Java中的正则表达式

迷南。 2022-10-26 01:29 377阅读 0赞

### Java中的正则表达式 ###

*  正则表达式语法
 *   *  \\
     *  ^
     *  $
     *  \*
     *  \+
     *  ?
     *  \{n\}
     *  \{n,\}
     *  \{n, m\}
     *  ?
     *  .
     *  (pattern)
     *  (?:pattern)
     *  (?=pattern)
     *  (?!pattern)
     *  (?<=pattern)
     *  (?<!pattern)
     *  x|y
     *  \[xyz\]
     *  \[^xyz\]
     *  \[a-z\]
     *  \[^a-z\]
     *  \[:name:\]
     *  \[=elt=\]
     *  \[.elt.\]
     *  \\b
     *  \\B
     *  \\cx
     *  \\d
     *  \\D
     *  \\f
     *  \\n
     *  \\r
     *  \\s
     *  \\S
     *  \\t
     *  \\v
     *  \\w
     *  \\W
     *  \\xnn
     *  \\num
     *  \\n
     *  \\nm
     *  \\nml
     *  \\un
     *  \\p\{P\}
     *  \\ < \\ >
     *  ()
     *  |
 *  正则表达式使用场景
 *   *  字符串替换
     *   *  Matcher
         *   *  appendReplacement()
             *  appendTail()
             *  示例
     *  字符校验

# 正则表达式语法 #

## \\ ##

*  将下一个字符标记为:
    
     *  一个特殊字符
     *  一个原义字符(12个) : ^, $, (, ), \*, +, ?, ., \[, , \{, |
     *  一个向后引用
     *  一个八进制转义符
 *  **示例:**
    
     *  \\n - 换行符
     *  \\ \\ - \\
     *  \\ ( - (

## ^ ##

*  匹配输入字符串的开始位置
 *  如果设置**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**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
 *  等价于 \{0,\}
 *  **示例:**
    
     *  zo\* - z 或 zo 或 zoo

## \+ ##

*  匹配前面的子表达式一次或多次
 *  等价于 \{1,\}
 *  **示例:**
    
     *  zo+ - zo 或 zoo

## ? ##

*  匹配前面的子表达式零次或一次
 *  等价于 \{0,1\}
 *  **示例:**
    
     *  do(es)? - do 或 does

## \{n\} ##

*  匹配确定的**n**次 **. n**是一个非负整数
 *  **示例:**
    
     *  o\{2\} - 不能匹配**Bob,** 能匹配**food**

## \{n,\} ##

*  至少匹配**n**次 **. n**是一个非负整数
 *  o\{0,\} 等价于 o\*
 *  o\{1,\} 等价于 o+
 *  **示例:**
    
     *  o\{2,\} - 不能匹配**Bob,** 能匹配**looooog**

## \{n, m\} ##

*  最少匹配**n**次,最多匹配**m**次 **. n**和**m**均为非负整数,其中 **n<=m**
 *  o\{0,1\} 等价于 o?
 *  **示例:**
    
     *  o\{1,3\} - 匹配loooooog的前三个o

## ? ##

*  **非贪心量化:** 当该字符紧跟在其余任何一个修饰符 \*, +, ?, \{n\}, \{n,\}, \{n,m\} 后面时,匹配模式是非贪心的
    
     *  非贪心模式是尽可能少的匹配所搜索的字符串
     *  正则表达式默认是贪心模式,是尽可能多的匹配所搜索的字符串
 *  **示例:**
    
     *  o+? - 匹配loooooog中的单个o
     *  o+ - 匹配loooooog所有的o

## . ##

*  匹配除了 \\r, \\n 以外的任何单个字符
 *  如果需要匹配 \\r, \\n 在内的字符,需要使用 (.|\\r|\\n)

## (pattern) ##

*  匹配**pattern**并获取匹配的子字符串,子字符串用于向后引用
 *  获取的匹配可以从产生**Matches**的集合中得到

## (?:pattern) ##

*  匹配**pattern**但是不获取匹配的子字符串
 *  这是一个非获取匹配,不存储匹配的子字符串用于向后引用
 *  在替换使用或字符 | 来组合一个模式的各个部分时非常有用
 *  **示例:**
    
     *  industr(?:y|ies) 等价于 industry | industries

## (?=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,即这个匹配不需要获取供以后使用
 *  预查不会消耗字符.也就是说,在一个匹配开始时,在最后一个匹配发生之后立即开始下一次匹配搜索,而不是从包含预查字符后面的字符开始匹配搜索
 *  **示例:**
    
     *  Windows(?=95|98|NT|2000) - 可以匹配 Windows2000 中的 Windows , 但是不能匹配 Windows10 中的 Windows

## (?!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,即这个匹配不需要获取供以后使用
 *  预查不会消耗字符.也就是说,在一个匹配开始时,在最后一个匹配发生之后立即开始下一次匹配搜索,而不是从包含预查字符后面的字符开始匹配搜索
 *  **示例:**
    
     *  Window(?!95|98|NT|2000) - 可以匹配 Windows10 中的 Windows , 但是不能匹配 Windows2000 中的 Windows

## (?<=pattern) ##

*  **反向肯定预查:** 在任何匹配**pattern**的字符串处反向匹配查找字符串
 *  **示例:**
    
     *  (?<=95|98|NT|2000)Windows - 可以匹配 2000Windows 中的 Windows , 但是不能匹配 10Windows 中的 Windows

## (?<!pattern) ##

*  **反向否定预查:** 在任何不匹配pattern的字符串处反向匹配查找字符串
 *  **示例:**
    
     *  (?<!95|98|NT|2000)Windows - 可以匹配 10Windows中的 Windows , 但是不能匹配 2000Windows 中的 Windows

## x|y ##

*  或匹配
 *  如果没有包含在括号中,范围就是整个正则表达式. 否则只是对括号中的字符串进行匹配
 *  **示例:**
    
     *  z|food - z 或 food
     *  (z|f)oo - zoo 或 foo

## \[xyz\] ##

*  字符集合. 匹配所包含的任意一个字符
 *  仅有特殊字符反斜线 \\ 可以保持特殊含义的转义字符. 其余符号比如 \*, +, (, ) 等均是普通字符
    
     *  脱字符 ^ 如果出现在首位表示负值字符集合. 如果出现在字符中间就是普通字符
     *  连字符 - 如果出现在字符串中间表示字符范围. 如果出现在首位或者末尾就是普通字符
     *  右括号如果出现在首位也是普通字符
 *  **示例:**
    
     *  \[abc\] - 可以匹配 plain 中的 a

## \[^xyz\] ##

*  排除型字符集合. 匹配未列出的任意字符
 *  **示例:**
    
     *  \[^abc\] - 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
 *  **示例:**
    
     *  \[a-z\] - 可以匹配 a 到 z 范围内的任意小写字母字符

## \[^a-z\] ##

*  排除型字符范围. 匹配任何不在指定范围内的任意字符
 *  **示例:**
    
     *  \[^a-z\] - 匹配不在 a 到 z 范围内的任意字符

## \[:name:\] ##

*  增加命名字符类中的字符到表达式. 只能用于方括号表达式

## \[=elt=\] ##

*  增减当前**locale**下排序等价于**elt**的字符. 只能用于方括号表达式

## \[.elt.\] ##

*  增加排序元素**elt**到表达式中. 只能用于方括号表达式
 *  这个语法用于某些排序元素由多个字符组成. 比如29个字母表的西班牙语 **,CH**作为单个字母排在字母C之后,因此会产生排序**cinco, credo, chispa**

## \\b ##

*  匹配单词边界.即单词和空格间的位置
 *  **示例:**
    
     *  er\\b - 可以匹配 never 中的 er , 不能匹配 verb 中的 er

## \\B ##

*  匹配非单词边界
 *  **示例:**
    
     *  er\\B - 可以匹配 verb 中的 er , 不能匹配 never 中的 er

## \\cx ##

*  匹配由x指明的控制字符
 *  **x** 的值必须为 **A-Z** 或者 **a-z** 的字符之一,否则就将 **c** 看作是一个原义的 **c** 字符
 *  控制字符的值等于 **x** 的值的最小 **5 bit**(对十进制**32**的余数)
 *  **示例:**
    
     *  \\cM - 匹配Control-M 或者 回车符
     *  \\ca - \\u001
     *  \\cb - \\u002

## \\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 \\x0b 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
 *  等价于 \[A-Za-z0-9\_\]

## \\W ##

*  匹配任何非单词字符
 *  等价于 \[^A-Za-z0-9\_\]

## \\xnn ##

*  十六进制转义字符序列. 匹配两个十六进制数字nn表示的字符
 *  正则表达式中可以使用**ASCII**编码
 *  \\x041 等价于 \\x04&1
 *  **示例:**
    
     *  \\x41 - A

## \\num ##

*  向后引用一个子字符串,该子字符串与正则表达式的第**num**个用括号围起来的子表达式匹配
 *  **num**是从**1**开始的十进制正整数,上限可以是**9, 31, 99**甚至无限
 *  **示例:**
    
     *  (.)\\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**个获得子表达式,则**n**为向后引用
     *  否则 **,n**为八进制数字**0-7.** 此时**n**为八进制转义值

## \\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**nm**个获得子表达式,则**nm**为向后引用
     *  如果 \\nm 之前至少有**n**个获得子表达式,则**n**为一个后跟文字**m**的向后引用
     *  否则如果前面的条件都不满足,并且**n**和**m**均为八进制数字**0-7,** 那么 \\nm 将匹配八进制转义值**nm**

## \\nml ##

*  如果**n**为八进制数字**0-3,** 并且**m**和**l**均为八进制数字**0-7,** 那么 \\nml 将匹配八进制转义值**nml**

## \\un ##

## \\p\{P\} ##

*  用于**Unicode**正则表达式前缀
    
     *  小写**p**是**property,** 表示**Unicode**属性
     *  大括号中的**P**表示**Unicode**字符集中七个字符属性之一的标点字符.还有其余六个属性:
        
         *  **L :** 字母
         *  **M :** 标记符号. 通常不会单独出现
         *  **Z :** 分隔符. 比如空格,换行等
         *  **S :** 符号. 比如数学符号,货币符号等
         *  **N :** 数字. 比如阿拉伯数字,罗马数字等
         *  **C :** 其余字符
 *  **注意:** 在**JavaScript**中不支持该语法

## \\ < \\ > ##

*  匹配词**word**的开始 **\\ <** 和结束 **\\ >**
 *  **示例:**
    
     *  \\ <the\\ > - 可以匹配字符串 for the wise 中的 the , 不能匹配 otherwise 中的 the

## () ##

*  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. 一个正则表达式最多可以保存9个这样的临时区域,分别使用 \\1 到 \\9 的符号来引用

## | ##

*  将两个匹配条件进行逻辑或**or**运算
 *  **示例:**
    
     *  (him|her) - 可以匹配 it belongs to hin 或 it belongs to her, 不能匹配 it belongs to them

# 正则表达式使用场景 #

## 字符串替换 ##

*  [转换日期格式示例][Link 1]

### Matcher ###

*  Matcher类中提供四个将匹配字符串替换成指定字符串的方法:
    
     *  **replaceAll()**
     *  **replaceFirst()**
     *  **appendReplacement()**
     *  **appendTail()**
 *  重点掌握一下**appendReplacement()** 方法和**appendTail()** 方法

#### appendReplacement() ####

*  **appendReplacement(StringBuffer sb, String replacement):**
    
     *  将当前匹配子串替换为指定字符串
     *  并且将替换后的子串以及到上次匹配之后的字符串添加到一个**StringBuffer**对象

#### appendTail() ####

*  **appendTail(StringBuffer sb):**
    
     *  将最后一次匹配后剩余的字符添加到一个**StringBuffer**对象

#### 示例 ####

*  字符串**fatcatfatcatfat,** 正则表达式模式**cat:**
    
     *  第一次匹配后调用**appendReplacement(sb, “dog”),** 这时**StringBuffer**内容为**fatdog.** 即**fatcat**中的**cat**被替换为**dog**并且与匹配子串前的内容加到sb里
     *  第二次匹配后调用**appendReplacement(sb, “dog”),** 这时**sb**的内容就成为**fatdogfatdog**
     *  最后一次调用**appendTail(sb),** 那么**sb**的内容成为**fatdogfatdogfat**

## 字符校验 ##

*  [正则表达式校验示例][Link 2]

[Link 1]: https://github.com/siege-projects/chova-siege/blob/master/siege-core/src/main/java/com/oxford/core/convert/Convert.java
[Link 2]: https://github.com/siege-projects/chova-siege/blob/master/siege-core/src/main/java/com/oxford/core/util/REUtil.java