正则表达式是一种强大的字符串处理工具,平时经常会用到。这里完整的做一次总结,以便查阅记忆。
1. 字符串中的正则表达式
使用正则表达式可以对字符串进行查找、提取、分割、替换等操作。String类当中提供了如下几个特殊方法:
boolean matches(String regex):判断该字符串是否匹配指定的正则表达式。
String replaceAll(String regex, String replacement):将该字符串中所有匹配regex的子串替换成replacement。
String split(String regex):以regex作为分隔符,把该字符串分割成多个子串。
以上这些特殊的方法都依赖于Java提供的正则表达式。
2. 创建正则表达式
x: 字符x(x可代表任何合法的字符);
\0mnn: 八进制数Omnn所表示的字符;
\xhh: 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(bell)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AZ或az之一;
3. 正则表达式中的特殊字符
$: 匹配一行的结尾。要匹配$字符本身,请使用$;
^: 匹配一行的开头。要匹配^字符本身,请使用^;
(): 标记子表达式的开始和结束位置。要匹配这些字符,请使用\(和\);
{}: 用于标记前面子表达式的出现的频度。要匹配这些字符,请使用\{和\};
*: 指定前面子表达式可以出现零次或多次。要匹配*字符本身,请使用\*;
+: 指定前面子表达式可以出现一次或多次。要匹配+字符本身,请使用\+;
?: 指定前面子表达式可以出现零次或一次。要匹配?字符本身,请使用?;
.: 匹配除换行符\n之外的任何单位字符。要匹配,字符本身,请使用\.;
:用于转义下一个字符,或指定八进制、十六进制符。要匹配\字符,请使用\\;
|:指定两项之间任选一项。要匹配|字符本身,请使用\|;
4. 预定义字符
.: 可以匹配任何字符;
\d:匹配0~9的所有数字;
\D:匹配非数字;
\s:匹配所有的空白字符,包括空格、制表符、回车符、换页符、换行符等;
\S:匹配所有的非空白字符;
\w:匹配所有的单词字符,包括0~9所有的数字、26个英文字母和下划线(_);
\W:匹配所有的非单词字符;
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
8.\z: 输入的结尾
6. 表示匹配次数的符号
下图显示了表示匹配次数的符号,这些符号用来确定紧靠该符号左边的符号出现的次数:
匹配次数
假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中,连字符(“-”)有着特殊的意义,它表示一个范围,比如从0到9。因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“\”。
连字符的转义方式
假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999和999999999都属于正确的格式。这时,你可以在连字符号后面加上“?”数量限定符号,如图所示:
"?"表示可选
下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。下图显示了完整的正则表达式。
匹配字数
补充:正则表达式支持的数量标识符的贪婪、勉强、占有模式
贪婪模式(Greedy):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。如果你发现表达式匹配的结果与预期的不符,很有可能是因为——你以为表达式只会匹配前面几个字符,而实际上它是贪婪模式,所以会一直匹配下去。
勉强模式(Reluctant):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。
占有模式(Possessive):用加号后缀(+)表示,目前只有Java支持占有模式。