Java正则表达式

表12-8 正则表达式语法

---

语法                                                          解释

---

字符
c                                                            字符c
/unnnn, /xnn, /0n, /0nn, /0nnn          带有十六或八进制值的代码单元

/0n                                           八进制0n代表的字符（0<=n<=7）

/0nn                                         八进制0nn代表的字符(0<=n<=7)

/0mnn                                     八进制0mnn代表的字符(0<=m<=3,0<=n<=7)

/xnn                                         十六进制 0xnn所代表的字符

/uhhhh                                    十六进制 0xhhhh所代表的字符

/t, /n, /r, /f, /a, /e                                    控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符
/cc                                                         控制字符中出现的相应字符c

---

字符类
[C1C2. . .]                       C1、C2……中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。
[^. . .]                                字符类的补集
[ . . . && . . .]                    两个字符类的交集

---

预定义字符类
.                                        除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）
/d                                      数字[0-9]
/D                                    非数字[^0-9]
/s                                     空白字符[/t/n/r/f/x0B]
/S                                     非空白字符
/w                                    单词字符[a-zA-Z0-9_]
/W                                   非单词字符
/p{name}                        一个指定的字符类，见表12-9
/P{name}                       指定字符类的补集

---

边界匹配符
^ $                                   输入的开头和结尾(在多行模式(multiline mode)下是行的开头和结尾)
/b                                    单词边界
/B                                    非单词边界
/A                                     输入的开头
/z                                     输入的结尾
/Z                                    除最后行终止符之外的输入结尾
/G                                   上个匹配的结尾

---

量词
X?                                    可选的X（即X可能出现，也可能不出现）
X*                                    X，可以重复0次或多次
X+                                    X，可以重复1次或多次
X{n} X{n,} X{n,m}          X重复n次，至少重复n次，重复n到m次

---

量词后缀
?                                   设默认（贪婪）匹配为reluctant匹配
+                                   设默认（贪婪）匹配为possessive匹配

---

集合操作
XY                                  X的匹配后面跟着Y的匹配
X|Y                                 X或Y的匹配

---

分组
(X)                                匹配X并且在一个自动计数的分组中捕获它
/n                                  与第n个分组的匹配

---

转义
/c                                   字符c（必须不是字母）
/Q.../E                            逐字地引用...
（？...）                       特殊构造，看Pattern类的API

---

    正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。这里有一个Java写的测试程序。首先从表示正则表达式的字符串构造一个Pattern对象。然后从该模式获得一个Matcher对象，并且调用它的matches()方法：

Pattern pattern = Pattern.compile(patternString);

Matcher matcher = pattern.matcher(input);

if (matcher.matches()) . . .

    表12.9 预定义的字符类名（Predefined Character Class Names）

---

Lower                         小写的ASII字符[a-z]
Upper                         大写的ASCII字符[A-Z]
Alpha                          ASCII字母[A-Za-z]
Digit                            ASCII 数字 [0-9]
Alnum                         ASCII 字母或数字[A-Za-z0-9]
Xdigit                         十六进制数字[0-9A-Fa-f]
Print or Graph          可打印的ASCII字符[/x21-/x7E]
Punct                         非字母或数字ASCII [/p{Print}&&/P{Alnum}]
ASCII                         所有ASCII字符 [/x00-/x7F]
Cntrl                          ASCII控制字符[/x00-/x1F]
Blank                         空格符或制表符[ /t]
Space                        空白符 [ /t/n/r/f/0x0B]
javaLowerCase       取决于Character.isLowerCase()的小写字符
javaUpperCase      取决于Character.isUpperCase()的大写字符
javaWhitespace     取决于Character.isWhitespace()的空白符
javaMirrored            取决于Character.isMirrored()的Mirrored（？）
InBlock                      这里的Block是unicode字符的块名，用空格隔开，比如BasicLatin 或 Mongolian。块名列表                                  参考http://www.unicode.org
Category 或InCategory     这里的Category是Unicode字符的种类名，比如L（字母）或者Sc（货币符号）。种类                                        名列表参考http://www.unicode.org 

---

    matcher的输入可以是实现CharSequence接口的任何类对象，像String，StringBuilder或CharBuffer。

    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

     如果正则表达式包含分组，Matcher对象能够揭示分组边界。方法

int start(int groupIndex)

int end(int groupIndex)

返回某个特殊分组的起始索引和结尾后索引（past-the-end index ）。
通过调用String group(int groupIndex)，你可以简单地得到匹配的字符串。
第0个分组代表所有的分组，第一个实际分组的索引是1。调用groupCount来获得总的分组数。

     使用开放圆括号来安排嵌套分组。例如，给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am,Matcher对象报告下列分组
((1?[0-9]):([0-5][0-9]))[ap]m
并输入
11:59am
matcher报告下列分组

---

分组索引  起始  结束  字符串

---

0              0          7      11;59am
1              0          5      11:59
2              0          2      11
3              3          5      59

---

 

类

---

java.util.regex.Pattern 1.4

---

方法
static Pattern compile(String expression)
static Pattern compile(String expression, int flags)
编译正则表达式字符串到pattern对象用以匹配的快速处理
参数:
 expression 正则表达式
 flags            下列标志中的一个或多个 CASE_INSENSITIVE, UNICODE_CASE, MULTILINE, UNIX_LINES, DOTALL, and CANON_EQ
 
Matcher matcher(CharSequence input)
返回一个matcher对象，它可以用来在一个输入中定位模式匹配

String[] split(CharSequence input)
String[] split(CharSequence input, int limit)
将输入字符串分离成记号，并由pattern来指定分隔符的形式。返回记号数组。分隔符并不是记号的一部分。
参数:
input 分离成记号的字符串
limit 生成的最大字符串数。

---

 类

---

java.util.regex.Matcher 1.4

---

方法

---

boolean matches()
返回输入是否与模式匹配

boolean lookingAt()
如果输入的起始匹配模式则返回True

boolean find()
boolean find(int start)
尝试查找下一个匹配，并在找到匹配时返回True
参数:
 start  开始搜索的索引
 
int start()
int end()
返回当前匹配的起始位置和结尾后位置

String group()
返回当前匹配

int groupCount()
返回输入模式中的分组数

int start(int groupIndex)
int end(int groupIndex)
返回一个给定分组当前匹配中的起始位置和结尾后位置
参数:
 groupIndex分组索引（从1开始），0表示整个匹配

String group(int groupIndex)
返回匹配一个给定分组的字符串
参数:
 groupIndex
 分组索引（从1开始），0表示整个匹配

String replaceAll(String replacement)
String replaceFirst(String replacement)
返回从matcher输入得到的字符串，但已经用替换表达式替换所有或第一个匹配
参数:
 replacement 替换字符串

Matcher reset()
Matcher reset(CharSequence input)
复位mather状态。