java正则表达式

---

简介

使用单个字符串来描述、匹配一系列符合某个句法规则的字符串，是一门表达式语言。
使用的离线regex工具：RegexBuddy
使用的在线工具:debuggex

正则表达式引擎包括DFA和NFA，DFA匹配时不回溯，逻辑或（|）匹配时并行匹配，占用资源多且不支持捕获分组等功能，java正则表达式使用的是NFA引擎。

---

元字符

符号	含义
.	匹配换行符外的任意字符，当开启单行模式时，可匹配换行符
\w	匹配单词，字母数字下划线
\s	匹配空白符，空格换行制表
\d	匹配数字
\b	匹配边界，单词的开始或结束

此处把中文的开始和结束也匹配了，符号的开始结束并没有匹配

---

反义符

\W : 匹配\w不匹配的。
\S : 匹配\s不匹配的。
\D：匹配\d不匹配的。
\B：匹配边界，非单词的开始或结束。

---

边界符

符号	含义
^	匹配字符串的开始
$	匹配字符串的结束
[x]	匹配单个字符，括号内字符无需转义
()	表示分组，方便提取
-	表示区间

---

转义符

符号	含义
\	匹配正则占用的字符
\\	匹配\本身
\t	匹配制表符
\r	匹配回车符
\n	匹配换行符

---

重复匹配

计量符

符号	含义
*	重复0次或多次
+	重复至少一次
?	重复0次或1次
{n,m}	重复至少n次，至多m次
{n,}	重复至少n次
{n}	重复n次

逻辑符

符号	含义
|	逻辑或
!	逻辑非 ，环视否定顺序
=	逻辑等于，环视肯定顺序
<=	环视肯定逆序
<!	环视否定逆序

具体应用见零宽断言

---

分组匹配

分组命名规则：(?exp)
系统自命名规则：从左往右，从外往里

贪婪与懒惰

贪婪：尽可能多的重复匹配，在匹配成功的基础上，会继续向右匹配检查有无更长匹配字符串。
懒惰：尽可能少的重复匹配，一旦匹配成功，立刻结束匹配。

符号	含义
*?	重复0次或多次，尽可能少的重复匹配
+?	重复至少一次 ，尽可能少的重复匹配
??	重复0次或1次，尽可能少的重复匹配
{n,m}?	重复至少n次，至多m次 ，尽可能少的重复匹配
{n,}?	重复至少n次 ，尽可能少的重复匹配

.*b匹配aabab过程：正则表达式包含.*和b两部分，控制权先由.*取得，.*优先多次匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符）XX…XXXb —> XXb —> b

1. 正则.* 优先匹配 a，匹配成功，继续匹配
2. 正则.* 优先匹配 a，匹配成功，继续匹配
3. 正则.*优先匹配b，匹配成功，继续匹配
4. 正则.* 优先匹配 a，匹配成功，继续匹配
5. 正则.*优先匹配b，匹配成功，继续匹配
6. 达到字符串尾，正则.*匹配完成，控制权交由正则b
7. 由于已达字符串尾，正则b匹配失败，回溯，控制权交由正则.*
8. 正则.*回溯不匹配b，正则.*将控制权交由正则b
9. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配一处文本aabab，字符串达到尾部，完成匹配
10. 匹配文本 aabab

.*?b匹配aabab过程：正则表达式包含.*?和b两部分，控制权先由.*?取得，.*?优先忽略匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符） b —> XXb —> XX…XXXb

1. 正则.*?优先忽略匹配a，将控制权交由正则b
2. 正则b匹配失败，回溯，将控制权交由正则.*?
3. 正则.*?回溯匹配a，匹配成功
4. 正则.*?优先忽略匹配a，将控制权交由正则b
5. 正则b匹配失败，回溯，将控制权交由正则.*?
6. 正则.*?回溯匹配a，匹配成功
7. 正则.*?优先忽略匹配b，将控制权交由正则b
8. 正则b匹配b，匹配成功，正则达到尾部，匹配一处文本aab，开始下一轮匹配，控制权交由正则.*?。
9. 正则.*?优先忽略匹配a，将控制权交由正则b
10. 正则b匹配失败，回溯，将控制权交由正则.*?
11. 正则.*?回溯匹配a，匹配成功
12. 正则.*?优先忽略匹配b，将控制权交由正则b
13. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配一处文本ab，字符串达到尾部，完成匹配
14. 匹配文本aab、ab两个

.+b匹配aaddbbab过程：正则表达式包含.+和b两部分，控制权先由.+取得，.+优先多次匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符）XX…XXXb —> XXb —> Xb

1. 正则.+优先匹配 a，匹配成功，继续匹配
2. 正则.+优先匹配 a，匹配成功，继续匹配
3. 正则.+优先匹配 d，匹配成功，继续匹配
4. 正则.+优先匹配 d，匹配成功，继续匹配
5. 正则.+优先匹配 b，匹配成功，继续匹配
6. 正则.+优先匹配 b，匹配成功，继续匹配
7. 正则.+优先匹配 a，匹配成功，继续匹配
8. 正则.+优先匹配 b，匹配成功，继续匹配
9. 达到字符串尾，正则.+匹配完成，控制权交由正则b
10. 由于已达字符串尾，正则b匹配失败，回溯，控制权交由正则.+。
11. 正则.+回溯不匹配b，控制权交由正则b
12. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配一处文本aaddbbab，字符串达到尾部，匹配完成。
13. 匹配文本aaddbbab

.+?b匹配aaddbbab过程：正则表达式包含.+?和b两部分，控制权先由.+?取得，.+?优先一次匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符） Xb —> XXb —> XX…XXXb

1. 正则.+? 优先匹配 a，匹配成功
2. 正则.+?忽略匹配a，将控制权交由正则b
3. 正则b匹配失败，回溯，将控制权交由正则.+?
4. 正则.+?匹配a，匹配成功
5. 正则.+?忽略匹配d，将控制权交由正则b
6. 正则b匹配失败，回溯，将控制权交由正则.+?
7. 正则.+?匹配d，匹配成功
8. 正则.+?忽略匹配d，将控制权交由正则b
9. 正则b匹配失败，回溯，将控制权交由正则.+?
10. 正则.+?匹配d，匹配成功
11. 正则.+?忽略匹配b，将控制权交由正则b
12. 正则b匹配b，匹配成功，正则达到尾部，匹配一处文本aaddb，开始下一轮匹配，控制权交由正则.+?。
13. 正则.+? 优先匹配 b，匹配成功
14. 正则.+?忽略匹配a，将控制权交由正则b
15. 正则b匹配失败，回溯，将控制权交由正则.+?
16. 正则.+?匹配a，匹配成功
17. 正则.+?忽略匹配b，将控制权交由正则b
18. 正则b匹配b，匹配成功，正则达到尾部，匹配一处文本bab，字符串达到尾部，完成匹配。
19. 匹配文本aaddb、bab

.?b匹配aaddbbbab过程：正则表达式包含.?和b两部分，控制权先由.?取得，.?优先一次匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符）Xb —> b

1. 正则.? 优先匹配 a，匹配成功，正则.?匹配完成，控制权交由正则b
2. 正则b匹配失败，回溯，控制权交由正则.?
3. 正则.?不匹配a，控制权交由正则b
4. 正则b匹配失败，跳过当前单词，抵达下一处a，控制权交由正则.?
5. 正则.? 优先匹配 a，匹配成功，正则.?匹配完成，控制权交由正则b
6. 正则b匹配失败，回溯，控制权交由正则.?
7. 正则.?不匹配a，控制权交由正则b
8. 正则b匹配失败，跳过当前单词，抵达下一处d，控制权交由正则.?
9. 正则.? 优先匹配 d，匹配成功，正则.?匹配完成，控制权交由正则b
10. 正则b匹配失败，回溯，控制权交由正则.?
11. 正则.?不匹配d，控制权交由正则b
12. 正则b匹配失败，跳过当前单词，抵达下一处d，控制权交由正则.?
13. 正则.? 优先匹配 d，匹配成功，正则.?匹配完成，控制权交由正则b
14. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本db，开始下一轮匹配，控制权交由正则.?
15. 正则.? 优先匹配 b，匹配成功，正则.?匹配完成，控制权交由正则b
16. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本bb，开始下一轮匹配，控制权交由正则.?
17. 正则.? 优先匹配 a，匹配成功，正则.?匹配完成，控制权交由正则b
18. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本ab，字符串达到尾部，匹配结束
19. 匹配文本db、bb、ab

.??b匹配aaddbbbab过程：正则表达式包含.??和b两部分，控制权先由.??取得，.??优先忽略匹配。
优先级从高到低排序：（字符X代表除换行符的任意字符）b —> Xb

1. 正则.?? 优先忽略匹配 a，控制权交由正则b
2. 正则b匹配失败，回溯，控制权交由正则.??
3. 正则.??匹配a，匹配成功，控制权交由正则b
4. 正则b匹配失败，跳过当前单词，抵达下一处a，控制权交由正则.??
5. 正则.?? 优先忽略匹配 a，控制权交由正则b
6. 正则b匹配失败，回溯，控制权交由正则.??
7. 正则.??匹配a，匹配成功，控制权交由正则b
8. 正则b匹配失败，跳过当前单词，抵达下一处d，控制权交由正则.??
9. 正则.?? 优先忽略匹配 d，控制权交由正则b
10. 正则b匹配失败，回溯，控制权交由正则.??
11. 正则.??匹配d，匹配成功，控制权交由正则b
12. 正则b匹配失败，跳过当前单词，抵达下一处d，控制权交由正则.??
13. 正则.?? 优先忽略匹配 d，控制权交由正则b
14. 正则b匹配失败，回溯，控制权交由正则.??
15. 正则.??匹配d，匹配成功，控制权交由正则b
16. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本db，开始下一轮匹配，控制权交由正则.??
17. 正则.?? 优先忽略匹配 b，控制权交由正则b
18. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本b，开始下一轮匹配，控制权交由正则.??
19. 正则.?? 优先忽略匹配 b，控制权交由正则b
20. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本b，开始下一轮匹配，控制权交由正则.??
21. 正则.?? 优先忽略匹配 a，控制权交由正则b
22. 正则b匹配失败，回溯，控制权交由正则.??
23. 正则.??匹配a，匹配成功，控制权交由正则b
24. 正则b匹配b，匹配成功，正则表达式达到尾部，匹配文本ab，字符串达到尾部，匹配完成
25. 匹配文本db、b、b、ab

.{1,2}b优先级从高到低排序：（字符X代表除换行符的任意字符）XXb —> Xb
.{1,2}?b优先级从高到低排序：（字符X代表除换行符的任意字符）Xb —> XXb

.{1,}b优先级从高到低排序：（字符X代表除换行符的任意字符）XX…XXXb —> Xb
.{1,}?b优先级从高到低排序：（字符X代表除换行符的任意字符）Xb —> XX…XXXb

总结：从当前位置开始，按照优先级逐个比对，若优先级中所有可能都匹配失败，则移动到下一个位置。

处理选项

符号	含义
IgnoreCase	匹配时不区分大小写
Multiline	匹配每一行的行首行尾，扩大^和$的范围
singleline	扩大.的范围，可以匹配换行符
ExplicitCapture	仅捕获显示命名组

---

反向引用

分组引用：

• 未命名分组 引用方式\index，基1
• 已命名分组 引用方式\k<groupname>

---

非获取匹配

不捕获分组匹配到的文本，该分组也无组号。
(?:exp) eg: indust(?:y|ies) === (industy|industies)

先行断言：后面固定，取前面的值
后发断言：前面固定，取后面的值

零宽断言

(?=exp) 零宽度正预测先行断言
eg: i’m dacing while you are singing。
取例子中的动词 pattern: \b\w+(?=ing)\b。

(?<=exp) 零宽度正回顾后发断言
eg: She is lovely and beautiful,i love she。
取love后面的值。 pattern : (?<=\blove)\w*

负向零宽断言

(?!exp) 零宽度负预测先行断言
eg： She is lovely and beautiful,everyone loves she,and she is my beloved girl
查找这样的单词，出现了字母love，love后面却不是ly。 pattern: \b\w*love(?!ly\b)\w*\b。

(?<!exp) 零宽度负回顾后发断言
eg： She is lovely and beautiful,everyone loves she,and she is my beloved girl
查找这样的单词，出现了字母love，love前面却不是be。 pattern: \b\w*(?<!be)love\w*\b。

---

参考文档

贪婪模式、懒惰模式、独占模式
贪婪模式与懒惰模式原理详解