正则表达式惯用字符

朴灿烈づ我的快乐病毒、 2022-01-15 14:15 228阅读 0赞

正则表达式常用字符  
构造 匹配 字符 字符类 预定义字符类 POSIX 字符类（仅 US-ASCII） java.lang.Character 类（简单的 java 字符类型） Unicode 块和类别的类 边界匹配器 Greedy 数量词 Reluctant 数量词 Possessive 数量词 Logical 运算符 Back 引用 引用 特殊构造（非捕获）

<table> 
 <tbody> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>x</td> 
 <td>字符 x </td> 
 </tr> 
 <tr> 
 <td>\\</td> 
 <td>反斜线字符</td> 
 </tr> 
 <tr> 
 <td>\0n </td> 
 <td>带有八进制值 0 的字符 n (0 &lt;= n &lt;= 7)</td> 
 </tr> 
 <tr> 
 <td>\0nn </td> 
 <td>带有八进制值 0 的字符 nn (0 &lt;= n &lt;= 7)</td> 
 </tr> 
 <tr> 
 <td>\0mnn </td> 
 <td>带有八进制值 0 的字符 mnn（0 &lt;= m &lt;= 3、0 &lt;= n &lt;= 7）</td> 
 </tr> 
 <tr> 
 <td>\xhh </td> 
 <td>带有十六进制值 0x 的字符 hh </td> 
 </tr> 
 <tr> 
 <td>\uhhhh </td> 
 <td>带有十六进制值 0x 的字符 hhhh </td> 
 </tr> 
 <tr> 
 <td>\t</td> 
 <td>制表符 ('\u0009')</td> 
 </tr> 
 <tr> 
 <td>\n</td> 
 <td>新行（换行）符 ('\u000A')</td> 
 </tr> 
 <tr> 
 <td>\r</td> 
 <td>回车符 ('\u000D')</td> 
 </tr> 
 <tr> 
 <td>\f</td> 
 <td>换页符 ('\u000C')</td> 
 </tr> 
 <tr> 
 <td>\a</td> 
 <td>报警 (bell) 符 ('\u0007')</td> 
 </tr> 
 <tr> 
 <td>\e</td> 
 <td>转义符 ('\u001B')</td> 
 </tr> 
 <tr> 
 <td>\cx </td> 
 <td>对应于 x 的控制符</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>[abc]</td> 
 <td>a、b 或 c（简单类）</td> 
 </tr> 
 <tr> 
 <td>[^abc]</td> 
 <td>任何字符，除了 a、b 或 c（否定）</td> 
 </tr> 
 <tr> 
 <td>[a-zA-Z]</td> 
 <td>a 到 z 或 A 到 Z，两头的字母包括在内（范围）</td> 
 </tr> 
 <tr> 
 <td>[a-d[m-p]]</td> 
 <td>a 到 d 或 m 到 p：[a-dm-p]（并集）</td> 
 </tr> 
 <tr> 
 <td>[a-z&amp;&amp;[def]]</td> 
 <td>d、e 或 f（交集）</td> 
 </tr> 
 <tr> 
 <td>[a-z&amp;&amp;[^bc]]</td> 
 <td>a 到 z，除了 b 和 c：[ad-z]（减去）</td> 
 </tr> 
 <tr> 
 <td>[a-z&amp;&amp;[^m-p]]</td> 
 <td>a 到 z，而非 m 到 p：[a-lq-z]（减去）</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>.</td> 
 <td>任何字符（与行结束符可能匹配也可能不匹配）</td> 
 </tr> 
 <tr> 
 <td>\d</td> 
 <td>数字：[0-9] </td> 
 </tr> 
 <tr> 
 <td>\D</td> 
 <td>非数字： [^0-9] </td> 
 </tr> 
 <tr> 
 <td>\s</td> 
 <td>空白字符：[ \t\n\x0B\f\r] </td> 
 </tr> 
 <tr> 
 <td>\S</td> 
 <td>非空白字符：[^\s] </td> 
 </tr> 
 <tr> 
 <td>\w</td> 
 <td>单词字符：[a-zA-Z_0-9] </td> 
 </tr> 
 <tr> 
 <td>\W</td> 
 <td>非单词字符：[^\w] </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>\p{Lower}</td> 
 <td>小写字母字符：[a-z] </td> 
 </tr> 
 <tr> 
 <td>\p{Upper}</td> 
 <td>大写字母字符：[A-Z] </td> 
 </tr> 
 <tr> 
 <td>\p{ASCII}</td> 
 <td>所有 ASCII：[\x00-\x7F] </td> 
 </tr> 
 <tr> 
 <td>\p{Alpha}</td> 
 <td>字母字符：[\p{Lower}\p{Upper}] </td> 
 </tr> 
 <tr> 
 <td>\p{Digit}</td> 
 <td>十进制数字：[0-9] </td> 
 </tr> 
 <tr> 
 <td>\p{Alnum}</td> 
 <td>字母数字字符：[\p{Alpha}\p{Digit}] </td> 
 </tr> 
 <tr> 
 <td>\p{Punct}</td> 
 <td>标点符号：!"#$%&amp;'()*+,-./:;&lt;=&gt;?@[\]^_`{|}~ </td> 
 </tr> 
 <tr> 
 <td>\p{Graph}</td> 
 <td>可见字符：[\p{Alnum}\p{Punct}] </td> 
 </tr> 
 <tr> 
 <td>\p{Print}</td> 
 <td>可打印字符：[\p{Graph}\x20] </td> 
 </tr> 
 <tr> 
 <td>\p{Blank}</td> 
 <td>空格或制表符：[ \t] </td> 
 </tr> 
 <tr> 
 <td>\p{Cntrl}</td> 
 <td>控制字符：[\x00-\x1F\x7F] </td> 
 </tr> 
 <tr> 
 <td>\p{XDigit}</td> 
 <td>十六进制数字：[0-9a-fA-F] </td> 
 </tr> 
 <tr> 
 <td>\p{Space}</td> 
 <td>空白字符：[ \t\n\x0B\f\r] </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>\p{javaLowerCase}</td> 
 <td>等效于 java.lang.Character.isLowerCase()</td> 
 </tr> 
 <tr> 
 <td>\p{javaUpperCase}</td> 
 <td>等效于 java.lang.Character.isUpperCase()</td> 
 </tr> 
 <tr> 
 <td>\p{javaWhitespace}</td> 
 <td>等效于 java.lang.Character.isWhitespace()</td> 
 </tr> 
 <tr> 
 <td>\p{javaMirrored}</td> 
 <td>等效于 java.lang.Character.isMirrored()</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>\p{InGreek}</td> 
 <td>Greek 块（简单块）中的字符</td> 
 </tr> 
 <tr> 
 <td>\p{Lu}</td> 
 <td>大写字母（简单类别）</td> 
 </tr> 
 <tr> 
 <td>\p{Sc}</td> 
 <td>货币符号</td> 
 </tr> 
 <tr> 
 <td>\P{InGreek}</td> 
 <td>所有字符，Greek 块中的除外（否定）</td> 
 </tr> 
 <tr> 
 <td>[\p{L}&amp;&amp;[^\p{Lu}]] </td> 
 <td>所有字母，大写字母除外（减去）</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>^</td> 
 <td>行的开头</td> 
 </tr> 
 <tr> 
 <td>$</td> 
 <td>行的结尾</td> 
 </tr> 
 <tr> 
 <td>\b</td> 
 <td>单词边界</td> 
 </tr> 
 <tr> 
 <td>\B</td> 
 <td>非单词边界</td> 
 </tr> 
 <tr> 
 <td>\A</td> 
 <td>输入的开头</td> 
 </tr> 
 <tr> 
 <td>\G</td> 
 <td>上一个匹配的结尾</td> 
 </tr> 
 <tr> 
 <td>\Z</td> 
 <td>输入的结尾，仅用于最后的结束符（如果有的话）</td> 
 </tr> 
 <tr> 
 <td>\z</td> 
 <td>输入的结尾</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>X? </td> 
 <td>X，一次或一次也没有</td> 
 </tr> 
 <tr> 
 <td>X* </td> 
 <td>X，零次或多次</td> 
 </tr> 
 <tr> 
 <td>X+ </td> 
 <td>X，一次或多次</td> 
 </tr> 
 <tr> 
 <td>X{ n} </td> 
 <td>X，恰好 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,} </td> 
 <td>X，至少 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,m} </td> 
 <td>X，至少 n 次，但是不超过 m 次</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>X?? </td> 
 <td>X，一次或一次也没有</td> 
 </tr> 
 <tr> 
 <td>X*? </td> 
 <td>X，零次或多次</td> 
 </tr> 
 <tr> 
 <td>X+? </td> 
 <td>X，一次或多次</td> 
 </tr> 
 <tr> 
 <td>X{ n}? </td> 
 <td>X，恰好 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,}? </td> 
 <td>X，至少 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,m}? </td> 
 <td>X，至少 n 次，但是不超过 m 次</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>X?+ </td> 
 <td>X，一次或一次也没有</td> 
 </tr> 
 <tr> 
 <td>X*+ </td> 
 <td>X，零次或多次</td> 
 </tr> 
 <tr> 
 <td>X++ </td> 
 <td>X，一次或多次</td> 
 </tr> 
 <tr> 
 <td>X{ n}+ </td> 
 <td>X，恰好 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,}+ </td> 
 <td>X，至少 n 次</td> 
 </tr> 
 <tr> 
 <td>X{ n,m}+ </td> 
 <td>X，至少 n 次，但是不超过 m 次</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>XY</td> 
 <td>X 后跟 Y </td> 
 </tr> 
 <tr> 
 <td>X|Y </td> 
 <td>X 或 Y </td> 
 </tr> 
 <tr> 
 <td>(X) </td> 
 <td>X，作为捕获组</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>\n </td> 
 <td>任何匹配的 nth捕获组</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>\</td> 
 <td>Nothing，但是引用以下字符</td> 
 </tr> 
 <tr> 
 <td>\Q</td> 
 <td>Nothing，但是引用所有字符，直到 \E </td> 
 </tr> 
 <tr> 
 <td>\E</td> 
 <td>Nothing，但是结束从 \Q 开始的引用</td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td> </td> 
 <td> </td> 
 </tr> 
 <tr> 
 <td>(?:X) </td> 
 <td>X，作为非捕获组</td> 
 </tr> 
 <tr> 
 <td>(?idmsux-idmsux) </td> 
 <td>Nothing，但是将匹配标志i d m s u x on - off</td> 
 </tr> 
 <tr> 
 <td>(?idmsux-idmsux:X) </td> 
 <td>X，作为带有给定标志 i d m s u x on - off</td> 
 </tr> 
 <tr> 
 <td>(?=X) </td> 
 <td>X，通过零宽度的正 lookahead</td> 
 </tr> 
 <tr> 
 <td>(?!X) </td> 
 <td>X，通过零宽度的负 lookahead</td> 
 </tr> 
 <tr> 
 <td>(?&lt;=X) </td> 
 <td>X，通过零宽度的正 lookbehind</td> 
 </tr> 
 <tr> 
 <td>(?&lt;!X) </td> 
 <td>X，通过零宽度的负 lookbehind</td> 
 </tr> 
 <tr> 
 <td>(?&gt;X) </td> 
 <td>X，作为独立的非捕获组</td> 
 </tr> 
 </tbody> 
</table>

--------------------

#### 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

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\\\$"。

#### 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 2 3 4 5
> 
> <table> 
> <tbody> 
> <tr> 
> <td>字面值转义</td> 
> <td>\x</td> 
> </tr> 
> <tr> 
> <td>分组</td> 
> <td>[...]</td> 
> </tr> 
> <tr> 
> <td>范围</td> 
> <td>a-z</td> 
> </tr> 
> <tr> 
> <td>并集</td> 
> <td>[a-e][i-u]</td> 
> </tr> 
> <tr> 
> <td>交集</td> 
> <td>[a-z&amp;&amp;[aeiou]]</td> 
> </tr> 
> </tbody> 
> </table>

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

`UNIX_LINES` 模式，则新行符是唯一识别的行结束符。

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。 *Unicode Technical Standard \#18:Unicode Regular Expression Guidelines* 第 1 级和 RL2.1 Canonical Equivalents。

#### 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 2 3 4
> 
> <table> 
> <tbody> 
> <tr> 
> <td>((A)(B(C)))</td> 
> </tr> 
> <tr> 
> <td>\A</td> 
> </tr> 
> <tr> 
> <td>(B(C))</td> 
> </tr> 
> <tr> 
> <td>(C)</td> 
> </tr> 
> </tbody> 
> </table>

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获取。

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。

#### Unicode 支持 ####

此类符合

Java 源代码中的 Unicode 转义序列（如 \\u2014）是按照 Java Language Specification 的 第 3.3 节中的描述处理的。这样的转义序列还可以由正则表达式解析器直接实现，以便在从文件或键盘击键读取的表达式中使用 Unicode 转义。因此，可以将不相等的字符串 "\\u2014" 和 "\\\\u2014" 编译为相同的模式，从而与带有十六进制值 0x2014 的字符匹配。 `Character` 类指定版本中的 *The Unicode Standard* 的类别。类别名称是在 Standard 中定义的，即标准又丰富。`Pattern` 所支持的块名称是 `UnicodeBlock.forName` 所接受和定义的有效块名称。 上文所述。

与 Perl 中一样，Unicode 块和类别是使用 \\p 和 \\P 构造编写的。如果输入具有属性 *prop*，则与 \\p\{ *prop*\} 匹配，而输入具有该属性时与 \\P\{ *prop*\} 不匹配。块使用前缀 In 指定，与在 InMongolian 中一样。可以使用可选前缀 Is 指定类别：\\p\{L\} 和 \\p\{IsL\} 都表示 Unicode 字母的类别。块和类别在字符类的内部和外部都可以使用。

受支持的类别是由

行为类似 java.lang.Character boolean 是 *methodname* 方法（废弃的类别除外）的类别，可以通过相同的 \\p\{ *prop*\} 语法来提供，其中指定的属性具有名称 java*methodname*。

#### 与 Perl 5 相比较 ####

`Pattern` 引擎用有序替换项执行传统上基于 NFA 的匹配，与 Perl 5 中进行的相同。

此类不支持 Perl 构造：

*  条件构造 (?\{ *X*\}) 和 (?(*condition*)*X*|*Y*)、
 *  嵌入式代码构造 (?\{ *code*\}) 和 (??\{ *code*\})、
 *  嵌入式注释语法 (?\#comment) 和
 *  预处理操作 \\l \\u、\\L 和 \\U。

此类支持但 Perl 不支持的构造：

*  Possessive 数量词，它可以尽可能多地进行匹配，即使这样做导致所有匹配都成功时也如此。
 *  字符类并集和交集，如

与 Perl 的显著不同点是：

*  在 Perl 中，\\1 到 \\9 始终被解释为 Back 引用；如果至少存在多个子表达式，则大于 9 的反斜线转义数按 Back 引用对待，否则在可能的情况下，它将被解释为八进制转义。在此类中，八进制转义必须始终以零开头。在此类中，\\1 到 \\9 始终被解释为 Back 引用，较大的数被接受为 Back 引用，如果在正则表达式中至少存在多个子表达式的话；否则，解析器将删除数字，直到该数小于等于组的现有数或者其为一个数字。
 *  Perl 使用 g 标志请求恢复最后匹配丢失的匹配。此功能是由 `Matcher` 类显式提供的：重复执行 `find` 方法调用可以恢复丢失的最后匹配，除非匹配器被重置。
 *  在 Perl 中，位于表达式顶级的嵌入式标记对整个表达式都有影响。在此类中，嵌入式标志始终在它们出现的时候才起作用，不管它们位于顶级还是组中；在后一种情况下，与在 Perl 中类似，标志在组的结尾处还原。
 *  Perl 允许错误匹配构造，如在表达式 \*a 中，以及不匹配的括号，如在在表达式 abc\] 中，并将其作为字面值对待。此类还接受不匹配的括号，但对 +、? 和 \* 不匹配元字符有严格限制；如果遇到它们，则抛出 `PatternSyntaxException`。

有关正则表达式构造行为更准确的描述，请参见 *Mastering Regular Expressions, 2nd Edition*，该书由 Jeffrey

转载于:https://blog.51cto.com/stickydream/1834362