正则表达式的简单介绍

正则表达式指符合一定规则的表达式，专门用于操作字符串。用一些特定的符号来表示一些代码操作，以此来简化书写。只需要书写简短的正则字符串就可以完成非常复杂的字符匹配操作。学习正则表达式最重要的就是学习如何写正则，而正则本身又是各种符号的组合体。所以学习正则表达式，就是在学习一些特殊符号的使用。

正则虽然简便，但是其弊端也多，做重要的就是两点：
1. 阅读性会随着符号定义的越多而变得非常非常差；
2. 其效率真的不敢恭维。

虽然其弊端存在，但是学习这个东西还是非常有必要的，因为在处理一些字符串的问题是避不开正则的，而且在很多时候使用正则却是最省事的。

正则表达式的简单介绍

既然是学习正则，那就要对正则有一个简单的介绍，此处不是希望读者能够读懂或是能够按要求自己写正则，只是让读者对正则有一个简单的认知，至少知道这些字符串是正则。下面就列举了一些正则表达式，并以此来介绍一下正则表达式：
1. " +"： 表示一个或多个空格
2. [abc]：表示一个字符是a或b或c
3. [a-zA-Z]：表示a到z或A到Z，两头的字母包括在内（范围）
4. ^\\w+$：由数字、26个英文字母或下划线组成的字符串
5. ^[\\u4e00-\\u9fa5]{0,}$：字符串仅能是中文
6. ^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\d{8}$：国内 13、15、18开头的手机号正则
7. ^(?=.*\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$： 校验密码长度，密码的强度必须是包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间

以上是几个正则，有简单的，也有比较难的。通过这些正则，能够对正则有一个初步的印象，至于这个正则里面的符号各个是什么意思，可用看最后一节。

正则表达式的用处：

上面对正则有了一个初步的介绍，那么现在就该将其用法了。通过去使用正则表达式，逐步加深对正则的理解。实践是检验真理的唯一标识，知道怎么使用，那就可以自己去试着写一写正则来看看。
对于正则的用处，我将其分成4种，分别是：匹配、切割、替换和获取。每一个用法都对应了一些API的调用，下面就来看一看怎么使用正则。另外，通过正则一个字符串种获取符合规则是正则的最大的用处，因此获取最好熟练掌握，特别是那几个方法的使用。

匹配

确定一个字符串是否完全符合正则表达式。用规则匹配整个字符串，如果有一处不符合就匹配结束，使用方法：

String :  boolean matches(String regex)

切割

将一个字符串通过指定正则切割为多个字符串。

String :  String[] split(String regex)

这个方法应该是在工作用的比较多的，例如 使用正则" +"是按一个或多个空格来切割，就不多解释了。

替换

将字符串中所有匹配给定的正则表达式的子字符串进行替换。

 String :  String replaceAll(String  regex, String  replacement)
 //使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。

这个方式很容易理解，但这里有个需要注意的地方：在String类中还有一个相似的replace方法，这个方法也是进行替换的，但是问题在于这个方法不使用正则，仅仅是进行字面值的匹配。

获取

从一个字符串中获取符合正则表达式的子字符串。这个用法是所有正则用法中最常用的，因此需要熟练掌握。在介绍如何进行获取之前，先介绍两个相关的类：Pattern、Matcher。
获取的操作，主要是Pattern、Matcher 这两个类的使用，将字符串中符合规则的子串取出。上面提到的其他的操作再底层也是通过这两个对象来进行的。

Pattern 类代表一个正则表达式对象，其由静态方法创建，与特定要匹配的字符串无关，仅仅代表一个正则表达式对象
Matcher 类代表一个字符串与正则进行结合后的匹配器，通过它可以对字符串进行很多操作。通常由Pattern.matches(CharSequence input)创建而来。

其中，Matcher常用的方法有：find()、reset()、group()、start()、end()，最常用的进行获取的例子如下：

    String data = "M634.6458,109.730835C633.93176,110.02402  633.11017,110.45207 
633.5371,110.86981C635.0685,112.36824 636.26434,111.89019 638.5624,113.56317";
    String regex = "[MQC][^MQC]+";

    data = data.replaceAll("\\s+"," ");

    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(data);

    while(matcher.find()) {
        System.out.println("find: "+matcher.group());
    }

下面是出现的与获取子串相关一些函数的说明：
find() 从当前索引处开始进行一次匹配；
group() 获取当前匹配到的子串；
start() 返回当前匹配到的子串的第一个字符的位置；
end() 返回当前匹配到的子串的最后一个字符的位置；
reset() 重置当前匹配器，此时其索引重新置为字符串初始位置；

正则表达式的特点

正则虽然复杂，但是只要记住几点就能够对正则有一个大致的认识，然后在匹配文档就可明确这个正则的具体意义。下面是个人总结的一些正则的特点，读者可看可不看，毕竟仁者见仁智者见智：

1. [] 中括号表示字符串中的一个字符： [abc]表示出现a或b或c
2. Java 中的字符串会对\\进行转义，所以当需要使用\\时，就需要连续使用两个\\，所以在
   Java 正则中出现的反斜杠都是成对出现的
3. 正则是逐次判断的，对于数量可以用大括号{}或+或*等来判断
4. 小括号表示组的概念，一个规则使用小括号括起来为组，可以用来重用其结果，其编号从1开始自动生成，例如"(.)\\1"表示叠词（两个相同的词）。为了可以让规则的结果被重用，可以将规则封装成一个组，用()完成，组的出现都有编号，从1开始，想要使用已有的组可以通过\n(n就是组的编号)的形式来获取

正则表达式的构造

正则的构造是通过特殊字符的组合，一下给出常用的用于构造正则的符号和其表达意义，但并非所有。在进行正则构造的时候，可以使用。

字符类	意义
[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	意义
.	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]

边界匹配器	意义
^	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	意义
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

常用的正则表达式

1 . 校验密码强度
密码的强度必须是包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间。

^(?=.*\\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$

1. 校验中文
   字符串仅能是中文。

^[\\u4e00-\\u9fa5]{0,}$

1. 由数字、26个英文字母或下划线组成的字符串

^\\w+$

1. 校验E-Mail 地址
   同密码一样，下面是E-mail地址合规性的正则检查语句。

[\\w!#$%&'*+/=?^_`{|}~-]+(?:\\.[\\w!#$%&'*+/=?^_`{|}~-]+)*@(?:[\\w](?:[\\w-]*[\\w])?\\.)+[\\w](?:[\\w-]*[\\w])?

1. 校验身份证号码
   下面是身份证号码的正则校验。15 或 18位。
   15位：

^[1-9]\\d{7}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}$

18位：

^[1-9]\\d{5}[1-9]\\d{3}((0\\d)|(1[0-2]))(([0|1|2]\\d)|3[0-1])\\d{3}([0-9]|X)$

1. 校验日期
   yyyy-mm-dd 格式的日期校验，已考虑平闰年。

^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$

1. 校验金额
   金额校验，精确到2位小数。

^[0-9]+(.[0-9]{2})?$

1. 校验手机号
   下面是国内 13、15、18开头的手机号正则表达式。

^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\\d{8}$

1. 判断IE的版本
   IE目前还没被完全取代，很多页面还是需要做版本兼容，下面是IE版本检查的表达式。

^.*MSIE [5-8](?:\\.[0-9]+)?(?!.*Trident\\/[5-9]\\.0).*$

1. 校验IP-v4地址
   IP4 正则语句。

\\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\\b

1. 校验IP-v6地址
   IP6 正则语句。

(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))

1. 检查URL的前缀
   应用开发中很多时候需要区分请求是HTTPS还是HTTP，通过下面的表达式可以取出一个url的前缀然后再逻辑判断。

if (!s.match(/^[a-zA-Z]+:\\/\\//)){ s = 'http://' + s;}

1. 提取URL链接
   下面的这个表达式可以筛选出一段文本中的URL。

^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?

1. 文件路径及扩展名校验
   验证文件路径和扩展名

^([a-zA-Z]\\:|\\\\)\\\\([^\\\\]+\\\\)*[^\\/:*?"<>|]+\\.txt(l)?$

1. 提取Color Hex Codes
   有时需要抽取网页中的颜色代码，可以使用下面的表达式。

\\#([a-fA-F]|[0-9]){3,6}

1. 提取网页图片
   假若你想提取网页中所有图片信息，可以利用下面的表达式。

\\< *[img][^\\>]*[src] *= *[\\"\\']{0,1}([^\\"\\'\\ >]*)

1. 提取页面超链接
   提取html中的超链接。

(]*)(href="https?://)((?!(?:(?:www\\.)?'.implode('|(?:www\\.)?', $follow_list).'))[^"]+)"((?!.*\\brel=)[^>]*)(?:[^>]*)>

1. 精炼CSS
   通过下面的表达式，可以搜索相同属性值的CSS，从而达到精炼代码的目的。

^\\s*[a-zA-Z\\-]+\\s*[:]{1}\\s[a-zA-Z0-9\\s.#]+[;]{1}

1. 匹配HTML标签
   通过下面的表达式可以匹配出HTML中的标签。

\\s]+))?)+\\s*|\\s*)/?>