JAVA笔记之正则表达式

最新推荐文章于 2024-07-27 18:40:58 发布

汝贤

最新推荐文章于 2024-07-27 18:40:58 发布

阅读量198

点赞数

分类专栏： JAVA 文章标签： java 正则表达式

原文链接：https://zhuanlan.zhihu.com/p/59904349

版权

JAVA 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

原文地址：https://zhuanlan.zhihu.com/p/59904349

字符匹配符与范围控制符

. （点）任意字符
\s （反斜杠加小写字母s）空白字符：回车，制表，空格，换行
\S (反斜杠加大写字母S) 非空白字符，除了上面那四个空白字符
\w (反斜杠加小写字母w) 单词字符：小写字母a-z，大写字母A-Z，数字0-9，下划线 _
\W （反斜杠加大写字母W）非单词字符，除了上面提到的那些单词字符
[ ] (中括号) 范围字符
1. [abc] 表示字母abc中的任意一个
2. [a-z] 表示字母a到z中的任意一个
3. [^abc] ^ 为取非，除了abc，剩下的全部字符
4. [abc[def]] 这种写法为并集，意为abcdef中的任意一个
5. [abc&[bce]] & 表示与，也就是交集。 abc 与上 bce, 最终结果为bc

数量控制符

上面介绍的字符匹配符和范围控制符，一般是与数量控制符组合使用，才能发挥真正威力。而数量控制符号，分为贪婪型，勉强型，和占有型三种类型，每种类型在不同的场合有不同的用法。

贪婪型

? 表示1个或0个。换句话说，表示要不然没有，要不然只有1个
* 表示0个或多个。
+ 表示1个或多个。
{n} 表示正好n个
{n,m} 表示n到m个，这是一个左闭右闭区间
{n,} 表示至少n个

勉强型

相比于贪婪型，勉强型只是多了一个?：

?? 表示1个或0个。换句话说，表示要不然没有，要不然只有1个
*? 表示0个或多个。
+? 表示1个或多个。
{n}? 表示正好n个
{n,m}? 表示n到m个，这是一个左闭右闭区间
{n,}? 表示至少n个

占有型

相比于贪婪型，占有型多了一个 +

?+ 表示1个或0个。换句话说，表示要不然没有，要不然只有1个
*+ 表示0个或多个。
++ 表示1个或多个。
{n}+ 表示正好n个
{n,m}+ 表示n到m个，这是一个左闭右闭区间
{n,}+ 表示至少n个

不同类型的区别

现在详细分析贪婪型、勉强型和占有型的区别，举例如下：

        String s = "abcd&"; 			// 目标字符串
        String regular = "\\w+\\w";		// 贪婪型正则
		String regular2 = "\\w+?\\w";		// 勉强型正则
		String regular3 = "\\w++\\w";		// 占有型正则
        Matcher m = Pattern.compile(regular).matcher(s);
		// 调用方法去匹配字符串
        if(m.find()) {
		   System.out.println(m.group());
		}

分析：

贪婪型。\w+，意为匹配一个或多个单词字符，对于贪婪型，将尽量多的匹配字符，abcd全部匹配出来，直到遇到特殊字符&，匹配结束，然后用\w 去匹配特殊字符&，发现并不匹配，此时将会回溯，也就是说\w+只匹配abc三位，然后让最后一个\w去匹配d，最终\\w+\\w匹配出结果abcd.
勉强型。对于勉强型，会尽量少的匹配字符。既然，+表示一个或多个，那就只匹配一个，所以\w+?最终只匹配出一个a，然后\w再去匹配一个b，最终匹配结果为ab。
占有型。占有型和贪婪型很像，刚开始也会尽量多的匹配字符，但是占有型没有回溯机制，遇到不匹配的内容后，将自动停止而不是向前回溯。所以 \\w++，自动匹配到abcd之后，遇到了&，发现不匹配，然后自动停止了，此时还有一个\w也和&不匹配，所以最终结果匹配失败，输出为空。

位置匹配符

位置匹配符，不匹配任何字符只匹配位置。也就是说，位置匹配符是零宽度的，只匹配位置。

^ 匹配一行的开始位置
$ 匹配一行的结束位置
\b 匹配单词边界。这里的单词指的就是， a-z, 0-9, _，和\w不同的是，\b匹配的单词还包括汉字。单词边界匹配，是匹配单词字符和非单词字符之间的位置。
\B 匹配非单词边界。和\b，刚好相反， \B 匹配单词与单词之间的位置，或者非单词与非单词之间的位置。
\G 匹配前一个匹配结束时的位置。

举例说明：

String s = "a=124_a=789_a=490"; 	
String regular = "^a=\\d+";

比如说只想把开头的a=124找出来，而不关心后面的a，此时就可以用位置匹配符。^匹配一行的开始位置，a= 去匹配 a=, \\d+匹配出124，所以最终可正确匹配出开始位置的a=124

还有一类特殊的匹配符，虽然严格意义上来说不能算是位置匹配符，但是由于这类匹配符也是零宽度的，所以本文章把这类匹配符归为位置匹配符。这类特殊的匹配符，称为零宽度断言匹配。

(?=exp) 零宽度向前匹配
(?<=exp) 零宽度向后匹配
(?!exp) 零宽度向前非匹配
(?<!exp) 零宽度向后非匹配

举例说明2：

// 目标字符串。 只想取出2前面的abc
                String s = "abc1 abc1 abc2 abc3";
                String regular = "\\w{3}(?=2)";
		Matcher m = Pattern.compile(regular).matcher(s);
                while(m.find()) {
                   System.out.println(m.group());
		}

就像是$匹配字符串结尾一样，(?=2) 也是匹配字符串中为2的位置，然后再去检查(?=2)前面的\\w{3} 是否匹配abc，匹配则输出结果。之所以说是零宽度，是因为(?=2)只是起一个锚点定位作用，此时尾指针指向的不是2后面，而是c后面。

再比如说3：

String s = "aaaaaaaa";
                String regular = "aa(?=aa)";
		Matcher m = Pattern.compile(regular).matcher(s);
                while(m.find()) {
	            System.out.println(m.group());
		}

结果输出将是： aa aa aa

因为，第1次匹配，匹配到前4个a，输出aa；第2次匹配，是从第2个a后开始向后，而不是第4个a后面，(?=aa) 只标定位置，不占有宽度；以此类推，最终结果输出为aa aa aa

举例说明4：

对于零宽度向前匹配，和向后匹配方向相反：

// 目标字符串。 只要求输出2后面的abc
                String s = "1abc 2abc 3abc";
                String regular = "(?<=2)\\w{3}";
		Matcher m = Pattern.compile(regular).matcher(s);
                while(m.find()) {
			System.out.println(m.group());
		}

只要求输出2后面的abc，那么就可以用(?<=2)来进行锚点标定，匹配出其后面的字符串。

对于(?!exp) 和 (?<!exp) 这两个非匹配断言，和匹配断言正好相反。 (?!exp) 是要求匹配内容的后面，不能有指定的内容； (?<!exp) 要求匹配的前面不能有指定的内容。

模式说明符

(?i) 开启大小写忽略模式，但是只适用于ASCII字符
(?u) 开启utf-8编码模式
(?m) 开启多行匹配模式，.不匹配空白字符
(?s) 单行模式，.匹配任意字符，包括空白字符
(?d) 单行模式，.不匹配空白字符

举例说明：

String test2 = "I care not whether I can succeed\n"
		+ "Since in choice of the distance\n"
		+ "I simply travel in wind and rain\n"
		+ "I care not whether I can win love\n"
		+ "Since in deep love with a rose\n"
		+ "I just unbosom myself bravely"; 
String reg = "(?m)\\w{3}$";

在默认情况下，^ 和 $ 只匹配全部字符串的开始与结束位置，但是如果用（?m）开启多行匹配模式之后， ^ 和 $ 将匹配每一行的开始与结束位置。所以说，上面上面那个举例正则(?m)\\w{3}$，将会匹配出每一行的最后三个字符。