正则表达式

 

1、普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

---

2、非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列：

字符	描述
\cx	匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 'c' 字符。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。注意 Unicode 正则表达式会匹配全角空格符。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。

---

3、特殊字符

所谓特殊字符，就是一些有特殊含义的字符，如上面说的 runoo*b 中的 *，简单的说就是表示任何字符串的意思。如果要查找字符串中的 * 符号，则需要对 * 进行转义，即在其前加一个 \: runo\*ob 匹配 runo*ob。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符，必须首先使字符"转义"，即，将反斜杠字符\ 放在它们前面。下表列出了正则表达式中的特殊字符：

特别字符	描述
$	匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身，请使用 \$。
( )	标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符，请使用 \( 和 \)。
*	匹配前面的子表达式零次或多次。要匹配 * 字符，请使用 \*。
+	匹配前面的子表达式一次或多次。要匹配 + 字符，请使用 \+。
.	匹配除换行符 \n 之外的任何单字符。要匹配 . ，请使用 \. 。
[	标记一个中括号表达式的开始。要匹配 [，请使用 \[。
?	匹配前面的子表达式零次或一次，或指明一个非贪婪限定符。要匹配 ? 字符，请使用 \?。
\	将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如， 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\"，而 '\(' 则匹配 "("。
^	匹配输入字符串的开始位置，除非在方括号表达式中使用，此时它表示不接受该字符集合。要匹配 ^ 字符本身，请使用 \^。
{	标记限定符表达式的开始。要匹配 {，请使用 \{。
|	指明两项之间的一个选择。要匹配 |，请使用 \|。

---

 

4、限定符

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有 * 或 + 或 ? 或 {n} 或 {n,} 或 {n,m} 共6种。

正则表达式的限定符有：

字符	描述
*	匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+	匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

---

5、?! 和 ?:

前瞻匹配 ?!

后顾匹配 ?:

     正则表达式中有前瞻（Lookahead）和后顾（Lookbehind）的概念，这两个术语非常形象的描述了正则引擎的匹配行为。需要注意一点，正则表达式中的前和后和我们一般理解的前后有点不同。一段文本，我们一般习惯把文本开头的方向称作“前面”，文本末尾方向称为“后面”。但是对于正则表达式引擎来说，因为它是从文本头部向尾部开始解析的（可以通过正则选项控制解析方向），因此对于文本尾部方向，称为“前”，因为这个时候，正则引擎还没走到那块，而对文本头部方向，则称为“后”，因为正则引擎已经走过了那一块地方。如下图所示：

所谓的前瞻就是在正则表达式匹配到某个字符的时候，往“尚未解析过的文本”预先看一下，看是不是符合/不符合匹配模式，而后顾，就是在正则引擎已经匹配过的文本看看是不是符合/不符合匹配模式。符合和不符合特定匹配模式我们又称为肯定式匹配和否定式匹配。

现代高级正则表达式引擎一般都支持都支持前瞻，对于后顾支持并不是很广泛，因此我们这里采用否定式前瞻来实现我们的需求。

http://www.imkevinyang.com/2009/08/%E4%BD%BF%E7%94%A8%E6%AD%A3%E5%88%99%E8%A1%A8%E8%BE%BE%E5%BC%8F%E6%89%BE%E5%87%BA%E4%B8%8D%E5%8C%85%E5%90%AB%E7%89%B9%E5%AE%9A%E5%AD%97%E7%AC%A6%E4%B8%B2%E7%9A%84%E6%9D%A1%E7%9B%AE.html

 

6、小括号()、中括号[]、大括号的区别

　1>. 小括号()：匹配小括号内的字符串，可以是一个，也可以是多个，常跟“|”（或）符号搭配使用，是多选结构的

　　示例1：string name = "way2014";  regex：(way|zgw)  result：结果是可以匹配出way的，因为是多选结构，小括号是匹配字符串的

　　示例2：string text = "123456789";  regex：(0-9)　result：结果是什么都匹配不到的，它只匹配字符串"0-9"而不是匹配数字, [0-9]这个字符组才是匹配0-9的数字

　2>.中括号[]：匹配字符组内的字符，比如咱们常用的[0-9a-zA-Z.*?!]等，在[]内的字符都是字符，不是元字符，比如“0-9”、“a-z”这中间的“-”就是连接符号，表示范围的元字符，如果写成[-!?*(]这样的话，就是普通字符

　　示例1： string text = "1234567890";  regex：[0-9]  result：结果是可以匹配出字符串text内的任意数字了，像上边的【或符号“|”在字符组内就是一个普通字符】

　　示例2：string text = "a|e|s|v";  regex：[a|e|s]  result：结果就是匹配字符a、e、|三个字符，这个跟(a|e|s)有区别的，区别就是(a|e|s)匹配的是a、e、s三个字符的随意一个，三个中的任意一个，这是的|是元字符

　3>.大括号{}：匹配次数，匹配在它之前表达式匹配出来的元素出现的次数，{n}出现n次、{n,}匹配最少出现n次、{n,m}匹配最少出现n次，最多出现m次

---

 

7、^ 

括号外为起始符，括号内为非

 

8、

元字符	在正则表达式中的写法	意义
.	.	任何一个字符
\d	\\d	0-9之间的任意一个数字
\D	\\D	任何一个非数字字符
\s	\\s	空格类字符'\t'，'\n'等等
\S	\\S	非空格类字符
\w	\\w	可用于标识符的字符，不包括美元符
\W	\\W	不能可用于标识符的字符
\p{Lower}	\\p[Lower]	小写字母[a~z]
\p{Upper}	\\p{Upper}	大写字母[A~Z]
\p{ASCII}	\\p{ACSII}	ASCII字符
\p{Alpha}	\\p{Alpha}	字母
\p{digit}	\\p{digit}	数字字符[0~9]
\p{Alnum}	\\p{Alnum}	字母或数字
\p{Punct}	\\p{Punct}	标点符号
\p{graph}	\\p{graph}	可视字符，\p{Alnum}，\p{Punct}
\p{Print}	\\p{Print}	可打印字符
\p{Blank}	\\p{Blank}	空格或制表符
\p{Cntrl}	\\p{Cntrl}	控制字符[\x00~\x1F\x7F]

 

上面的表中，基本上就是一些比较常用的元字符，我们需要注意元字符在正则表达式中的写法，不能直接用元字符来编写我们的正则程序

正则表达式中的方括号[]

元字符可以是放在[]中的任意单个字符（如[a]表示匹配单个小写字符a），也可以是字符序列（如[a-d]表示匹配a-d即a,b,c,d中的任意一个字符，而\w表示任意英文字母、数字及下划线）。例如：regex="[159]ABC"，那么"1ABC"，"5ABC"，"9ABC"都是与正则表达式regex匹配的字符，方括号的含义如下：

注：方括号内允许嵌套，可以进行交，并，差运算

方括号表达式	含义
[abcde]	匹配a，b，c，d，e中的任意一个字符
[a-h]	匹配a到h之间的任意一个字符
[^fgh]	匹配除f,g,h外的任意一个字符
[a-d[m-p]]	代表a～d，或m～p中的任意一个字符（并）
[a-z&&[def]]	代表d,e或f中的任意一个字符串（交）
[a-z&&[^bc]]	代表a，d，e，f（差）

正则表达式中的限定符

在使用正则表达式时，我们知道元字符一般只能匹配一个位置或一个字符，如果需要某一类型的元字符多次输入，逐个输入，或是要匹配多个字符的时候就相当麻烦，这个时候我们可以使用正则表达式的限定符来重复输入。例如：regex="hello[246]?"，那么"hello"，"hello2"，"hello4"，"hello6"都是与regex匹配的字符串，下面是一些常见的限定符

带限定符号的模式	含义
X?	X出现0次或1次
X*	X出现0次或多次
X+	X出现1次或多次
X{n}	X出现n次
X{n,}	X至少出现n次
X{n,m}	X至少出现n至m次
XY	X后面跟Y
X｜Y	X或Y

然后用法的话相信大家不会陌生吧：

String regex="自己定义的正则表达式";
String test="需要正则的字符串对象";
boolean isMatch=test.matches(regex);
if(isMatch){
    //test为匹配成功的数据
}else{
    //test为匹配失败的数据
}

可能有些人会说，我经常用到的正则表达式中有Pattern和Matcher两个类，这两个类是干嘛的呢？

• Pattern： 一个Pattern是一个正则表达式经编译后的表现模式。
• Matcher： 一个Matcher对象是一个状态机器，它依据Pattern对象做为匹配模式对字符串展开匹配检查。

首先一个Pattern实例订制了一个所用语法与PERL的类似的正则表达式经编译后的模式，然后一个Matcher实例在这个给定的Pattern实例的模式控制下进行字符串的匹配工作。