Java正则表达式深度解析：元字符与量词的组合艺术

1. 正则表达式概述

正则表达式（Regular Expression）是处理字符串的强大工具，Java通过java.util.regex包提供完整的正则支持。正则表达式由普通字符和特殊字符（元字符）组成，形成一种描述字符串模式的"迷你语言"。

1.1 正则表达式的基本组成

String regex = "^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,6}$";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("example@email.com");
boolean isMatch = matcher.matches(); // true

2. 常用元字符详解

2.1 基础元字符

元字符	名称	功能	示例	匹配示例
.	点号	匹配任意单个字符	a.c	“abc”, “a1c”
^	脱字符	匹配行首	^Java	“Java编程"中的"Java”
$	美元符	匹配行尾	end$	“The end"中的"end”
\d	数字	匹配数字字符	\d\d	“12”, “45”
\w	单词字符	匹配字母数字下划线	\w+	“hello”, “A1_”
\s	空白符	匹配空白字符	a\sb	“a b”

2.2 字符类元字符

// 匹配十六进制颜色代码
String colorRegex = "^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$";

表达式	含义	等价写法
[abc]	匹配a、b或c	`(a
[^abc]	匹配非a、b、c的字符	-
[a-z]	匹配a到z的小写字母	-
[a-zA-Z]	匹配所有字母	-

3. 量词系统解析

3.1 基本量词

量词	含义	示例	匹配示例
*	0次或多次	a*b	“b”, “aab”
+	1次或多次	a+b	“ab”, “aaab”
?	0次或1次	a?b	“b”, “ab”
{n}	恰好n次	a{2}b	“aab”
{n,}	至少n次	a{2,}b	“aab”, “aaaab”
{n,m}	n到m次	a{2,4}b	“aab”, “aaaab”

3.2 贪婪/勉强/独占量词对比

String text = "aaaab";
Pattern.compile("a+b").matcher(text).find();   // 贪婪模式：匹配"aaaab"
Pattern.compile("a+?b").matcher(text).find(); // 勉强模式：匹配"aaab"
Pattern.compile("a++b").matcher(text).find(); // 独占模式：不匹配

量词类型	符号	匹配策略	回溯机制
贪婪	*, +, ?	尽可能多匹配	会回溯
勉强	*?, +?, ??	尽可能少匹配	会回溯
独占	*+, ++, ?+	尽可能多匹配	不回溯

4. 分组与捕获

4.1 分组类型

// 电话号码匹配
String phoneRegex = "^(\\+\\d{1,3})?[-.\\s]?((\\d{3})[-.\\s]?){2}\\d{4}$";

分组类型	语法	特点	示例
捕获分组	(pattern)	捕获匹配内容	(\\d{3})
非捕获分组	(?:pattern)	不捕获仅分组	(?:\\d{3}-){2}
命名分组	(?<name>pattern)	可命名引用	(?<area>\\d{3})

4.2 分组引用

// 匹配重复单词
String duplicateRegex = "\\b(\\w+)\\b\\s+\\1\\b";
Pattern.compile(duplicateRegex, Pattern.CASE_INSENSITIVE)
    .matcher("hello hello world").find(); // true

5. 零宽断言

5.1 断言类型对比

<

断言类型	语法	含义	示例
正向先行	(?=pattern)	后面必须跟着pattern	\\w+(?=;)
负向先行	(?!pattern)	后面不能跟着pattern	\\d{3}(?!\\d)
正向后行	(?<=pattern)	前面必须是pattern	(?<=\\$)\\d+
负向后行	(?<!pattern)