正则表达式基础入门

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
1. 给定的字符串是否符合正则表达式的过滤逻辑，即是否匹配成功；
2. 可以通过正则表达式，从字符串中获取我们想要的特定部分。

不仅仅是在编程中使用，现在的很多编辑器搜索时都支持正则表达式匹配，所以很有必要学习其使用方法。接下来我们就开始来介绍一下正则表达式的基础使用。

1、基础

1.1 字符介绍

一般来说正则表达式就是以某种方式描述字符串，如以下几种最简单的方式：

• 可能有某个字符？：-？ (可能有一个负号-)
• 有一个或多个之前的表达式+：\d+ (有一位或多位数字)
• 或操作|：-|A (有负号-或字符A)

注意：这里的\\表示“我想要插入一个正则表达式的反斜线，所以其后的字符具有特殊的意义”

所以这里表示一位数字用的是\\d。

常用的字符如下：

x       字符 x 
\\      反斜线字符 
\0n     带有八进制值 0 的字符 n (0 <= n <= 7) 
\0nn    带有八进制值 0 的字符 nn (0 <= n <= 7) 
\0mnn   带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7） 
\xhh    带有十六进制值 0x 的字符 hh 
\uhhhh  带有十六进制值 0x 的字符 hhhh 
\t      制表符 ('\u0009') 
\n      新行（换行）符 ('\u000A') 
\r      回车符 ('\u000D') 
\f      换页符 ('\u000C') 
\a      报警 (bell) 符 ('\u0007') 
\e      转义符 ('\u001B') 
\cx     对应于 x 的控制符 

常用的字符类如下：

.       任何字符（与行结束符可能匹配也可能不匹配） 
\d      数字：[0-9] 
\D      非数字： [^0-9] 
\s      空白字符：[ \t\n\x0B\f\r] 
\S      非空白字符：[^\s] 
\w      单词字符：[a-zA-Z_0-9] 
\W      非单词字符：[^\w] 
[abc]           a、b 或 c（简单类） 
[^abc]          任何字符，除了 a、b 或 c 
[a-zA-Z]        a 到 z 或 A 到 Z，两头的字母包括在内（范围） 
[a-d[m-p]]      a 到 d 或 m 到 p：[a-dm-p]（并集） 
[a-z&&[def]]    d、e 或 f（交集） 
[a-z&&[^bc]]    a 到 z，除了 b 和 c：[ad-z]（减去） 
[a-z&&[^m-p]]   a 到 z，而非 m 到 p：[a-lq-z]（减去） 

边界匹配符：

 ^      行的开头 
 $      行的结尾
 ...
 \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 

通过以上的一些基本知识，我们可以写出很多实用的正则表达式，如以下的这些：

• 匹配Email地址的正则表达式：w+([-+.]w+)@w+([-.]w+).w+([-.]w+)*
• 匹配由26个英文字母组成的字符串 　^[A-Za-z]+$　　
• 只能输入数字：“^[0-9]*$”
• 匹配中文字符 [u4e00-u9fa5]（注：\u4e00-\u9fa5是所有汉字的unicode编码范围）

通过以上示例我们可以看见，运用正则表达式可以完成许多操作，而不用我们去用代码实现。当然还有更完善的匹配了模式，请继续往下看。

1.2 量词

量词描述了一个模式吸收输入文本的方式，有以下几种：

• 贪婪型：尽可能多的匹配，重复零次或更多。尝试匹配时，会选定尽可能多的内容，失败则回退一个字符，再次尝试回退的过程叫做回溯。相比下面两种贪婪量词对资源的消耗是最大的。

X?      X，一次或一次也没有 
X*      X，零次或多次 
X+      X，一次或多次 
X{n}    X，恰好 n 次 
X{n,}   X，至少 n 次 
X{n,m}  X，至少 n 次，但是不超过 m 次 

• 勉强型：匹配满足模式所需的最少字符数，即非贪婪型，重复一次或更多次

X??     X，一次或一次也没有 
X*?     X，零次或多次 
X+?     X，一次或多次 
X{n}?   X，恰好 n 次 
X{n,}?  X，至少 n 次 
X{n,m}? X，至少 n 次，但是不超过 m 次 

• 占有型：重复零次或一次

X?+     X，一次或一次也没有 
X*+     X，零次或多次 
X++     X，一次或多次 
X{n}+   X，恰好 n 次 
X{n,}+  X，至少 n 次 
X{n,m}+ X，至少 n 次，但是不超过 m 次 

以上的那些基本涵盖了常用的的各个方面，我们可以借用它们实现很多强大的功能了。很多语言都对正则表达式提供了很好的支持，我们这里用Java语言来介绍一下基本的使用。

2、Java正则表达式

在上一篇博文中我们讲文件操作时提到过Java类库对正则表示式的支持，在这一篇中，我们来详细的看看。

2.1 java.util.regex

java对正则表达式的支持在java.util.regex的包中，此包里含有两个类：

• Pattern： 正则表达式的编译表示形式。
• Matcher：通过解释 Pattern 对 字符序列执行匹配操作的引擎。

2.1.1 Pattern

指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建 Matcher 对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。

典型的调用顺序是 :

 Pattern p = Pattern.compile("a*b");
 Matcher m = p.matcher("aaaaab");
 boolean b = m.matches();

更多关于Pattern类的详细方法可以参考下表：

返回值	方法
static Pattern	compile(String regex) 将给定的正则表达式编译到模式中。
static Pattern	compile(String regex, int flags) 将给定的正则表达式编译到具有给定标志的模式中。
int	flags() 返回此模式的匹配标志。
Matcher	matcher(CharSequence input) 创建匹配给定输入与此模式的匹配器。
static boolean	matches(String regex, CharSequence input) 编译给定正则表达式并尝试将给定输入与其匹配。
String	pattern() 返回在其中编译过此模式的正则表达式。
static String	quote(String s) 返回指定 String 的字面值模式 String。
String[]	split(CharSequence input) 围绕此模式的匹配拆分给定输入序列。
String[]	split(CharSequence input, int limit) 围绕此模式的匹配拆分给定输入序列。
String	toString() 返回此模式的字符串表示形式。

注： compile(String regex, int flags)中的flags代表不同的模式，我们可以改变此标志位来修改模式，如CASE_INSENSITIVE :不区分大小写、COMMENTS:允许空白和注释…。

2.1.2 Matcher

通过调用模式的 matcher 方法从模式创建匹配器（matcher）。创建匹配器后，可以使用它执行三种不同的匹配操作：

• matches 方法尝试将整个输入序列与该模式匹配。

• lookingAt 尝试将输入序列从头开始与该模式匹配。 （和matches不同的是不需要匹配整个区域）

• find 方法扫描输入序列以查找与该模式匹配的下一个子序列。

每个方法都返回一个表示成功或失败的布尔值。通过查询匹配器的状态可以获取关于成功匹配的更多信息。

此类的方法较多，常用的方法如下：

返回值	方法
boolean	matches()：尝试将整个区域与模式匹配。
boolean	lookingAt()： 尝试将从区域开头开始的输入序列与该模式匹配。
boolean	find()：尝试查找与该模式匹配的输入序列的下一个子序列。
boolean	find(int start)：重置此匹配器，然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。
Pattern	pattern()：返回由此匹配器解释的模式。
Matcher	reset()：重置匹配器。
Matcher	reset(CharSequence input)：重置此具有新输入序列的匹配器。
String	group()：返回由以前匹配操作所匹配的输入子序列。
String	group(int group)：返回在以前匹配操作期间由给定组捕获的输入子序列。
int	groupCount()：返回此匹配器模式中的捕获组数。

2.2 Java正则表达式一个简单示例

以下代码演示了输入一个字符串数组，第一个字符串为输入的字符串，其余的为正则表达式。再分别将这些正则表达式用于输入的字符串上，得到匹配的结果。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TestRE {

    public static void main(String[] args) {
        String[] input = { "abcabcabcdefabc", "abc+", "(abc)+", "(abc){2,}" };
        if (input.length < 2) {
            System.out.println("Usage:\njava TestRegularExpression "
                    + "characterSequence regularExpression+");
        }
        System.out.println("Input: \"" + input[0] + "\"");
        for (String str : input) {
            System.out.println("Regular expression: \"" + str + "\"");
            Pattern p = Pattern.compile(str);
            Matcher m = p.matcher(input[0]);
            while (m.find()) {
                System.out.println("Match \"" + m.group() + "\" at positions "
                        + m.start() + "-" + (m.end() - 1));
            }
        }
    }

}

运行它，可以得到以下输出：

Input: "abcabcabcdefabc"
Regular expression: "abcabcabcdefabc"
Match "abcabcabcdefabc" at positions 0-14
Regular expression: "abc+"
Match "abc" at positions 0-2
Match "abc" at positions 3-5
Match "abc" at positions 6-8
Match "abc" at positions 12-14
Regular expression: "(abc)+"
Match "abcabcabc" at positions 0-8
Match "abc" at positions 12-14
Regular expression: "(abc){2,}"
Match "abcabcabc" at positions 0-8

可以看到，它起到了我们期望中的结果。 通过以上的方介绍两个类中的方法，可以实现很多的字符筛选和匹配，更详细的信息可以参考官方文档，如果以后有需要再完成剩下部分吧。^_^