Java Regular Expressions Syntax

Java Regular Expressions Syntax

关键字: java regex syntax

一、正则表达式语法

1.1.字符

x 字符 x。例如a表示字符a

// 反斜线字符。在书写时要写为。（注意：因为java在第一次解析时把解析成正则表达式//，在第二次解析时再解析为/，所以凡是不是1.1列举到的转义字符，包括1.1的//,而又带有/的都要写两次）

/0n 带有八进制值 0的字符 n (0 <= n <= 7)

/0nn 带有八进制值 0的字符 nn (0 <= n <= 7)

/0mnn 带有八进制值 0的字符 mnn（0 <= m <= 3、0 <= n <= 7）

/xhh 带有十六进制值 0x的字符 hh

/uhhhh 带有十六进制值 0x的字符 hhhh

/t 制表符 ('/u0009')

/n 新行（换行）符 ('/u000A')

/r 回车符 ('/u000D')

/f 换页符 ('/u000C')

/a 报警 (bell) 符 ('/u0007')

/e 转义符 ('/u001B')

/cx 对应于 x 的控制符

1.2.字符类

[abc] a、b或 c（简单类）。例如[egd]表示包含有字符e、g或d。

[^abc] 任何字符，除了 a、b或 c（否定）。例如[^egd]表示不包含字符e、g或d。

[a-zA-Z] a到 z或 A到 Z，两头的字母包括在内（范围）

[a-d[m-p]] a到 d或 m到 p：[a-dm-p]（并集）

[a-z&&[def]] d、e或 f（交集）

[a-z&&[^bc]] a到 z，除了 b和 c：[ad-z]（减去）

[a-z&&[^m-p]] a到 z，而非 m到 p：[a-lq-z]（减去）

1.3.预定义字符类(注意反斜杠要写两次，例如/d写为//d)

. 任何字符（与行结束符可能匹配也可能不匹配）

/d 数字：[0-9]

/D 非数字： [^0-9]

/s 空白字符：[ /t/n/x0B/f/r]

/S 非空白字符：[^/s]

/w 单词字符：[a-zA-Z_0-9]

/W 非单词字符：[^/w]

1.4.POSIX 字符类（仅 US-ASCII)(注意反斜杠要写两次，例如/p{Lower}写为//p{Lower})

/p{Lower} 小写字母字符：[a-z]。

/p{Upper} 大写字母字符：[A-Z]

/p{ASCII} 所有 ASCII：[/x00-/x7F]

/p{Alpha} 字母字符：[/p{Lower}/p{Upper}]

/p{Digit} 十进制数字：[0-9]

/p{Alnum} 字母数字字符：[/p{Alpha}/p{Digit}]

/p{Punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[/]^_`{|}~

/p{Graph} 可见字符：[/p{Alnum}/p{Punct}]

/p{Print} 可打印字符：[/p{Graph}/x20]

/p{Blank} 空格或制表符：[ /t]

/p{Cntrl} 控制字符：[/x00-/x1F/x7F]

/p{XDigit} 十六进制数字：[0-9a-fA-F]

/p{Space} 空白字符：[ /t/n/x0B/f/r]

1.5.java.lang.Character 类（简单的 java 字符类型）

/p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()

/p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()

/p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()

/p{javaMirrored} 等效于 java.lang.Character.isMirrored()

1.6.Unicode 块和类别的类

/p{InGreek} Greek 块（简单块）中的字符

/p{Lu} 大写字母（简单类别）

/p{Sc} 货币符号

/P{InGreek} 所有字符，Greek 块中的除外（否定）

[/p{L}&&[^/p{Lu}]] 所有字母，大写字母除外（减去）

1.7.边界匹配器

^ 行的开头，请在正则表达式的开始处使用^。例如：^(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE);

$ 行的结尾，请在正则表达式的结束处使用。例如：(^bca).*(abc$)表示以bca开头以abc结尾的行。

/b 单词边界。例如/b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配）

/B 非单词边界。例如/B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)

/A 输入的开头

/G 上一个匹配的结尾(个人感觉这个参数没什么用)。例如//Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。

/Z 输入的结尾，仅用于最后的结束符（如果有的话）

行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。

以下代码被识别为行结束符：

‐新行（换行）符 ('/n')、

‐后面紧跟新行符的回车符 ("/r/n")、

‐单独的回车符 ('/r')、

‐下一行字符 ('/u0085')、

‐行分隔符 ('/u2028') 或

‐段落分隔符 ('/u2029)。

/z 输入的结尾

当编译模式时，可以设置一个或多个标志，例如

Pattern pattern = Pattern.compile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);

下面六个标志都是支持的：

‐CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US ASCII字符。

‐UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配

‐MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入

‐UNIX_LINES： 当在多行模式下匹配^和$时，只将'/n'看作行终止符

‐DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符

‐CANON_EQ: 考虑Unicode字符的规范等价

1.8.Greedy 数量词

X? X，一次或一次也没有

X* X，零次或多次

X+ X，一次或多次

X{n} X，恰好 n 次

X{n,} X，至少 n 次

X{n,m} X，至少 n 次，但是不超过 m 次

1.9.Reluctant 数量词

X?? X，一次或一次也没有

X*? X，零次或多次

X+? X，一次或多次

X{n}? X，恰好 n 次

X{n,}? X，至少 n 次

X{n,m}? X，至少 n 次，但是不超过 m 次

1.10.Possessive 数量词

X?+ X，一次或一次也没有

X*+ X，零次或多次

X++ X，一次或多次

X{n}+ X，恰好 n 次

X{n,}+ X，至少 n 次

X{n,m}+ X，至少 n 次，但是不超过 m 次

Greedy，Reluctant，Possessive的区别在于:(注意仅限于进行.等模糊处理时)

greedy量 词被看作“贪婪的”，因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试（整个输入字符串）失败，匹配器就会在被匹配字符串中的最后一位后退 一个字符并且再次尝试，重复这个过程，直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词，它最后试图匹配的内容是1 个或者0个字符。

但是，reluctant量词采取相反的方式：它们从被匹配字符串的开头开始，然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。

最后，possessive量词总是读完整个输入字符串，尝试一次（而且只有一次）匹配。和greedy量词不同，possessive从不后退。


1.11.Logical 运算符

XY X 后跟 Y

X|Y X 或 Y

(X) X，作为捕获组。例如(abc)表示把abc作为一个整体进行捕获

1.12.Back 引用

/n 任何匹配的 nth捕获组

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C)))中，存在四个这样的组：

1 ((A)(B(C)))

2 /A

3 (B(C))

4 (C)

在表达式中可以通过/n来对相应的组进行引用，例如(ab)34/1就表示ab34ab，(ab)34(cd)/1/2就表示ab34cdabcd。

1.13.引用

/ Nothing，但是引用以下字符

/Q Nothing，但是引用所有字符，直到 /E。QE之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, ab//Q{|}E

可以匹配ab{|}//

/E Nothing，但是结束从 /Q开始的引用

1.14.特殊构造（非捕获）

(?:X) X，作为非捕获组

(?idmsux-idmsux) Nothing，但是将匹配标志由 on 转为 off。比如：表达式 (?i)abc(?-i)def 这时，(?i) 打开不区分大小写开关，abc 匹配

idmsux说明如下：

‐i CASE_INSENSITIVE :US-ASCII 字符集不区分大小写。(?i)

‐d UNIX_LINES : 打开UNIX换行符

‐m MULTILINE :多行模式(?m)

UNIX下换行为/n

WINDOWS下换行为/r/n(?s)

‐u UNICODE_CASE : Unicode 不区分大小写。(?u)

‐x COMMENTS :可以在pattern里面使用注解，忽略pattern里面的whitespace，以及"#"一直到结尾（#后面为注解）。(?x)例如(?x)abc#asfsdadsa可以匹配字符串abc

(?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组。与上面的类似，上面的表达式，可以改写成为：(?i:abc)def，或者 (?i)abc(?-i:def)

(?=X) X，通过零宽度的正 lookahead。零宽度正先行断言，仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，/w+(?=/d) 表示字母后面跟数字，但不捕获数字（不回溯）

(?!X) X，通过零宽度的负 lookahead。零宽度负先行断言。仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，/w+(?!/d) 表示字母后面不跟数字，且不捕获数字。

(?<=X) X，通过零宽度的正 lookbehind。零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 表示99前面是数字19，但不捕获前面的19。（不回溯）

(?<!X) X，通过零宽度的负 lookbehind。零宽度负后发断言。仅当子表达式 X 不在此位置的左侧匹配时才继续匹配。例如，(?<!19)99 表示99前面不能是19，且不捕获前面的东东。

(?>X) X，作为独立的非捕获组（不回溯）

(?:X)与(?>X)的区别在于(?>X)是不回溯的。例如被匹配的字符串为abcm，当表达式为a(?:b|bc)m是可以匹配 的，而当表达式是a(?>b|bc)m时是不能匹配的，因为当后者匹配到b时，由于已经匹配，就跳出了非捕获组，而不再次对组内的字符进行匹配。可 以加快速度。
下面这段代码，只输出abm而不会输出abcm。当表达式为a(?:b|bc)m时可以输出abcm。

Java代码

1. Patternpattern=Pattern.compile("a(?>b|bc)m" );
3. Matcherm=pattern.matcher("abcmkfabm" );
4. while (m.find()){
5. System.out.println(m.group());
6. }

Pattern pattern = Pattern.compile("a(?>b|bc)m");
		
Matcher m = pattern.matcher("abcmkfabm");
while(m.find()){
	System.out.println(m.group());
}

说明：回溯算法的基本思想是：从一条路往前走，能进则进，不能进则退回来，换一条路再试。
二、例子
1.

Java代码

1. /**
2. *以非字母和数字作为分隔符，输出数据
3. *@paraminput
4. */
5. public static void testSplit(Stringinput){
6. ///p{name}:一个指定的字符类
7. //Punct:非字母或数字ASCII[/p{Print}&&/P{Alnum}]
8. Patternpattern=Pattern.compile("//s*//p{Punct}//s*" );
9. if (input==null ||input=="" ){
10. input="begin|test{split123456}00end" ;
11. }
12. String[]tokens=pattern.split(input);
13. for (Stringstr:tokens){
14. System.out.println(str);
15. }
16. }

/**
 * 以非字母和数字作为分隔符，输出数据
 * @param input
 */
public static void testSplit(String input){
	///p{name}: 一个指定的字符类
	//Punct :非字母或数字ASCII [/p{Print}&&/P{Alnum}] 
	Pattern pattern = Pattern.compile("//s*//p{Punct}//s*");
	if(input ==null || input ==""){
		input = "begin | test { split 123456 }00end";
	}
	String[] tokens = pattern.split(input);
	for(String str:tokens){
		System.out.println(str);
	}
}

2.

Java代码

1. /**
2. *in:给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59amout:Match((11):(59))am
3. */
4. public static void testGroupMatch(){
5. Scannerin=new Scanner(System.in);
6. System.out.println("Enterpattern:" );
7. StringpatternString=in.nextLine();
9. Patternpattern=null ;
10. try {
11. pattern=Pattern.compile(patternString);
12. }catch (PatternSyntaxExceptione){
13. System.out.println("Patternsyntaxerror" );
14. System.exit(1 );
15. }
17. while (true ){
18. System.out.println("Enterstringtomatch:" );
19. Stringinput=in.nextLine();
20. if (input==null ||input.equals("" ))
21. return ;
22. Matchermatcher=pattern.matcher(input);
23. if (matcher.matches()){
24. System.out.println("Match!" );
25. int g=matcher.groupCount();//获得总的分组数
26. if (g>0 ){
27. for (int i=0 ;i<input.length();i++){
28. for (int j=1 ;j<=g;j++){//第0个分组代表所有的分组，第一个实际分组的索引是1。
29. if (i==matcher.start(j)){//此位置是分组的起始
30. System.out.print('(' );
31. }
32. }
33. System.out.print(input.charAt(i));
34. for (int j=1 ;j<=g;j++){
35. if (i+1 ==matcher.end(j)){//下一个位置是分组的结束
36. System.out.print(')' );
37. }
38. }
39. }
40. System.out.println();
41. }
42. }else
43. System.out.println("Nomatch" );
44. }
45. }

/**
 * in:给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am out:Match ((11):(59))am
 */
public static void testGroupMatch() {
	Scanner in = new Scanner(System.in);
	System.out.println("Enter pattern: ");
	String patternString = in.nextLine();

	Pattern pattern = null;
	try {
		pattern = Pattern.compile(patternString);
	} catch (PatternSyntaxException e) {
		System.out.println("Pattern syntax error");
		System.exit(1);
	}

	while (true) {
		System.out.println("Enter string to match: ");
		String input = in.nextLine();
		if (input == null || input.equals(""))
			return;
		Matcher matcher = pattern.matcher(input);
		if (matcher.matches()) {
			System.out.println("Match!");
		int g = matcher.groupCount();// 获得总的分组数
			if (g > 0) {
				for (int i = 0; i < input.length(); i++) {
					for (int j = 1; j <= g; j++) {// 第0个分组代表所有的分组，第一个实际分组的索引是1。
						if (i == matcher.start(j)) {// 此位置是分组的起始
							System.out.print('(');
						}
					}
						System.out.print(input.charAt(i));
					for (int j = 1; j <= g; j++) {
							if (i + 1 == matcher.end(j)) {// 下一个位置是分组的结束
								System.out.print(')');
						}
					}
				}
				System.out.println();
			}
		} else
			System.out.println("No match");
	}
}

3.

Java代码

1. /**
2. *ThisprogramdisplaysallURLsinawebpagebymatching
3. *aregularexpressionthatdescribesthe<ahref=...>HTMLtag.
4. *@paramurlString
5. */
6. public static void testHrefMatch(StringurlString){
7. if (urlString==null ||urlString=="" ){
8. urlString="http://java.sun.com" ;
9. }
10. try {
11. InputStreamReaderin=new InputStreamReader(new URL(urlString)
12. .openStream());
13. StringBuilderinput=new StringBuilder();
14. int ch;
15. while ((ch=in.read())!=-1 ){
16. input.append((char )ch);
17. }
18. StringpatternString="<a//s+href//s*=//s*(/"[^/"]*/"|[^//s>])//s*>" ;
19. Patternpattern=Pattern.compile(patternString,
20. Pattern.CASE_INSENSITIVE);
21. Matchermatcher=pattern.matcher(input);
22. while (matcher.find()){
23. int start=matcher.start();
24. int end=matcher.end();
25. Stringmatch=input.substring(start,end);
26. System.out.println(match);
27. }
29. }catch (Exceptione){
30. e.printStackTrace();
31. }
32. }

	/**
	 * This program displays all URLs in a web page by matching
	 * a regular expression that describes the <a href=...> HTML tag. 
	 * @param urlString
	 */
	public static void testHrefMatch(String urlString) {
		if (urlString == null || urlString == "") {
			urlString = "http://java.sun.com";
		}
		try {
			InputStreamReader in = new InputStreamReader(new URL(urlString)
					.openStream());
			StringBuilder input = new StringBuilder();
			int ch;
			while ((ch = in.read()) != -1) {
				input.append((char) ch);
			}
			String patternString = "<a//s+href//s*=//s*(/"[^/"]*/"|[^//s>])//s*>";
			Pattern pattern = Pattern.compile(patternString,
					Pattern.CASE_INSENSITIVE);
			Matcher matcher = pattern.matcher(input);
			while (matcher.find()) {
				int start = matcher.start();
				int end = matcher.end();
				String match = input.substring(start, end);
				System.out.println(match);
			}

		} catch (Exception e) {
			e.printStackTrace();
		}
	}