正则表达式的构造摘要

构造	匹配
字符
x	字符 x
//	反斜线字符
/0n	带有八进制值 0 的字符 n (0 <= n <= 7)
/0nn	带有八进制值 0 的字符 nn (0 <= n <= 7)
/0mnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
/xhh	带有十六进制值 0x 的字符 hh
/uhhhh	带有十六进制值 0x 的字符 hhhh
/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	转义符 ('/u001B')
/cx	对应于 x 的控制符
字符类
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）
预定义字符类
.	任何字符（与行结束符可能匹配也可能不匹配）
/d	数字：[0-9]
/D	非数字： [^0-9]
/s	空白字符：[ /t/n/x0B/f/r]
/S	非空白字符：[^/s]
/w	单词字符：[a-zA-Z_0-9]
/W	非单词字符：[^/w]
POSIX 字符类（仅 US-ASCII）
/p{Lower}	小写字母字符：[a-z]
/p{Upper}	大写字母字符：[A-Z]
/p{ASCII}	所有 ASCII：[/x00-/x7F]
/p{Alpha}	字母字符：[/p{Lower}/p{Upper}]
/p{Digit}	十进制数字：[0-9]
/p{Alnum}	字母数字字符：[/p{Alpha}/p{Digit}]
/p{Punct}	标点符号：!"#$%&'()*+,-./:;<=>?@[/]^_`{|}~
/p{Graph}	可见字符：[/p{Alnum}/p{Punct}]
/p{Print}	可打印字符：[/p{Graph}/x20]
/p{Blank}	空格或制表符：[ /t]
/p{Cntrl}	控制字符：[/x00-/x1F/x7F]
/p{XDigit}	十六进制数字：[0-9a-fA-F]
/p{Space}	空白字符：[ /t/n/x0B/f/r]
java.lang.Character 类（简单的 java 字符类型）
/p{javaLowerCase}	等效于 java.lang.Character.isLowerCase()
/p{javaUpperCase}	等效于 java.lang.Character.isUpperCase()
/p{javaWhitespace}	等效于 java.lang.Character.isWhitespace()
/p{javaMirrored}	等效于 java.lang.Character.isMirrored()
Unicode 块和类别的类
/p{InGreek}	Greek 块（简单块）中的字符
/p{Lu}	大写字母（简单类别）
/p{Sc}	货币符号
/P{InGreek}	所有字符，Greek 块中的除外（否定）
[/p{L}&&[^/p{Lu}]]	所有字母，大写字母除外（减去）
边界匹配器
^	行的开头
$	行的结尾
/b	单词边界
/B	非单词边界
/A	输入的开头
/G	上一个匹配的结尾
/Z	输入的结尾，仅用于最后的结束符（如果有的话）
/z	输入的结尾
Greedy 数量词
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次
Reluctant 数量词
X??	X，一次或一次也没有
X*?	X，零次或多次
X+?	X，一次或多次
X{n}?	X，恰好 n 次
X{n,}?	X，至少 n 次
X{n,m}?	X，至少 n 次，但是不超过 m 次
Possessive 数量词
X?+	X，一次或一次也没有
X*+	X，零次或多次
X++	X，一次或多次
X{n}+	X，恰好 n 次
X{n,}+	X，至少 n 次
X{n,m}+	X，至少 n 次，但是不超过 m 次
Logical 运算符
XY	X 后跟 Y
X|Y	X 或 Y
(X)	X，作为捕获组
Back 引用
/n	任何匹配的 nth 捕获组
引用
/	Nothing，但是引用以下字符
/Q	Nothing，但是引用所有字符，直到 /E
/E	Nothing，但是结束从 /Q 开始的引用
特殊构造（非捕获）
(?:X)	X，作为非捕获组
(?idmsux-idmsux)	Nothing，但是将匹配标志由 on 转为 off
(?idmsux-idmsux:X)	X，作为带有给定标志 on - off 的非捕获组
(?=X)	X，通过零宽度的正 lookahead
(?!X)	X，通过零宽度的负 lookahead
(?<=X)	X，通过零宽度的正 lookbehind
(?<!X)	X，通过零宽度的负 lookbehind
(?>X)	X，作为独立的非捕获组

---

反斜线、转义和引用

反斜线字符 ('/') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 // 与单个反斜线匹配，而 /{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据

字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1	字面值转义	/x
2	分组	[...]
3	范围	a-z
4	并集	[a-e][i-u]
5	交集	[a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。

行结束符

行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：

• 新行（换行）符 ('/n')、
• 后面紧跟新行符的回车符 ("/r/n")、
• 单独的回车符 ('/r')、
• 下一行字符 ('/u0085')、
• 行分隔符 ('/u2028') 或
• 段落分隔符 ('/u2029)。

如果激活

如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。

默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 MULTILINE 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。  

组和捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1	((A)(B(C)))
2	/A
3	(B(C))
4	(C)

组零始终代表整个表达式。

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。

与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。

以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。

Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他 字符转义。因此必须在字符串字面值中使用两个反斜线，表示 正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为 正则表达式时，字符串字面值 "/b" 与单个退格字符匹配，而 "//b" 与单词边界匹配。字符串字面值 "/(hello/)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "//(hello//)"。 UNIX_LINES 模式，则新行符是惟一识别的行结束符。