Pattern的多种匹配模式

参考： 好文→ Pattern的多种匹配模式 – 《JAVA编程思想》42

单行匹配

Pattern.DOTALL(?s)：默认匹配模式下 “.” 不会匹配换行符(\n)，此模式下 "."会匹配换行符(\n)，这意味着正则表达式可以在多行文本中进行匹配。

System.out.println(Pattern.compile("[A-Z].*").matcher("ABC\nDEF").matches()); // false
思路引导1. 先看方法是matches,查看是整个字符串都匹配上正则表达式。
思路引导2. [A-Z]开头后面不包含\n就行

System.out.println(Pattern.compile("[A-Z].*", Pattern.DOTALL).matcher("ABC\nDEF").matches()); // true
思路引导1. 先看方法是matches,查看是整个字符串都匹配上正则表达式。
思路引导2. [A-Z]开头后面任意

Matcher matcher = Pattern.compile("[A-Z].*").matcher("ABC\nDEF");
while (matcher.find()) {
    System.out.print("," + matcher.group() + "");
}
,ABC,DEF
思路引导1. 先看方法是find,字符串某个部分匹配上正则表达式即可。
思路引导2. [A-Z]开头后面不包含\n就行

多行匹配

Pattern.MULTILINE(?m)：多行模式并不改变.的行为，而是影响 ^ 和 $ 的行为。在默认情况下，^ 和 $ 分别匹配字符串的开始和结束。但在多行模式下，^ 和 $ 还可以分别匹配每行的开始和结束。如果需要仅匹配字符串开始和结束位置，可以使用 \A 和 \Z。

System.out.println(Pattern.compile(".*BC").matcher("AB\nBC").find()); // true

System.out.println(Pattern.compile("^.*BC$").matcher("AB\nBC").find()); // false
思路引导1.^$+find等价于matchs，查看是整个字符串都匹配上正则表达式。
思路引导2.前面谁都行就是不能为\n
System.out.println(Pattern.compile("^.*BC$").matcher("AB\nBC").matches()); // false


Matcher m2 = Pattern.compile("^.*BC$", Pattern.MULTILINE).matcher("AB\nBC");
if (m2.find()) {
    System.out.println(m2.group()); // BC
}

Matcher m3 = Pattern.compile("\\A.*BC\\Z", Pattern.MULTILINE).matcher("AB\nBC");
if (m3.find()) {
    System.out.println(m3.group()); // 没匹配到
}

正则匹配忽略大小写

Pattern.CASE_INSENSITIVE（?i）：此模式下进行匹配会忽略 US-ASCII字符集中的大小写敏感，若需要忽略 Unicode 中的大小写敏感，需要结合 Pattern.UNICODE_CASE 使用。

// 忽略 Unicode 中的大小写敏感
System.out.println(Pattern.compile("[A-Z]+", Pattern.UNICODE_CASE | Pattern.CASE_INSENSITIVE).matcher("abc").matches()); // true
System.out.println(Pattern.compile("(?i)|(?u)[A-Z]+").matcher("abc").matches());  // true

// 忽略 US-ASCII字符集中的大小写敏感
System.out.println(Pattern.compile("[A-Z]+", Pattern.CASE_INSENSITIVE).matcher("abc").matches()); // true
System.out.println(Pattern.compile("(?i)[A-Z]+").matcher("abc").matches()); // true

Unicode 字符集中的大小写敏感

Pattern.CASE_INSENSITIVE (?u)：

字符都将表示字面含义

Pattern.LITERAL：此模式下所有的转义字符或元字符都将表示字面含义，不代表任何特殊意义

System.out.println(Pattern.compile("\\s").matcher("\\s").matches()); // false
System.out.println(Pattern.compile("\\s", Pattern.LITERAL).matcher("\\s").matches()); // true

考虑字符的等价性

Pattern.CANON_EQ：此模式下进行匹配会考虑字符的等价性。
例如：正则表达式 \u003f 会匹配字符 ？, 因为 ？的 unicode 编码就是 \u003f。

System.out.println(Pattern.compile("\\u003f", Pattern.CANON_EQ).matcher("?").matches()); // true

会忽略正则表达式中的空格及#开始后面的部分

Pattern.COMMENTS(?x)：

Pattern p1 = Pattern.compile("#[A-Z]+");
System.out.println(p1.matcher("#ABC").matches());
Pattern p2 = Pattern.compile("#[A-Z]+", Pattern.COMMENTS);
System.out.println(p2.matcher("#ABC").matches());
Pattern p3 = Pattern.compile("[0-9]+#[A-Z]+", Pattern.COMMENTS);
System.out.println(p3.matcher("123").matches());
Pattern p4 = Pattern.compile("[A-Z]+ [0-9]+");
System.out.println(p4.matcher("ABC123").matches());
Pattern p5 = Pattern.compile("[A-Z]+ [0-9]+", Pattern.COMMENTS);
System.out.println(p5.matcher("ABC123").matches());

只会将 \n 认作换行符

Pattern.UNIX_LINES(?d)：在此模式下进行匹配，在 . 、^ 、$ 三种行为中，只会将 \n 认作换行符，默认模式下会将 \r 也认作换行符。

String data = "A\r\nB\rC\nD";
System.out.println(data);
System.out.println("-------------------------------------");

Matcher m = Pattern.compile(".+").matcher(data);
while (m.find()) {
    System.out.println("[" + m.group() + "]");  // [A][B][C][D]
}
System.out.println("-------------------------------------");

m = Pattern.compile(".+", Pattern.UNIX_LINES).matcher(data);
while (m.find()) {
    System.out.println("[" + m.group() + "]");  // （A\r）、（B\rC）、（D）
}

\w 可以匹配任何语言的任何字符

Pattern.UNICODE_CHARACTER_CLASS (?U) ：\w 默认只匹配[a-zA-Z_0-9] 开启此模式后，\w 可以匹配任何语言的任何字符。

Pattern p1 = Pattern.compile("\\w+");
System.out.println(p1.matcher("中国").matches());

Pattern p2 = Pattern.compile("\\w+", Pattern.UNICODE_CHARACTER_CLASS);
System.out.println(p2.matcher("中国").matches());