正则表达式Pattern(模式类)Matcher(匹配器类)

原帖http://zzg.javaeye.com/blog/112170

 

正则表达式
软件包 java.util.regex 的描述

用于匹配字符序列与正则表达式指定模式的类。

Pattern(模式类) 类的实例采用类似于 Perl 的语法来表示以字符串形式指定的正则表达式。

Matcher(匹配器类) 类的实例用于匹配字符序列与给定模式。通过 CharSequence 接口将输入提供给匹配器，以支持从多种输入源到字符的匹配。

Pattern pattern = Pattern.compile("[//w[.-]]+@[//w[.-]]+//.[//w]");
Matcher matcher = pattern.matcher(s);
if (matcher.find()){

    System.out.println(matcher.group());

}

字符
x     字符 x
//     反斜线字符
/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
 
字符类
[abc]     a、b 或 c（简单类）
[^abc]     任何字符，除了 a、b 或 c（否定）
[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）
 
预定义字符类
.     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]
 
POSIX 字符类（仅 US-ASCII）
/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]
 
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()
 
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）
 
边界匹配器
^     行的开头
$     行的结尾
/b     单词边界
/B     非单词边界
/A     输入的开头
/G     上一个匹配的结尾
/Z     输入的结尾，仅用于最后的结束符（如果有的话）
/z     输入的结尾
 
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
 
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
 
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
 
Logical 运算符
XY     X 后跟 Y
X|Y     X 或 Y
(X)     X，作为捕获组
 
Back 引用
/n     任何匹配的 nth 捕获组
 
引用
/     Nothing，但是引用以下字符
/Q     Nothing，但是引用所有字符，直到 /E
/E     Nothing，但是结束从 /Q 开始的引用
 
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
(?idmsux-idmsux:X)       X，作为带有给定标志 on - off 的非捕获组
(?=X)     X，通过零宽度的正 lookahead
(?!X)     X，通过零宽度的负 lookahead
(?<=X)     X，通过零宽度的正 lookbehind
(?<!X)     X，通过零宽度的负 lookbehind
(?>X)     X，作为独立的非捕获组
反斜线、转义和引用

反斜线字符 ('/') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 // 与单个反斜线匹配，而 /{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "/b" 与单个退格字符匹配，而 "//b" 与单词边界匹配。字符串字面值 "/(hello/)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "//(hello//)"。
字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

    1         字面值转义         /x
    2         分组     [...]
    3         范围     a-z
    4         并集     [a-e][i-u]
    5         交集     [a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符

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)。

1.一个精简的正则表达式搜索程序

java 代码
 
public class BasicMatch {  
        public static void main(String[] args) {  
            // Compile regular expression  
            String patternStr = "b";  
            Pattern pattern = Pattern.compile(patternStr);  
      
            // Determine if pattern exists in input  
            CharSequence inputStr = "a b c b";  
            Matcher matcher = pattern.matcher(inputStr);  
            boolean matchFound = matcher.find();    // true  
      
            // Get matching string  
            String match = matcher.group();         // b  
      
            // Get indices of matching string  
            int start = matcher.start();            // 2  
            int end = matcher.end();                // 3  
            // the end is index of the last matching character + 1  
      
            // Find the next occurrence  
            matchFound = matcher.find();            // true  
        }  
    }  

2.确定一个字符串是否准确的匹配一个模式
  
java 代码
 
// Compile regular expression  
    String patternStr = "b";  
    Pattern pattern = Pattern.compile(patternStr);  
      
    // Determine if there is an exact match  
    CharSequence inputStr = "a b c";  
    Matcher matcher = pattern.matcher(inputStr);  
    boolean matchFound = matcher.matches(); // false  
      
    // Try a different input  
    matcher.reset("b");//重置匹配器。  
    matchFound = matcher.matches();         // true  
      
    // Determine if pattern matches beginning of input  
    matchFound = matcher.lookingAt();       // false  

3.对一个文件的内容用正则表达式

java 代码
 
// Converts the contents of a file into a CharSequence  
    // suitable for use by the regex package.  
    public CharSequence fromFile(String filename) throws IOException {  
        FileInputStream fis = new FileInputStream(filename);  
        FileChannel fc = fis.getChannel();  
      
        // Create a read-only CharBuffer on the file  
        ByteBuffer bbuf = fc.map(FileChannel.MapMode.READ_ONLY, 0, (int)fc.size());  
        CharBuffer cbuf = Charset.forName("8859_1").newDecoder().decode(bbuf);  
        return cbuf;  
    }  
  
Here is sample code that uses the method:  
  
    try {  
        // Create matcher on file  
        Pattern pattern = Pattern.compile("pattern");  
        Matcher matcher = pattern.matcher(fromFile("infile.txt"));  
      
        // Find all matches  
        while (matcher.find()) {  
            // Get the matching string  
            String match = matcher.group();  
        }  
    } catch (IOException e) {  
    }  

4.删除字符串中的复制空白
  
java 代码
 
// Returns a version of the input where all contiguous  
    // whitespace characters are replaced with a single  
    // space. Line terminators are treated like whitespace.  
    public static CharSequence removeDuplicateWhitespace(CharSequence inputStr) {  
        String patternStr = "//s+";///s代表空格  
        String replaceStr = " ";  
        Pattern pattern = Pattern.compile(patternStr);  
        Matcher matcher = pattern.matcher(inputStr);  
        return matcher.replaceAll(replaceStr);//替换模式与给定替换字符串相匹配的输入序列的每个子序列。  
    }  

5.正则表达式的贪婪匹配和非贪婪匹配

java 代码
 
// Greedy quantifiers/.任意字符  *零次或多次  +一次或多次  ？一次或一次也没有  
String match = find("A.*c", "AbcAbc");  // AbcAbc  
match = find("A.+", "AbcAbc");          // AbcAbc  
  
// Nongreedy quantifiers  
match = find("A.*?c", "AbcAbc");        // Abc  
match = find("A.+?", "AbcAbc");         // Abc  

6.模式中的转义特殊字符

java 代码
 
String patternStr = "i.e.";  
      
    boolean matchFound = Pattern.matches(patternStr, "i.e.");// true  
    matchFound = Pattern.matches(patternStr, "ibex");        // true  
      
    // Quote the pattern; i.e. surround with /Q（Nothing，但是引用所有字符，直到 /E） and /E（Nothing，但是结束从 /Q 开始的引用）      
    matchFound = Pattern.matches("//Q"+patternStr+"//E", "i.e.");  // true  
    matchFound = Pattern.matches("//Q"+patternStr+"//E", "ibex");  // false  
      
    // Escape the pattern  
    patternStr = escapeRE(patternStr);                       // i/.e/.  
      
    matchFound = Pattern.matches(patternStr, "i.e.");        // true  
    matchFound = Pattern.matches(patternStr, "ibex");        // false  
      
    // Returns a pattern where all punctuation characters are escaped.  
    static Pattern escaper = Pattern.compile("([^a-zA-z0-9])");  
    public static String escapeRE(String str) {  
        return escaper.matcher(str).replaceAll("$1");  
    }