JAVA学海——Java正则表达式Regex

转载：https://my.oschina.net/u/3434392/blog/1839618

Pattern

用于创建一个正则表达式，也可以说创建一个匹配模式，它的构造方法是私有的。

 //  若regex错误， throw PatternSyntaxException;  flags: 可选，取值 Pattern.CASE_INSENSITIVE 模式匹配将忽略大小写
Pattern pn = Pattern.compile(String regex, int flags);

// 返回Pattern.complile(String regex)的regex参数
String pn.pattern();

// 用于分隔字符串,并返回一个String[]
String[] pn.split(CharSequence input);

// 静态方法,用于快速匹配字符串,该方法适合用于只匹配一次,且匹配全部字符串
boolean Pattern.matcher(String regex,CharSequence input);

Matcher

 // 返回一个Matcher对象，Matcher类的构造方法也是私有的，只能通过下面方法实例化
Matcher mt = pn.matcher(CharSequence input)

// 返回该Matcher对象是由哪个Pattern对象的创建的

Pattern mt.pattern();

// 对整个字符串进行匹配,只有整个字符串都匹配了才返回true 
boolean mt.matches();

// 相当于find(0); 对前面的字符串进行匹配,只有匹配到的字符串在最前面才返回true   
boolean mt.lookingAt();

 //  对字符串进行匹配,匹配到的字符串可以在任何位置
boolean mt.find();

//  返回匹配到的子字符串在字符串中的索引位置.
int mt.start();

//   返回匹配到的子字符串的最后一个字符在字符串中的索引位置
int mt.end()

// group是针对匹配的模式中组（）来说的， group(0)就是指的整个串，group(N)指的是第N个括号里的内容。 
String mt.group()

//  返回有多少组
int mt.groupCount();  

• find () 是部分匹配，Matcher 对象首次调用是查找输入串中与模式匹配的首个子串，返回 true 后，再次调用会从上次匹配模式成功的子序列后开始寻找；当返回 ture 时，Matcher 对象调用 start () 和 end () 可以得到该匹配的子序列在入参中的开始 / 结束位置；
• group (int group), start (int group), end (int group) 所带的参数就是正则表达式中的子表达式索引（第几个子表达式）。
• 只有当匹配操作成功，才可以使用 start (), end (), group () 和重载的方法，否则会抛出 java.lang.IllegalStateException。

用法

元字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“\n” 匹配 \n。“\n” 匹配换行符。序列 “\” 匹配 “\” 而 “(” 则匹配 “(”。
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 “\n” 或 “\r” 之后的位置。
$	匹配输入字符串的结束位置。如果设置了 RegExp 对象的 Multiline 属性，$ 也匹配 “\n” 或 “\r” 之前的位置。
*	匹配前面的子表达式零次或多次 (大于等于 0 次)。例如，zo * 能匹配 “z”，“zo” 以及 “zoo”。* 等价于 {0,}。
+	匹配前面的子表达式一次或多次 (大于等于 1 次）。例如，“zo+” 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。
{n}	n 是一个非负整数。匹配确定的 n 次。例如，“o {2}” 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o。
{n,}	n 是一个非负整数。至少匹配 n 次。例如，“o {2,}” 不能匹配 “Bob” 中的 “o”，但能匹配 “foooood” 中的所有 o。“o {1,}” 等价于 “o+”。“o {0,}” 则等价于 “o*”。
{n,m}	m 和 n 均为非负整数，其中 n<=m。最少匹配 n 次且最多匹配 m 次。例如，“o {1,3}” 将匹配 “fooooood” 中的前三个 o。“o {0,1}” 等价于 “o?”。请注意在逗号和两个数之间不能有空格。
.	匹配除换行符（“\r\n”）之外的任何单个字符。要匹配包括 “\r\n” 在内的任何字符，请使用像 “[\s\S]” 的模式。
(pattern)	匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在 VBScript 中使用 SubMatches 集合，在 JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 “”或“”。
(?:pattern)	匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符 “(|)” 来组合一个模式的各个部分是很有用。例如 “industr (?:y|ies)” 就是一个比 “industry|industries” 更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows (?=95|98|NT|2000)” 能匹配 “Windows2000” 中的 “Windows”，但不能配 “Windows3.1” 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如 “Windows (?!95|98|NT|2000)” 能匹配 “Windows3.1” 中的 “Windows”，但不能配 “Windows2000” 中的 “Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000) Windows” 能配 “2000Windows” 中的 “Windows”，但不能匹配 “3.1Windows” 中的 “Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如 “(?<!95|98|NT|2000) Windows” 能匹配 “3.1Windows” 中的 “Windows”，但不能匹配 “2000Windows” 中的 “Windows”。
x|y	匹配 x 或 y。例如，“z|food” 能匹配 “z” 或 “food”。“(z|f) ood” 则匹配 “zood” 或 “food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]” 可以匹配 “plain” 中的 “a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]” 可以匹配 “plain” 中的 “plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]” 可以匹配 “a” 到 “z” 范围内的任意小写字母字符。 注意：只有连字符在字符组内部时，并且出现在两个字符之间时，才能表示字符的范围；如果出字符组的开头，则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]” 可以匹配任何不在 “a” 到 “z” 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b” 可以匹配 “never” 中的 “er”，但不能匹配 “verb” 中的 “er”。
\B	匹配非单词边界。“er\B” 能匹配 “verb” 中的 “er”，但不能匹配 “never” 中的 “er”。
\cx	匹配由 x 指明的控制字符。例如，\cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 “c” 字符。
\d	匹配一个数字字符。等价于 [0-9]。
\D	匹配一个非数字字符。等价于 [^0-9]。
\f	匹配一个换页符。等价于 \x0c 和 \cL。
\n	匹配一个换行符。等价于 \x0a 和 \cJ。
\r	匹配一个回车符。等价于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [\f\n\r\t\v]。
\S	匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于 \x09 和 \cI。
\v	匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w	匹配包括下划线的任何单词字符。类似但不等价于 “[A-Za-z0-9_]”，这里的 “单词” 字符使用 Unicode 字符集。
\W	匹配任何非单词字符。等价于 “[^A-Za-z0-9_]”。
\xn	匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如：“\x41” 匹配 “A”。“\x041” 则等价于 “\x04&1”。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如：“(.)\1” 匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字（0-7），则 n 为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字（0-7），则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字（0-7），且 m 和 l 均为八进制数字（0-7），则匹配八进制转义值 nml。
\un	匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如：\u00A9 匹配版权符号（©）。
\ < \ >	匹配词（word）的开始（<）和结束（>）。例如：正则表达式 <the> 能够匹配字符串 “for the wise” 中的 “the”，但是不能匹配字符串 “otherwise” 中的 “the”。 注意：这个元字符不是所有的软件都支持的。
	将 和 之间的表达式定义为 “组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存 9 个），它们可以用 \1 到 \9 的符号来引用。
|	将两个匹配条件进行逻辑 “或”（Or）运算。例如正则表达式 (him|her) 匹配 “it belongs to him” 和 “it belongs to her”，但是不能匹配 “it belongs to them.”。 注意：这个元字符不是所有的软件都支持的。
[] {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如：正则表达式 A [0-9]{3} 能够匹配字符 “A” 后面跟着正好 3 个数字字符的串，而正则表达式 [0-9]{4,6} 匹配连续的任意 4 个、5 个或者 6 个数字。