初学者必备——三大类18条Java正则表达式语法

关于Java中的正则表达式语法，既然是基础知识，那我们就从概念说起了。

  概念与作用  

正则表达式是一串字符，它描述了一个文本模式，利用它可以方便地处理文本，包括文本的查找、替换、验证、切分等。

  字符的分类  

正则表达式中的字符有两类：

普通字符：匹配字符本身

元字符：有特殊含义的字符

这些元字符及其特殊含义构成了正则表达式的语法。

  单个字符  

大部分的单个字符就是用字符本身表示的，比如字符“a”，“b”，“c”，“1”，“2”，“3”等。但有一些单个字符使用多个字符表示，这些字符都以斜杠 '\' 开头，比如：

1）特殊字符

举例：

tab字符'\t'

换行符'\n'

回车符'\r'

2）八进制表示的字符

以\0开头，后跟1～3位数字，比如\0141，对应的是ASCII编码为97的字符，即字符'a'。

3）十六进制表示的字符

以\x开头，后跟两位字符，比如\x6A，对应的是ASCII编码为106的字符，即字符'j'。

4）Unicode编号表示的字符

以\u开头，后跟4位字符，比如\u9A6C，表示的是中文字符'马'，这只能表示编号在0xFFFF以下的字符，如果超出0ⅩFFFF，使用\x{...}形式，比如\x{1f48e}。

5）斜杠\本身

斜杠\是一个元字符，如果要匹配它自身，使用两个斜杠表示，即'\\'。

6）元字符本身

除了 '\'，正则表达式中还有很多元字符，比如．、*、? 、+等，要匹配这些元字符自身，需要在前面加转义字符'\'，比如'\.'。

  字符组  

字符组的种类很多，包括：任意字符、多个指定字符之一、字符区间、排除型字符组、预定义的字符组等。

1️⃣ 点号字符'.'是一个元字符，默认模式下，它匹配除了换行符以外的任意字符。

举例：既可以表示“abc” 也可以表示"adc"

a.c

2️⃣ 如果想真正的匹配包括换行符在内的任意字符，则可以使用单行匹配模式或者点号匹配模式。在正则表达式中，以(? s)开头，s表示single line，即可指定单行匹配模式。

举例：指定单行匹配模式

(? s)a.c

3️⃣ 在单个字符和任意字符之间，有一个字符组的概念，匹配组中的任意一个字符，用中括号[]表示。

举例：匹配a、b、c中的任意一个字符

[abc]

4️⃣ 字符组中可以使用连字符'-'来表示连续的多个字符。

[0-9]

[a-zA-Z]

注意：在字符组中，'-'是一个元字符，如果要匹配它自身，可以使用转义，即'-'，或者把它放在字符组的最前面。

举例：

[-0-9]

[-a-zA-Z]

5️⃣ 在[后紧跟一个 ^ 字符，表示排除。

举例：匹配除了a, b, c,以外的任意一个字符

[^abc]

注意：排除不是不能匹配，而是匹配一个指定字符组以外的字符，要表达不能匹配的含义，需要使用环视语法。^只有在字符组的开头才是元字符，如果不在开头，就是普通字符，匹配它自身。

举例：匹配字符a, ^或b

[a^b]

6️⃣ 在字符组中，除了^、-、[ ]、\外，其他在字符组外的元字符不再具备特殊含义，变成了普通字符，比如字符'.'和'＊', [.*]就是匹配'.'或者'*'本身。

  量词  

量词指的是指定出现次数的元字符，有三个常见的元字符：+、*、?

1）+

表示前面字符的一次或多次出现，比如正则表达式ab+c，既能匹配abc，也能匹配abbc，或abbbc。

2）*

表示前面字符的零次或多次出现，比如正则表达式ab*c，既能匹配abc，也能匹配ac，或abbbc。

3）？

表示前面字符可能出现，也可能不出现，比如正则表达式ab? c，既能匹配abc，也能匹配ac，但不能匹配abbc。

更为通用的表示出现次数的语法是{m, n}，逗号左右不能有空格，出现次数从m到n，包括m和n，如果n没有限制，可以省略，如果m和n一样，可以写为{m}

举例：与ab+c等价的写法

ab{1, }c

相信大家在掌握了正则表达式的语法后，再去处理文本的查找、替换、验证、切分等场景时会易如反掌。