Java 正则表达式学习笔记

正则表达式是一种强大的字符串处理工具,平时经常会用到。这里完整的做一次总结，以便查阅记忆。

1. 字符串中的正则表达式

使用正则表达式可以对字符串进行查找、提取、分割、替换等操作。String类当中提供了如下几个特殊方法：

• boolean matches(String regex)：判断该字符串是否匹配指定的正则表达式。
• String replaceAll(String regex, String replacement)：将该字符串中所有匹配regex的子串替换成replacement。
• String[] split(String regex)：以regex作为分隔符，把该字符串分割成多个子串。

以上这些特殊的方法都依赖于Java提供的正则表达式。

2. 创建正则表达式

1. x: 字符x(x可代表任何合法的字符)；
2. \0mnn: 八进制数Omnn所表示的字符；
3. \xhh: 十六进制0xhh所表示的字符；
4. \uhhhh: 十六进制0xhhhh所表示的UNICODE字符；
5. \t :制表符('\u0009')；
6. \n: 新行(换行)符('\u000A')；
7. \r: 回车符('\u000D')；
8. \f: 换页符('\u000C')；
9. \a: 报警(bell)符('\u0007')；
10. \e: Escape符('\u001B')；
11. \cx: x对应的控制符。例如,\cM匹配Ctrl-M。x值必须为A~Z或a~z之一；

3. 正则表达式中的特殊字符

1. $: 匹配一行的结尾。要匹配$字符本身，请使用\$；
2. ^: 匹配一行的开头。要匹配^字符本身，请使用\^；
3. (): 标记子表达式的开始和结束位置。要匹配这些字符，请使用\(和\)；
4. []: 用于确定中括号表达式的开始和结束位置。要匹配这些字符，请使用\[和\]；
5. {}: 用于标记前面子表达式的出现的频度。要匹配这些字符，请使用\{和\}；
6. *: 指定前面子表达式可以出现零次或多次。要匹配*字符本身，请使用\*；
7. +: 指定前面子表达式可以出现一次或多次。要匹配+字符本身，请使用\+；
8. ?: 指定前面子表达式可以出现零次或一次。要匹配?字符本身，请使用\?；
9. .: 匹配除换行符\n之外的任何单位字符。要匹配，字符本身，请使用\.；
10. \:用于转义下一个字符，或指定八进制、十六进制符。要匹配\字符，请使用\\；
11. |:指定两项之间任选一项。要匹配|字符本身，请使用\|；

4. 预定义字符

1. .: 可以匹配任何字符；
2. \d:匹配0~9的所有数字；
3. \D:匹配非数字；
4. \s:匹配所有的空白字符,包括空格、制表符、回车符、换页符、换行符等；
5. \S:匹配所有的非空白字符；
6. \w:匹配所有的单词字符，包括0~9所有的数字、26个英文字母和下划线(_)；
7. \W:匹配所有的非单词字符；

5. 边界匹配符

1. ^: 行的开头
2. $: 行的结尾
3. \b: 单词的边界
4. \B: 非单词的边界
5. \A: 输入的开头
6. \G: 前一个匹配的结尾
7. \Z: 输入的结尾，仅用于最后的结束符
   8.\z: 输入的结尾

6. 表示匹配次数的符号

下图显示了表示匹配次数的符号，这些符号用来确定紧靠该符号左边的符号出现的次数：

                                                 匹配次数

1. 假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“\”。

   
   

                                                     连字符的转义方式

2. 假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”数量限定符号，如图所示：

   
   

                                                               "?"表示可选

3. 下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。下图显示了完整的正则表达式。

   
   

                                  匹配字数

补充：正则表达式支持的数量标识符的贪婪、勉强、占有模式

• 贪婪模式(Greedy):数量表示符默认采用贪婪模式，除非另有表示。贪婪模式的表达式会一直匹配下去，直到无法匹配为止。如果你发现表达式匹配的结果与预期的不符，很有可能是因为——你以为表达式只会匹配前面几个字符，而实际上它是贪婪模式，所以会一直匹配下去。

• 勉强模式(Reluctant):用问号后缀(?)表示,它只会匹配最少的字符。也称为最小匹配模式。

• 占有模式(Possessive):用加号后缀(+)表示，目前只有Java支持占有模式。