正则表达式

一.什么是正则表达式?

正则表达式（Regular Expression）就是一个字符构成的串，它定义了一个用来搜索匹配字符串的模式。

 

二.基本

使用cat可以匹配(大小写不敏感)

1.1 句点符号: 句点符号匹配所有(单个)字符，包括空格、Tab字符甚至换行符

假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。

 

1.2 方括号符号 :依然是单个字符

为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配

1.3 “或”符号 :“或”运算

如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组，具体请参见后面介绍。

1.4 表示匹配次数的符号

表一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：

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“/”。

图一：匹配所有123-12-1234形式的社会安全号码

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，如图二所示：

图二：匹配所有123-12-1234和123121234形式的社会安全号码

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}”。图三显示了完整的正则表达式。

图三：匹配典型的美国汽车牌照号码，如8836KV

 

1.5 “否”符号 :不想要匹配的字符

“^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。

图四：匹配所有单词，但“X”开头的除外

1.6 圆括号和空白符号

假设要从格式为“June 26, 1951”的生日日期中提取出月份部分，用来匹配该日期的正则表达式可以如图五所示：

图五：匹配所有Moth DD,YYYY格式的日期

新出现的“/s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用Java API（本文后面详细讨论）提取出它的值。修改后的正则表达式如图六所示：

图六：匹配所有Month DD,YYYY格式的日期，定义月份值为第一个组

1.7 其它符号

为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如表二所示：

表二：常用符号

例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“/d”。修改后的正则表达式如图七所示：

图七：匹配所有123-12-1234格式的社会安全号码

 

 

正则表达式在字符串处理上有着强大的功能，sun在jdk1.4加入了对它的支持
下面简单的说下它的4种常用功能：
1.查询：
String str="abc efg ABC";
String regEx="a|f"; //表示a或f
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find();
如果str中有regEx，那么rs为true，否则为flase。如果想在查找时忽略大小写，则可以写成
Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

2.提取：
String regEx=".+/(.+)$";
String str="c:/dir1/dir2/name.txt";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find();
System.out.println(m.group(1));
以上的执行结果为name.txt，提取的字符串储存在m.group(i)中，其中i最大值为m.groupCount();

*注意:

    m.find()是匹配,再次调用时,会继续查找下一匹配字串

**更实用的方法 :

  String regEx="[^//]+";
  String str="C:/Documents and Settings/Administrator/桌面/战.txt";
  Pattern p=Pattern.compile(regEx);
  Matcher m=p.matcher(str);
  boolean rs=m.find();
  while (rs) {
   int start = m.start();
   int end = m.end();
   System.out.println(str.substring(start,end));
   rs = m.find();
  }

 

3.分割：
String regEx="::";
Pattern p=Pattern.compile(regEx);
String[] r=p.split("xd::abc::cde");
执行后，r就是{"xd","abc","cde"}，其实分割时还有跟简单的方法：
String str="xd::abc::cde";
String[] r=str.split("::");

4.替换（删除）：
String regEx="a+"; //表示一个或多个a
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher("aaabbced a ccdeaa");
String s=m.replaceAll("A");
结果为"Abbced A ccdeA"
如果写成空串，既可达到删除的功能，比如：
String s=m.replaceAll("");
结果为"bbced ccde"

 

4.贪婪与懒惰

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

为什么第一个匹配是aab（第一到第三个字符）而不是ab（第二到第三个字符）？简单地说，因为正则表达式有另一条规则，比懒惰／贪婪规则的优先级更高：最先开始的匹配拥有最高的优先权——The match that begins earliest wins。

表5.懒惰限定符 代码/语法 说明
*? 重复任意次，但尽可能少重复
+? 重复1次或更多次，但尽可能少重复
?? 重复0次或1次，但尽可能少重复
{n,m}? 重复n到m次，但尽可能少重复
{n,}? 重复n次以上，但尽可能少重复

 

appendReplacement和appendTail的解释 

 

import java.util.regex.*;

public class MatcherTest {
 public static void main(String[] args) throws Exception {

// 生成Pattern对象并且编译一个简单的正则表达式
  Pattern p = Pattern.compile("xingming");
  // 用Pattern类的matcher()方法生成一个Matcher对象
  Matcher m = p.matcher("my xingming is xingming,my xingming is name ,hehehe");
  StringBuffer sb = new StringBuffer();
  int i = 0;
  // 使用find()方法查找第一个匹配的对象
  boolean result = m.find();
  // 使用循环将句子里所有的kelvin找出并替换再将内容加到sb里
  while (result) {

   i++;
   m.appendReplacement(sb, "name");
   System.out.println("第" + i + "次匹配后sb的内容是：" + sb);
   // 继续查找下一个匹配对象
   result = m.find();
  }
  // 最后调用appendTail()方法将最后一次匹配后的剩余字符串加到sb里；
  m.appendTail(sb);
  System.out.println("调用m.appendTail(sb)后sb的最终内容是:" + sb.toString());
 }
}

 

运行结果：

第1次匹配后sb的内容是：my name
第2次匹配后sb的内容是：my nameis name
第3次匹配后sb的内容是：my nameis name,my name
调用m.appendTail(sb)后sb的最终内容是:my nameis name,my name is name ,hehehe