正则表达式（Regular Expression）学习笔记

正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。在众多语言中都可以支持正则表达式，如Perl、PHP、Java、Python、Ruby等。本文中以java为例子。

一、正则表达式语法

1. 除了下面提到的特殊字符外，其他所有字符匹配它本身。 如a就匹配a

2. .匹配任意字符

3. ? 表示出现一次或不出现。等价于{0,1}

4. + 表示出现一次或多次，匹配尽可能多（贪婪模式）等价于{1,}

5. * 表示出现任意次（贪婪模式）等价于{0,}

6. +？表示一次或多次，匹配尽可能少（非贪婪模式）

    例：<str1><str2>
    <.+>将匹配<str1><str2>
    <.+?>将匹配<str1>
   

7. *?和?? 类比上一条

8. [] 表示匹配中括号中其中任一个字符，如[xyz]可以匹配x或y或z

   ps:符号- 在[]中并不匹配实际字符，而表示范围，如[a-z]可表示从a-z的字符中任意一个，如b,e等。
   

9. {} 放在某字符串后表示重复出现n次 如a{2}匹配aa
   此外， a{1,4}匹配1到4次，如aaa
   {1,}表示匹配一次以上，如aa

10. |表示“或”的关系，运算优先级低于字符，如abc|de匹配abc和de

11. () 标记一个子表达式，并改变一些符号的作用范围，并在匹配时进行提取。可和|,+等联用

    例：ab(c|d)e匹配abce或abde 
       (ab){2}匹配abab
    

12. (?: ) 只改变一些符号的作用范围，但并不提取。二者区别会在下面谈到。

13. ^ 在[]外表示字符串的开始位置，在[]内紧跟[后表示取后面字符的补集

    例：b能匹配abc的b，而^b则不能，但^ab能匹配其中的ab
       [^a-z]能匹配除小写字母外所有的字符
    

14. $ 表示字符串结束的位置 ，类比^

15. \ 可以放在以上的特殊字符前，取消其特殊含义，如\+匹配加号+。而\\表示普通含义的\。需要注意的是，在以java为代表的很多语言中，本身就需要用两个斜杠\\来表示一个斜杠\。用正则表达式匹配普通斜杠时，需要输入四个斜杠\\\\（而我在用markdown编辑这篇博客时甚至用了八个斜杠）

    tips: eclipse 中向双引号""中复制字符串时，会自动加上斜杠取消那些字符的特殊含义，可以加以利用防止被绕晕。但同时也避免忘了这一点而导致多此一举。
    

16. \和一些字母连用有含义：如：
    16.1. \d 匹配一个数字字符，等价于[0-9]
    16.2. \w 匹配英文字母、数字或下划线，等价于[0-9a-zA-Z_]
    16.3 \D ，\W表示\d， \w的补集. 如\D等价于[^0-9]
    类似的特殊字符还有很多，在此不一一列举。

二、正则表达式在Java中的运用

1.String的split(String pattern)方法

该方法传入的是一个正则表达式，格外注意不要将参数当成普通字符串传入导致意料之外的转义。

	例：以"."作为分隔符分割字符串s，要使用s.split("//.")

2. java.util.regex包

对一个正则表达式pattern，首先需要进行编译：

Pattern r = Pattern.compile(pattern);
然后再和传入待匹配的字符串str
Matcher m = r.matcher(str);
之后,即可调用m的各类方法实现需求

提取匹配的字符串m.find()

若匹配成功返回true，失败返回false。
注：这并非一个observer，而是会进行匹配，改变m的内部字段,调用该方法成功后才能进行提取。

若成功匹配，则调用函数m.group(int i)返回第i个用正则表达式中用()提取的子表达式，i为0时返回匹配到的整个字符串。

//pattern="([a-z]+)//d+([a-z]+)",str="-abc123def#" 已通过上面的方法得到m
if(m.find()){
	String s0 = m.group(0);//"abc123def"
	String s1 = m.group(1);//"abc"
	String s2 = m.group(2);//"def"
}

若pattern为"(?:[a-z]+)//d+([a-z]+)“,则m.group(1)会返回"def”,而m.group(2)会报错

替换字符串 replaceFirst和replaceAll

顾名思义 前者只替换首次匹配到的字符串，而后者会替换到所有匹配到的字符串

例：pattern=“[a-z]+”,str=“-abc123def#”,rep=“xyz”,若已通过上面的方法得到m。
则m.replaceFirst(rep);会使str变成"-xyz123def#"
而m.replaceAll(rep);会使str变成"-xyz123xyz#"

参考：菜鸟教程《正则表达式-语法》 《Java正则表达式》