正则表达式

前言
正则表达式是一种用来匹配字符串的强有力的武器。
注意：java字符串用\\表示\

---

正则表达式语法

• 普通字符
  字母、数字、汉字、下划线、以及没有特殊定义的标点符号，都是“普通字符”。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

• 简单的转义字符
  

---

• 标准字符集
  –能够与 ‘多种字符’ 匹配的表达式
  –注意区分大小写，大写是相反的意思
  

---

• 自定义字符集合
  –[ ]方括号匹配方式，能够匹配方括号中任意一个字符
  
  –正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，除了^,-之外。
  –标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合将包含该集合。比如：
  •[\d.-+]将匹配：数字、小数点、+、-

---

• 量词
  -修饰匹配次数的特殊符号
  

• 匹配次数中的贪婪模式（匹配字符越多越好，默认！）

• 匹配次数中的非贪婪模式（匹配字符越少越好，修饰匹配次数的特殊符号后再加上一个“?”号）

---

• 字符边界
  – (本组标记匹配的不是字符而是位置，符合某种条件的位置)
  
  – \b匹配这样一个位置：前面的字符和后面的字符不全是\w

---

• 预搜索
  –只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度
  –这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指定条件，但不匹配前后的字符。是对位置的匹配。
  –正则表达式匹配中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终匹配结果中，那么就认为这个子表达式是占有字符；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。
  

---

正则表达式的匹配模式

• IGNORECASE忽略大小写模式
  –匹配时忽略大小写。
  –默认情况下，正则表达式是要区分大小写的。

• SINGLELINE单行模式
  –整个文本看作一个字符串，只有一个开头，一个结尾。
  –使小数点 “.” 可以匹配包含换行符（\n）在内的任意字符。

• MULTILINE 多行模式
  –每行都是一个字符串，都有开头和结尾。
  –在指定了 MULTILINE 之后，如果需要仅匹配字符串开始和结束位置，可以使用 \A 和 \Z

---

常用正则表达式列表

匹配类型	正则表达式
匹配空白行	\n\s*\r
匹配中文字符	[\u4e00-\u9fa5]
匹配HTML标记	<(\S*?)[^>]>.?</\1>
匹配首尾空白字符	^\sl\s*$
匹配Email地址	\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*
匹配网址URL	[a-zA-z]+://[^\s]*
匹配国内电话号码	\d{3}-\d{8}
匹配腾讯QQ号	[1-9][0-9]{4,}
匹配中国邮政编码	[1-9]\d{5}(?!\d)
匹配身份证	\d{15}l\d{18}
匹配ip地址	\d+.\d+.\d+.\d+