正则表达式

参考书籍《疯狂Java讲义（第三版）》 李刚

表 1 正则表达式所支持的合法字符

字符	解释
x	字符 x(可代表任何合法的字符)
\0mnn	八进制数 0mnn 所表示的字符
\xhh	十六进制值 0xhh 所表示的字符
\uhhhh	十六进制值 0xhhhh所表示的 Unicode 字符
\t	制表符（"\u0009"）
\n	换行符（"\u000A"）
\r	回车符("\u000D")
\a	报警（bell）符（"\u0007"）
\e	Escape 符（"\u001B"）
\cx	x 对应的控制符。例如，\cM 匹配 Ctr-M。 x 值必须为 A~Z 或 a~z 之一。
\f	换页符（"\u000C"）

表 2 正则表达式中的特殊字符

特殊字符	说明
$	匹配一行的结尾。要匹配  $ 字符本身，请使用 \$
^	匹配一行的开头。要匹配 ^ 字符本身，请使用 \^
()	标记子表达式的开始和结束位置。要匹配这些字符请使用 \( 和 \)
[]	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 \[ 和 \]
{}	用于标记前面子表达式的出现频度。要匹配这些字符，请使用 \{ 和 \}
*	指定前面子表达式可以出现零次或者多次。要匹配 * 字符本身，请使用 \*
+	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 \+
?	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 \?
.	匹配除换行符 \n 之外的任何单字符。要匹配 . 字符本身，请使用 \.
\	用于转义下一个字符，或指定八进制、十六进制字符。如果需要匹配 \ 字符，请用 \\
|	指定两项之间任选一项。如果匹配 | 字符本身，请使用 \|

    将上面多个字符拼接起来，就可以创建一个正则表达式。例如

    "\u0041\\\\" //匹配A\

    "\\?\\[" //匹配?[

    上面的正则表达式依然只能匹配单个字符，这是因为还未在正则表达式中使用 “通配符”，“通配符”是可以匹配多个字符的特殊字符。正则表达式中的“通配符”远远超出了普通通配符的功能，他被称为预定义字符，正则表达式支持如表 3所示的预定义字符。

表 3 预定义字符

预定义字符	说明
.	可以匹配任何字符
\d	匹配 0~9 的所有数字
\D	匹配非数字
\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
\S	匹配所有的非空白字符
\w	匹配所有的单词字符，包括 0~9 所有数字、26个英文字母和下划线（_）
\W	匹配所有的非单词字符

    有了上面的预定义字符后，接下来就可以创建更强大的正则表达式了。如    

    c\\wt //可以匹配cat、cbt、cct、cdt、c1t等一批字符

    在一些特殊情况下，例如，如果只想匹配 a~f 的字母，或者匹配除了 ab 之外的所有小写字母，或者匹配除了 ab 之外的所有小写字母，或者匹配中文字符，上面预定义字符就无能为力了，此时就需要使用方括号表达方式，方括号表达式有如表 4 所示的几种形式。

表 4 方括号表达式

方括号表达式	说  明
表示枚举	例如[abc]，表示 a、b、c其中任意一个字符：[gz]，表示 g、z 其中任意一个字符
标识范围：-	例如[a-f]，表示 a~f 范围内的任意字符；[\\u0041-\\u0056]，表示十六进制字符\u0041 到 \u0056 范围的字符。 范围可以和枚举结合使用，如[a-cx-z]，表示 a~c 、x~z 范围内的任意字符
表示就否：^	例如[^abc]，表示非 a、b、c 的任意字符；
表示“与”运算：&&	例如[a-z&&[def]]，求 a~z 和[def]的交集，表示 d、e 或 f [a-z&&[^bc]], a~z 范围内的所有字符，除了 b 和 c 之外，即[ad-z] [a-z&&[^m-p]]，a~z 范围内的所有字符，除了 m~p 范围之外的字符，即[a-lq-z]
表示“并”运算	并运算与前面的枚举类似。[a-d[m-p]]，表示[a-dm-p]

    正则表达式还支持圆括号表达式，用于将多个表达式组成一个子表达式，圆括号可以使用或运算符

表 5 边界匹配符

边界匹配符	说明
^	行的开头
$	行的结尾
\b	单词的边界
\B	非单词的边界
\A	输入的开头
\G	前一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符
\z	输入的结尾

    正则表达式还提供了数量表示符，正则表达式支持的数量标识符有如下几种模式。

    Greedy （贪婪模式）：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，知道无法匹配为止。如果你发现表达式匹配的结果与预期的不符，很可能是因为——你以为表达式只会匹配前几个字符，而实际上它是贪婪模式，所以会一直匹配下去。

Reluctant （勉强模式）：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。

Possessive （占有模式） ：用加号后缀（+）表示，目前只有 Java 支持占有模式，通常比较少用。

三种模式的数量表示符如表 6所示。

表6 三种模式的数量表示符

贪婪模式	勉强模式	占用模式	说明
X?	X??	X??	X 表达式出现零次或一次
X*	X*?	X*?	X 表达式出现零次或多次
X+	X+?	X+?	X 表达式出现一次或多次
X{n}	X{n}?	X{n}?	X 表达式出现 n 次
X{n,}	X{n,}?	X{n,}?	X 表达式最少出现 n 次
X{n,m}	X{n,m}?	X{n,m}?	X 表达式最少出现 n 次，最多出现 m 次

    关于贪婪模式和勉强模式的对比，看如下代码：

public static void main(String[] arg){
		String str = "hello , java!";
		System.out.println(str); //hello , java!
		//贪婪模式的正则表达式
		System.out.println(str.replaceFirst("\\w*", "█"));//█ , java!
		//勉强模式的正则表达式
		System.out.println(str.replaceFirst("\\w*?", "█"));//█hello , java!
	}

    当从"hell,java!"字符串中查找匹配"\\w*"子串时，因为"\\w*"使用了贪婪模式，数量标识符（*）会一直匹配下去，所以该字符串前面的所有单词字符都被他匹配到，直到遇到空格，所以替换后的效果是“█ , java!”；如果使用勉强模式，数量表示符（*）会尽量匹配最少字符，即匹配 0 个字符，所以替换后的结果是“█hello , java!”