正则表达式:强大的文本处理工具

正则表达式(Regular Expression)简介

正则表达式的优势和用途？

• 一种强大而灵活的文本处理工具；
• 大部分编程语言 、数据库、文本编辑器、开发环境都支持正则表达式。

开发中使用正则表达式的流程：

1. 分析所要匹配的数据，写出测试用的典型数据
2. 在工具软件中进行匹配测试
3. 在程序中调用通过测试的正则表达式

工具软件RegexBuddy

正则表达式语法

普通字符

字母、数字、汉字、下划线、以及没有特殊定义的标点符
号，都是 “普通字符” 。表达式中的普通字符，在匹配一
个字符串的时候， 匹配与之相同的一个字符 。

简单的转义字符

\n #代表换行符
\t #制表符
\\ #代表\本身
\^ ，\$,\.，\(， \) ， \{， \} ， \? ， \+ ， \* ，\| ，\[， \] #匹配这些字符本身

标准字符集合

• 能够与 ‘多种字符’ 匹配的表达式
• 注意区分大小写，大写是相反的意思

\d(digit) #任意一个数字， 0 ~ 9 中的任意一个
\w #任意一个字母或数字或下划线，也就是 A~Z,a~z, 0 ~ 9 ,_ 中任意一个
\s(space) #包括空格、制表符、换行符等空白字符的其中任意一个
.  #小数点可以匹配任意一个字符(除了换行符),如果要匹配包括“\n”在内的所有字符，一般用[\s\S]

自定义字符集合

• [ ]中括号匹配方式，能够匹配方括号中任意一个字符
• 正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，除了
  ^,-之外。
• 标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合
  将包含该集合。比如：[\d.-+]将匹配：数字、小数点、-、+

[ab5@] 匹配a或b或5或@
[^abc] 匹配a,b,c之外的任意一个字符
[f-k] 匹配f~k之间的任意一个字母
[^A-F0-3] 匹配A~F,0~3之外的任意一个字符

量词（Quantifier）

• 修饰匹配次数的特殊符号
• 匹配次数中的贪婪模式(匹配字符越多越好，默认!)
• 匹配次数中的非贪婪模式(匹配字符越少越好，修饰匹配次数的特殊符号后再加上一个 “?” 号）

{n}   #表达式重复n次
{m,n} #表达式至少重复m次，最多重复n次
{m,}  #表达式至少重复m次
?     #匹配表达式0次或者1次，相当于{0,1}
+     #表达式至少出现1次，相当于{1,}
*     #表达式不出现或出现任意次，相当于{0,}
#例子
字符串caxsaxx
正则表达式xs*
共找到 2 处匹配：
xs
x

注意x和s*是分开的
他在xs+匹配的基础上 又增加了x的匹配(ps 有x是因为s*支持0次匹配 就是可以不匹配s 自然就剩下x了)

字符边界

• 本组标记匹配的不是字符而是位置，符合某种条件的位置

^  #与字符串开始的地方匹配
$  #与字符串结束的地方匹配
\b #匹配一个单词边界,前面的字符和后面的字符不全是\w

eg:
^c

x$

\bapple

正则表达式匹配模式(仅在RegexBuddy中使用)

• IGNORECASE忽略大小写模式
  匹配时忽略大小写。
  默认情况下，正则表达式是要区分大小写的。
• SINGLELINE 单行模式
  整个文本看作一个字符串，只有一个开头，一个结尾。
  使小数点 “.” 可以匹配包含换行符（\n）在内的任意字符。
• MULTILINE 多行模式
  每行都是一个字符串，都有开头和结尾。
  在指定了 MULTILINE 之后，如果需要仅匹配字符串开始和结束位置，可以使用 \A 和 \Z

选择符和分组

|分支结构 #左右两边表达式之间 "或" 关系，匹配左边或者右边
( )捕获组
#在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰
#取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到
#每一对括号会分配一个编号，使用()的捕获根据左括号的顺序从 1开始自动编号。捕获元素编号为零的第一个捕获是由整个正则表达式模式匹配的文本
(?:Expression)非捕获组 #一些表达式中，不得不使用(),但又不需要()中子表达式匹配的内容,这时可以使用非捕获组来抵消使用()带来的副作用

eg:
dd|le

([a-z]{2})\1 #\1代表把前面捕获到的值重复一次

(?:[a-z]{2})\1 #没有捕获到东西

反向引用（\nnn）

• 每一对()会分配一个编号，使用()的捕获根据左括号的顺序从1开始自动编号

package com.bjsxt.regex.test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo05 {
    public static void main(String[] args) {
        String str = "2021-01-02";
        String regex = "(\\d+)-(\\d+)-(\\d+)";
        Matcher m = Pattern.compile(regex).matcher(str);
        while (m.find()){
            System.out.println("group0" + m.group());
            System.out.println("group0" + m.group(0));
            System.out.println("group1" + m.group(1));
            System.out.println("group2" + m.group(2));
            System.out.println("group3" + m.group(3));
        }
    }
}

输出

group02021-01-02
group02021-01-02
group12021
group201
group302

• 通过反向引用，可以对分组已捕获的字符串进行引用。

预搜索(零宽断言)

• 只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度
• 这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指
  定的条件，但不匹配前后的字符。 是对位置的匹配。
• 正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。

(?=exp)  #断言自身出现的位置的后面能匹配表达式exp
(?!exp)  #断言此位置的后面不能匹配表达式exp
(?<=exp) #断言自身出现的位置的前面能匹配表达式exp
(?<!exp) #断言此位置的前面不能匹配表达式exp

eg:
[a-z]+(?=\d)

[a-z]+(?!\d)

常用正则表达式

匹配中文字符 [\u 4 e 00 - \u 9 fa 5 ]
匹配空白行 \n\s*\r
匹配HTML标记 <(\S*?)[^>]*>.*?</\ 1 >|<.*? />
匹配首尾空白字符 ^\s*|\s*$
匹配Email地址 \w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
匹配网址URL [a-zA-z]+://[^\s]*
匹配国内电话号码 \d{ 3 }-\d{ 8 }|\d{ 4 }-\d{ 7 }
匹配腾讯QQ号 [ 1 - 9 ][ 0 - 9 ]{ 4 ,}
匹配中国邮政编码 [ 1 - 9 ]\d{ 5 }(?!\d)
匹配身份证 \d{ 15 }|\d{ 18 }
匹配ip地址 \d+\.\d+\.\d+\.\d+

附录

在数据库中使用正则

Mysql 5. 5 以上
Oracle 10 g以上
例如：
SELECT prod_name
FROM products
WHERE prod_name REGEXP '. 000 ’ #.匹配任意字符

Java中使用正则

相关类位于： java.util.regex 包下面
类 Pattern ：

• 正则表达式的编译表示形式。
• Pattern p = Pattern.compile(r,int); //建立正则表达式，并启用相应模式

类 Matcher ：

• 通过解释 Pattern对字符序列执行匹配操作的引擎
• Matcher m = p.matcher(str); //匹配str字符串