正则表达式详解

一、使用方法

使用方法有两种：

第一种：

Pattern p = Pattern.compile("[abc]");
        Matcher matcher = p.matcher("b");
        Boolean b = matcher.matches();

第二种：

Boolean c = Pattern.matches("[abc]", "a");

注意，前面才是表达式，后面是被匹配的东西~

二、基础说明

1. 字母的大小写问题
   正则表达式里是区分大小写的，apple跟Apple匹配的结果是不一样的。

2. 匹配任意字符
   .字符（英文句号）可以匹配任何一个单个的字符、字母、数字甚至是.字符本身，相当于DOS文件搜索功能里的？，SQL中的_（下划线）字符。

   举个栗子：
   （1）文本：
   sales.xls
   sales1.xls
   orders3.xls
   na1.xls
   sa1.xls
   （2）正则表达式：
   sales.
   （3）匹配结果：
   sales.xls
   sales1.xls

   备注：. 字符可以使用多个的，如果只匹配. 字符本身，就用\ 字符，用 \ .表示。

3. 匹配某个字符
   表达式[ns]表示匹配n或者s单个字符。

4. 字符区间
   表达式[0-9]表示匹配0-9之间的一位数字，等价于[0123456789]。

   同理，A-Z表示A到Z所有大写字母；
   a-z表示a-z所有小写字母

   表达式[A-Za-z0-9]表示任何一个字母（无论大小写）或者数字。

   举个栗子
   （1）文本：
   sales.xls
   sales1.xls
   orders3.xls
   na1.xls
   sa1.xls
   （2）正则表达式：
   [ns]a[0-9].xls
   （3）匹配结果：
   na1.xls
   sa1.xls

5. 取非匹配

   表达式[^0-9]表示不是数字的字符。

三、使用元字符

1. 特殊字符转义

   除了上述的.字符，再比如[ 这个元字符，在正则中用来表示一个区间，如果要匹配本身就用[；
   如果要匹配\这个字符，就用\来匹配。

   注意：\这个字符是不可以单独出现在正则表达式中的，其后必跟着另一个字符。

2. 匹配数字与非数字

   \d 表示任何一个数字，等价于[0-9]；
   \D 表示任何一个非数字，等价于[^0-9].

3. 匹配字母和数字，以及非字母和数字

   \w 表示任何一个字母数字字符（包括大小写）或下划线，等价于[a-zA-Z0-9_]；
   \W 表示任何一个非字母数字或非下划线字符，等价于[^a-zA-Z0-9_]

4. 匹配空白字符，以及非空白字符

   \s 表示任何一个空白字符，等价于[\f\n\r\t\v]
   \S 表示任何一个非空白字符，等价于[^\f\n\r\t\v]

四、重复匹配

1. 匹配一个或多个字符

   +表示匹配一个或多个这样的字符，举个栗子
   [0-9]匹配单个数字，[0-9]+匹配一个或多个连续出现的数字。

2. 匹配零个或多个字符

   +至少要匹配一个字符，而*可以匹配一个字符出现零次或者多次。

3. 匹配零个或一个字符

   ?匹配一个字符出现零次或者一次，最多不超过一次。

4. 匹配指定重复次数

   {}匹配一个字符出现特定次数，举个栗子
   a{3}匹配aaa。

5. 重复次数是一个区间

   a{2,6}表示a出现2到6次。

6. 至少重复多少次

   a{2, }表示a至少出现2次。

五、位置匹配

边界限定符的概念

举个栗子
The cat scattered his food all over the room.

如果正则表达式是cat的话，会匹配出两个单词cat 和 scatter，如果只想匹配出cat呢？
这就引发了我们的深思，于是就有了边界限定符的概念。

• 单词边界

  第一种边界也就是最常用的—单词边界，用限定符\b来指定，用来匹配一个单词的开始或结尾。
  来看下面这个栗子
  The captain wore his cap and cape proudly as he sat listening to the recap of how his crew saved the men from a capsized vessel.

  正则表达式如果是
  cap\b
  就会匹配到cap跟recap

  正则表达式如果是
  \bcap
  就会匹配到cap、cape以及capsized

  正则表达式如果是
  \bcap\b
  就会匹配到cap

  这里还有一种情况，举个栗子
  文本：
  Please enter the nine-digit id as it appears on your color - coded pass-key.

  在这个文本里，color - coded左右都有一个空格，而nine-digit和pass-key都没有，那么如何来匹配这种“空格字符空格”这样的连字符呢？这里就用\B字符。
  正则表达式如果是
  \B-\B就可以匹配到前后都有多余空格的连字符。

以上就是边界匹配。

• 字符串匹配

  ^匹配一个字符串的开头，$匹配一个字符串的结尾

  有这样一种情况：
  合法的XML文件文档必须以 < ?xml>标签开头并带有一些其他的属性。
  文本：

 This is wrong.
< ?xml version="1.0" encoding="ISO-8859-1"?>
< web-app version="2.4" xmlns="http://java.sun.com/xml/ns/j2ee"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
    xsi:schemaLocation="http://java.sun.com/xml/ns/j2ee http://java.sun.com/xml/ns/j2ee/web-app_2_4.xsd">

正则表达式：
< \?xml.*\?>

结果就会匹配到第二行，但是这个文件却不是一个合法的XML文件，这里需要被匹配到的< ?xml>标签在字符串的最开始处，就需要用到元字符^。

元字符^有多种用途，在前面提到，当^在方括号[和]之间并紧跟在左方括号[后面的时候，like this，[^0-9]，这样的格式可以用作求非；

元字符^还可以用来匹配一个字符串的开头位置。

正则表达式如果是
^\s*< \?xml.*\?>
就可以用来判断< ?xml>标签是否在字符串的最开始，这里的\s*是为了解决< ?xml>标签前允许有空格，制表符，换行符等空白字符的问题。

那么还有一种情况，在一个web页面里，< /html>标签后面不应该再有任何实际内容，那就可以用正则表达式
< /[Hh][Tt][Mm][Ll]>\s*$来匹配。$匹配了一个字符串的结尾，\s*表示了零个或多个空白字符。

六、使用子表达式

• 子表达式

  HTML中常会用非换行型&nbsp ;，一用就用好几个，那怎样匹配多个&nbsp ;呢？
  前面说到花括号{}可以用来表示字符重复的次数，但是正则表达式为
  &nbsp ;{2, }
  并不能匹配到&nbsp ;&nbsp ; ，只能匹配到&nbsp ;;;;;这样的字符串，因为{2, }只能作用于紧挨着它的前一个字符，所以该正则表达式就应该改成
  (&nbsp ;){2, }
  就可以达到预期的效果。这里就用元字符(和)将子表达式括起来了。

• 重复的子表达式
  这是什么意思呢？举个栗子，假如现在要匹配一个IP地址，IP地址的格式是用英文句号.分隔的四组数字，如12.150.46.200，正则表达式如果是
  \d{1,3}.\d{1,3}.\d{1,3}.\d{1,3}
  是可以匹配到IP地址的，但是我们注意到，这里\d{1,3}.这个表达式重复了三次，所以可以写为
  (\d{1,3}.){3}\d{1,3}