正则表达式

1.正则表达式是什么？
正则表达式是一个强大的字符串处理工具。

2.正则表达式有什么用？
可以对字符串进行查找、提取、分割、替换等操作。

3.String类里也提供了如下几个特殊的方法：
①boolean matches（String regex）：判断该字符串是否匹配指定的正则表达式。
②String replaceAll（String regex, String replacement）：将该字符串中所有匹配regex的子串替换成replacement。
③String replaceFirst（String regex， String replacement）：将该字符串中第一个匹配regex的子串替换成replacement。
④String[] split（String regex）：以regex作为分隔符，把该字符串分割成多个子串。
除此之外，Java还提供了Pattern和Matcher两个类专门用于提供正则表达式支持。

4.Java字符串中反斜杠本身需要转义，因此两个反斜杠（\）实际上相当于一个（前一个用于转义）。

5.正则表达式的字符：
①合法字符：
x：字符x（x可代表任何合法的字符）。
\0mnn：八进制数0mnn所表示的字符。
\0xhh：十六进制0xhh所表示的字符。
\uhhhh：十六进制0xhhhh所表示的Unicode字符。
\t：制表符（’\u0009’）。
\n：新行（换行）符（’\u000A’）。
\r：回车符（’\u000D’）。
\f：换页符（’\u000C’）。
\a：报警符（’\u0007’）。
\e：Escape符（’\u001B’）。
\cx：x对应的控制符。例如，\cM匹配Ctrl+M。x值必须为A~Z或a~z之一。
②特殊字符：正则表达式有一些特殊字符，有其特殊的用途，比如反斜线(“\”)。如果需要匹配这些字符，就必须首先将这些字符转义，也就是在前面添加一个反斜线(“\”)。

$：匹配一行的结尾。
^：匹配一行的开头。
()：标记子表达式开始和结束的位置。
[]：确定中括号表达式开始和结束的位置。
{}：标记子表达式出现的频度。
*：0次或多次。
+：1次或多次。
?：0次或1次。
.：匹配除换行符"\n"之外的所有单个字符。
\：用于转义下一个字符。
|：指定两项之间任选一项。

③预定义字符：“通配符”是可以匹配多个字符的特殊字符。正则表达式中的“通配符”远远超出了普通通配符的功能，它被称为预定义字符。
.:可以匹配所有字符
\d=digital（数字）：匹配0~9所有数字。
\s=space（空白）：匹配空白字符，包括空格、制表符、回车符、换页符、换行符。
\w=word（单词）：匹配0~9数字、a-z、A-Z、下划线(“_”)。
D、S、W：匹配与之对应小写相反的。
④方括号表达式：
表示枚举：[abc]，表示abc的任一个字符。
表示范围-：[a-f],表示a-f的任一个字符。
表示求否^：[^abc]表示非a、b、c的任一字符。[^a-f]表示非a-f的任一字符。
表示与运算&&：[a-z&&[def]]表示a-z和def的交集，即d、e、f。
表示并运算：[a-d[m-p]]表示[a-dm-p]。？？？不理解
⑤边界匹配符：
^：行的开头
$：行的结尾
\b：单词的边界
\B：非单词的边界
\A：输入的开头
\G：前一个匹配的结尾
\Z：输入的结尾，仅用于最后的结束符
\z：输入的结尾

6.正则表达式还提供了数量标识符，正则表达式支持的数量标识符有如下几种模式：
①Greedy（贪婪模式）：数量表示符默认采用贪婪模式，除非另有表示。贪婪模式的表达式会一直匹配下去，直到无法匹配为止。
②Reluctant（勉强模式）：用问号后缀（？）表示，它只会匹配最少的字符。也称为最小匹配模式。
③Possessive（占有模式）：用加号后缀（+）表示，目前只有Java支持占有模式，通常比较少用。

7.一旦在程序中定义了正则表达式，就可以使用Pattern和Matcher来使用正则表达式了。

8.Pattern对象：
①Pattern对象是正则表达式编译后在内存中的表示形式，因此，正则表达式字符串必须先被编译为Pattern对象，然后再利用该Pattern对象来创建对应的Matcher对象。执行匹配
所涉及的状态保留在Matcher对象中，多个Matcher对象可共享同一个Pattern对象。
②Pattern是不可变类，可供多个并发线程安全使用。
③Pattern p = Pattern.compile(“a*b”);
Matcher m = p.matcher(“aaaaab”);
boolean b = m.matches();
或直接一条语句 boolean b = Pattern.matches(“a*b”, “aaaaab”);

9.Matcher类提供了如下几个常用的方法：
①find()：返回目标字符串中是否包含与Pattern匹配的子串。
②group()：返回上一次与Pattern匹配的子串。
③start()：返回上一次与Pattern匹配的子串在目标字符串中的位置。
④end()：返回上一次与Pattern匹配的子串在目标字符串中的结束位置加1。
⑤lookingAt()：返回目标字符串前面部分与Pattern是否匹配。
⑥matches()：返回整个目标字符串与Pattern是否匹配。
⑦reset()：将现有的Matcher对象应用于一个新的字符序列。

10.使用正则表达式可以提取网页上的电话号码，也可以提取邮件地址等信息。如果程序再进一步，可以从网页上提取超链接信息，再根据超链接打开其他网页，然后在其他网页
上重复这个过程就可以实现简单的网络爬虫了。

11.实际上，String类中也提供了replaceAll()、replaceFirst()、split()等方法。

12.匹配所有中文字符：[\u0041-\u0056]因为所有的中文字符的Unicode值是连续的，只要找出所有中文字符中最小、最大的Unicode值，就可以利用上面形式来匹配所有中文
字符。

13.正则表达式是一个功能非常灵活的文本处理工具，增加了正则表达式支持后的Java，可以不再使用StringTokenizer类（也是一个处理字符串的工具，但功能远不如正则表达式
强大）即可进行复杂的字符串处理。