正则表达式

最新推荐文章于 2024-09-30 10:36:33 发布

iteye_1604

最新推荐文章于 2024-09-30 10:36:33 发布

阅读量89

点赞数

分类专栏：学习笔记文章标签： java

本文链接：https://blog.csdn.net/iteye_1604/article/details/82510843

版权

学习笔记专栏收录该内容

9 篇文章 0 订阅

订阅专栏

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