黑马程序员--JAVA<正则表达式>

——- android培训、java培训、期待与您交流！ ———-

概述

• 正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 ‘a’ 和 任意个 ‘b’ ”，那么 ‘ab’, ‘abb’, ‘abbbbbbbbbb’ 都符合这个特征。

正则表达式可以用来：

• （1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。
• （2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。
• （3）用来替换，比普通的替换更强大。 正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅 入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首 先要理解的

常用的正则表达式

• (1)：特殊字符

  • \\:反斜线字符。在书写时要写为\\。（注意：因为java在第一次解析时,把\\解析成正则表达式\，在第二次解析时再解析为\，所以凡是不是1.1列举到的转义字符，包括1.1的\,而又带有\的都要写两次）
  • \r:回车
  • \n:换行

• (2)：字符类

  • [abc]： a、b或 c（简单类）。例如[egd]表示包含有字符e、g或d。
  • [^abc]：任何字符，除了 a、b或 c（否定）。例如[^egd]表示不包含字符e、g或d。
  • [a-zA-Z]：包括了26个英文字母。
  • [0-9]：包括了0-9这个10个数字字符。

• (3)：预定义字符类

  • . 任意字符
  • \d 数字[0-9]
  • \D 非数字[^0-9]
  • \w 单词字符：[a-zA-Z_0-9]
  • \W 非单词字符：[^\w]

• (4)：边界匹配器

  • ^ 行的开头，请在正则表达式的开始处使用^。例如：^(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE);
  • $行的结尾，请在正则表达式的结束处使用。例如：(^bca).*(abc$)表示以bca开头以abc结尾的行
  • \b 单词边界。例如\b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配）
  • \B 非单词边界。例如\B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)
  • \G 上一个匹配的结尾(个人感觉这个参数没什么用)。例如\Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。
  • \Z 输入的结尾，仅用于最后的结束符（如果有的话） 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)。
  • \z 输入的结尾 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

• (5)：Greedy 数量词

  • x? 0次或1次
  • x* 0次或多次
  • x+ 1次或多次
  • x{n} 恰好n次
  • x{n,} 至少n次
  • x{m,n} 至少m次，但不能超过n次
• (6)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。比如：表达式 (?i)abc(?-i)def 这时，(?i) 打开不区分大小写开关，abc 匹配 idmsux说明如下：
    
    • ‐i CASE_INSENSITIVE :US-ASCII 字符集不区分大小写。(?i) ‐d UNIX_LINES : 打开UNIX换行符
    • ‐m MULTILINE :多行模式(?m) UNIX下换行为\n WINDOWS下换行为\r\n(?s)
    • ‐u UNICODE_CASE : Unicode 不区分大小写。(?u)
    • ‐x COMMENTS :可以在pattern里面使用注解，忽略pattern里面的whitespace，以及”#”一直到结尾（#后面为注解）。
  • (?x)例如(?x)abc#asfsdadsa可以匹配字符串abc
  • (?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组。 与上面的类似，上面的表达式，可以改写成为：(?i:abc)def，或者 (?i)abc(?-i:def)
  • (?=X) X，通过零宽度的正 lookahead。零宽度正先行断言，仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，\w+(?=\d) 表示字母后面跟数字，但不捕获数字（不回溯）
  • (?!X) X，通过零宽度的负 lookahead。零宽度负先行断言。仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，\w+(?!\d) 表示字母后面不跟数字，且不捕获数字。
  • (?<=X) X，通过零宽度的正 lookbehind。零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 表示99前面是数字19，但不捕获前面的19。（不回溯）
  • (? (?>X) X，作为独立的非捕获组（不回溯）
  • (?=X)与(?>X)的区别在于(?>X)是不回溯的。例如被匹配的字符串为abcm 当表达式为a(?:b|bc)m是可以匹配的，而当表达式是a(?>b|bc)时是不能匹配的，因为当后者匹配到b时，由于已经匹配，就跳出了非捕获组，而不再次对组内的字符进行匹配。可以加快速度