg="<[Hh][1-6]>.*?</[Hh]\1>";\1只匹配与之相同的数字

• 回溯引用在替换中的应用
  eg：
  文本：hello,ben@forta.com is my email address.
  `reg=”(\w+[\w.]*@[\w.]+.\w+)”;
  rep=”“;
  结果：ben@forta.com is my email address.

• 大小写转换

  字符集	说明
  \E	结束\L或\U转换
  \l	把下一个字符转换为小写
  \L	把\L到\E之间的字符全部转换为小写
  \u	把下一个字符转换为大写
  \U	把\U到\E之间的字符全部转换为大写

前后查找

-向前查找
一个向前查找模式就是一个以?=开头的子表达式，需要匹配的文本跟在=的后面
eg：reg=".+(?=:)";匹配:之前的一个或多个字符。?=意思指只要找到:就行了，不要把它包括在最终的匹配结果里，就是不消费它

-向后查找
一个向前查找模式就是一个以?<=开头的子表达式，需要匹配的文本跟在=的后面
eg：reg="(?<=:).+";匹配:之后的一个或多个字符。只要找到:就行了，不要把它包括在最终的匹配结果里，就是不消费它

-把向前查找和向后查找结合起来
eg：reg="(?<=<[Tt][Ii][Tt][Ll][Ee]>).*(?=</[Tt][Ii][Tt][Ll][Ee]>)";匹配与之后的零个或多个字符

-对前后查找取非

操作符	说明
(?=)	正向前查找
(?!)	负向前查找
(?<=)	正向后查找
(?	负向后查找

嵌入条件

• 回溯引用条件
  eg：reg="(\()?\d{3}(?(1)\)|-)\d{3}-\d{4}";其中?(1)判断第一个子表达式是否存在，如果(1)存在，则必须要匹配其后的字符，如果(1)不存在，则必须匹配|后的字符。(?(1))|-)是一个回溯引用条件

• 前后查找条件
  eg：reg="\d{5}(?(?=-)-\d{4})";其中?(?=-)判断(?=-)子表达式是否存在，如果存在，则必须要匹配其后的字符。(?(?=-)-\d{4})是一个前后查找条件

附正则表达式搜索和替换的相关代码：

import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class regex {
    public static void main(String[] args)
    {
        String str = "hello,ben@forta.com is my email address.";
        //正则表达式
        String reg = "(\\w+[\\w\\.]*@[\\w\\.]+\\.\\w+)";
        //替换
        String rep = "<A HREF=\"mailto:$1\">$1</A>";
        Matcher m = Pattern.compile(reg).matcher(str);
        //打印匹配到的字符
        while(m.find())
        {
            System.out.println(m.group());
        }
        //打印替换后的字符串
        System.out.println(m.replaceAll(rep));
    }
}