在Java中,正则表达式有两个相关的重要的类,即Pattern和Matcher。测试的程序如下:
-
public static void test(String regex, String content) { Pattern p = Pattern.compile(regex); Matcher m = p.matcher(content); while (m.find()) { System.out.println(m.group()); } }
-
使用的例子如下
public static void main(String[] args){ // \d number [0-9] // \w a-zA-Z // \s \n \r \' ' \t // ? 0-1 // + 1-infinity // * 0-infinity // . //[]表示里面的选项多选一 String reg = "美[女男]|中性人?"; String con = "美女美男美中性人"; test(reg, con); // {}表示重复次数 // 08613818948621 13818948621 (\d\d\d)?\d{1,5} reg = "(\\d{3})?\\d{11}"; con = "08613818948621"; test(reg, con); con = "13818948621"; test(reg, con); reg = "<a>.*?</a>"; con = "<a>bbb</a><a>ccc</a><a></a>"; test(reg, con); //?<=表示左边以<a>开头,但是匹配是不会加入<a>。?=就表示以</a>结尾,结果只取中间的 reg = "(?<=<a>).*?(?=</a>)"; test(reg, con); //如何匹配邮箱 //[a-zA-Z0-9_+.-]+\@([a-zA-Z0-9-]+\.)+[a-zA-Z0-9]{2,4} reg = ".+@.+\\.(com|cn)"; reg = "[a-zA-Z0-9_+.-]+@([a-zA-Z0-9-]+\.)+[a-zA-Z0-9]{2,4}"; con = "lmp@163.comkk"; test(reg, con); //如何匹配浮点数 reg = "[+-]?\\d+\\.\\d+"; con = "1.90,-0.89, 8"; test(reg, con); reg = "\\d+/1?/";
- ?的另一层含义是非贪婪匹配。比如中性人?匹配结果是中性人;而中性人??匹配结果是中性。就是说能找到0的话就找0.比如+?,*?,.?都要求是非贪婪匹配的。
-
贪婪匹配
在满足匹配时,匹配尽可能长的字符串,默认情况下,采用贪婪匹配
string pattern1 = @"a.*c"; // greedy match
Regex regex = new Regex(pattern1);
regex.Match("abcabc"); // return "abcabc"
非贪婪匹配
在满足匹配时,匹配尽可能短的字符串,使用?来表示非贪婪匹配
string pattern1 = @"a.*?c"; // non-greedy match Regex regex = new Regex(pattern1); regex.Match("abcabc"); // return "abc"
几个常用的非贪婪匹配Pattern
- *? 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
下面这个图表解释
下表包含了单字符元字符的列表以及它们在正则表达式中的行为。
说明 若要匹配这些特殊字符之一,必须首先转义字符,即,在字符前面加反斜杠字符 (\)。例如,若要搜索“+”文本字符,可使用表达式“\+”。
元字符
行为
示例
*
零次或多次匹配前面的字符或子表达式。
等效于 {0,}。
zo* 与“z”和“zoo”匹配。
+
一次或多次匹配前面的字符或子表达式。
等效于 {1,}。
zo+ 与“zo”和“zoo”匹配,但与“z”不匹配。
?
零次或一次匹配前面的字符或子表达式。
等效于 {0,1}。
当 ?紧随任何其他限定符(*、+、?、{n}、{n,} 或 {n,m})之后时,匹配模式是非贪婪的。非贪婪模式匹配搜索到的、尽可能少的字符串,而默认的贪婪模式匹配搜索到的、尽可能多的字符串。
zo? 与“z”和“zo”匹配,但与“zoo”不匹配。
o+? 只与“oooo”中的单个“o”匹配,而 o+ 与所有“o”匹配。
do(es)? 与“do”或“does”中的“do”匹配。
^
匹配搜索字符串开始的位置。如果标志中包括 m(多行搜索)字符,^ 还将匹配 \n 或 \r 后面的位置。
如果将 ^ 用作括号表达式中的第一个字符,则会对字符集求反。
^\d{3} 与搜索字符串开始处的 3 个数字匹配。
[^abc] 与除 a、b 和 c 以外的任何字符匹配。
$
匹配搜索字符串结尾的位置。如果标志中包括 m(多行搜索)字符,^ 还将匹配 \n 或 \r 前面的位置。
\d{3}$ 与搜索字符串结尾处的 3 个数字匹配。
.
匹配除换行符 \n 之外的任何单个字符。若要匹配包括 \n 在内的任意字符,请使用诸如 [\s\S] 之类的模式。
a.c 与“abc”、“a1c”和“a-c”匹配。
[]
标记括号表达式的开始和结尾。
[1-4] 与“1”、“2”、“3”或“4”匹配。[^aAeEiIoOuU] 与任何非元音字符匹配。
{}
标记限定符表达式的开始和结尾。
a{2,3} 与“aa”和“aaa”匹配。
()
标记子表达式的开始和结尾。可以保存子表达式以备将来之用。
A(\d) 与“A0”至“A9”匹配。保存该数字以备将来之用。
|
指示在两个或多个项之间进行选择。
z|food 与“z”或“food”匹配。(z|f)ood 与“zood”或“food”匹配。
/
表示 JScript 中的文本正则表达式模式的开始或结尾。在第二个“/”后添加单字符标志可以指定搜索行为。
/abc/gi 是与“abc”匹配的 JScript 文本正则表达式。g(全局)标志指定查找模式的所有匹配项,i(忽略大小写)标志使搜索不区分大小写。
\
将下一字符标记为特殊字符、文本、反向引用或八进制转义符。
\n 与换行符匹配。\( 与“(”匹配。\\ 与“\”匹配。
大多数特殊字符在括号表达式内出现时失去它们的意义,并表示普通字符。有关更多信息,请参见匹配字符的列表中的“括号表达式中的字符”。
元字符
下表包含了多字符元字符的列表以及它们在正则表达式中的行为。
元字符
行为
示例
\b
与一个字边界匹配;即字与空格间的位置。
er\b 与“never”中的“er”匹配,但与“verb”中的“er”不匹配。
\B
非边界字匹配。
er\B 与“verb”中的“er”匹配,但与“never”中的“er”不匹配。
\d
数字字符匹配。
等效于 [0-9]。
在搜索字符串“12 345”中,\d{2} 与“12”和“34”匹配。\d 与“1”、“2”、“3”、“4”和“5”匹配。
\D
非数字字符匹配。
等效于 [^0-9]。
\D+ 与“abc123 def”中的“abc”和“def”匹配。
\w
与以下任意字符匹配:A-Z、a-z、0-9 和下划线。
等效于 [A-Za-z0-9_]。
在搜索字符串“The quick brown fox…”中,\w+ 与“The”、“quick”、“brown”和“fox”匹配。
\W
与除 A-Z、a-z、0-9 和下划线以外的任意字符匹配。
等效于 [^A-Za-z0-9_]。
在搜索字符串“The quick brown fox…”中,\W+ 与“…”和所有空格匹配。
[xyz]
字符集。与任何一个指定字符匹配。
[abc] 与“plain”中的“a”匹配。
[^xyz]
反向字符集。与未指定的任何字符匹配。
[^abc] 与“plain”中的“p”、“l”、“i”和“n”匹配。
[a-z]
字符范围。匹配指定范围内的任何字符。
[a-z] 与“a”到“z”范围内的任何小写字母字符匹配。
[^a-z]
反向字符范围。与不在指定范围内的任何字符匹配。
[^a-z] 与不在范围“a”到“z”内的任何字符匹配。
{n}
正好匹配 n 次。n 是非负整数。
o{2} 与“Bob”中的“o”不匹配,但与“food”中的两个“o”匹配。
{n,}
至少匹配 n 次。n 是非负整数。
* 与 {0,} 相等。
+ 与 {1,} 相等。
o{2,} 与“Bob”中的“o”不匹配,但与“foooood”中的所有“o”匹配。
{n,m}
匹配至少 n 次,至多 m 次。n 和 m 是非负整数,其中 n <= m。逗号和数字之间不能有空格。
? 与 {0,1} 相等。
在搜索字符串“1234567”中,\d{1,3} 与“123”、“456”和“7”匹配。
(模式)
与模式 匹配并保存匹配项。您可以从由 JScript 中的 exec Method返回的数组元素中检索保存的匹配项。若要匹配括号字符 ( ),请使用“\(”或者“\)”。
(Chapter|Section) [1-9] 与“Chapter 5”匹配,保存“Chapter”以备将来之用。
(?:模式)
与模式 匹配,但不保存匹配项;即不会存储匹配项以备将来之用。这对于用“or”字符 (|) 组合模式部件的情况很有用。
industr(?:y|ies) 与 industry|industries 相等。
(?=模式)
积极的预测先行。找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项。不会保存匹配项以备将来之用。
^(?=.*\d).{4,8}$ 对密码应用以下限制:其长度必须介于 4 到 8 个字符之间,并且必须至少包含一个数字。
在该模式中,.*\d 查找后跟有数字的任意多个字符。对于搜索字符串“abc3qr”,这与“abc3”匹配。
从该匹配项之前(而不是之后)开始,.{4,8} 与包含 4-8 个字符的字符串匹配。这与“abc3qr”匹配。
^ 和 $ 指定搜索字符串的开始和结束位置。这将在搜索字符串包含匹配字符之外的任何字符时阻止匹配。
(?!模式)
消极的预测先行。匹配与模式 不匹配的搜索字符串。找到一个匹配项后,将在匹配文本之前开始搜索下一个匹配项。不会保存匹配项以备将来之用。
\b(?!th)\w+\b 与不以“th”开头的单词匹配。
在该模式中,\b 与一个字边界匹配。对于搜索字符串“ quick ”,这与第一个空格匹配。(?!th) 与非“th”字符串匹配。这与“qu”匹配。
从该匹配项开始,\w+ 与一个字匹配。这与“quick”匹配。
\cx
匹配 x 指示的控制字符。x 的值必须在 A-Z 或 a-z 范围内。如果不是这样,则假定 c 就是文本“c”字符本身。
\cM 与 Ctrl+M 或一个回车符匹配。
\xn
匹配 n,此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。允许在正则表达式中使用 ASCII 代码。
\x41 与“A”匹配。\x041 等效于后跟有“1”的“\x04”(因为 n 必须正好是两位数)。
\num
匹配 num,此处的 num 是一个正整数。这是对已保存的匹配项的引用。
(.)\1 与两个连续的相同字符匹配。
\n
标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。
(\d)\1 与两个连续的相同数字匹配。
\nm
标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获子表达式,则 n 是反向引用,后面跟有文本 m。如果上述情况都不存在,当 n 和 m 是八进制数字 (0-7) 时,\nm 匹配八进制转义码 nm。
\11 与制表符匹配。
\nml
当 n 是八进制数字 (0-3),m 和 l 是八进制数字 (0-7) 时,匹配八进制转义码 nml。
\011 与制表符匹配。
\un
匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。
\u00A9 与版权符号 (©) 匹配。
非打印字符
下表包含表示非打印字符的转义序列。
字符
匹配
等效于
\f
换页符。
\x0c 和 \cL
\n
换行符。
\x0a 和 \cJ
\r
回车符。
\x0d 和 \cM
\s
任何空白字符。其中包括空格、制表符和换页符。
[\f\n\r\t\v]
\S
任何非空白字符。
[^\f\n\r\t\v]
\t
Tab 字符。
\x09 和 \cI
\v
垂直制表符。
\x0b 和 \cK
优先级顺序
正则表达式的计算方式与算术表达式非常类似;即从左到右进行计算,并遵循优先级顺序。
下表按从高到低的顺序包含了正则表达式运算符的优先级顺序。
运算符
说明
\
转义符
(), (?:), (?=), []
括号和中括号
*、+、?、{n}、{n,}、{n,m}
限定符
^、$、\任何元字符
定位点和序列
|
替换
字符具有高于替换运算符的优先级,例如,允许“m|food”匹配“m”或“food”。