正则表达式 匹配中文
使用说明：http://www.runoob.com/java/java-regular-expressions.html
http://thihy.iteye.com/blog/1777065 http://ifeve.com/java-regex/
详细： http://blog.csdn.net/allwefantasy/article/details/3136570
一：
package cn.sunzn.demo;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Demo {
public static void main(String[] args) {
System.out.println(isContainChinese("中国China"));
}
public static boolean isContainChinese(String str) {
Pattern p = Pattern.compile("[\u4e00-\u9fa5]");
Matcher m = p.matcher(str);
if (m.find()) {
return true;
}
return false;
}
}
运行结果：
true
二：
package com.renmai.test;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import org.junit.Test;
public class PatternTest {
@Test
public void test2(){
Pattern pattern = Pattern.compile("f(.+?)k");
Matcher matcher = pattern.matcher("fckfkkfkf");
while(matcher.find()){
String s0 = matcher.group();
String s1 = matcher.group(1);
System.out.println(s0 + " ******* " + s1);
}
System.out.println("---------------------------");
matcher.reset("fucking");
while(matcher.find()){
System.out.println(matcher.group());
}
Pattern pattern2 = Pattern.compile("f(.+?)i(.+?)h");
Matcher matcher2 = pattern2.matcher("finishabigfishfrish");
while(matcher2.find()){
String s0 = matcher2.group();
String s1 = matcher2.group(1);
String s2 = matcher2.group(2);
System.out.println(s0 + " ******* " + s1 + " ------ " + s2 );
}
System.out.println("----------------------------------");
Pattern pattern3 = Pattern.compile("19|20\\d\\d([-/.])(0[1-9]|1[012])\\2(0[1-9]|[12][0-9]|3[01])");
Matcher matcher3 = pattern3.matcher("1900-01-01 2007/08/13 1900.01.01 1900 01 01 1900-01.01 1900 13 01 1900 02 31");
while(matcher3.find()){
System.out.println(matcher3.group());
}
}
@Test
public void test3(){
Pattern pattern = Pattern.compile("死亡|最美|棚改|省委|跳楼");
String str = "需要匹配的内容";
Matcher matcher = pattern.matcher(str);
while(matcher.find()){
System.out.println(matcher.group());
}
}
}
匹配原则：要求匹配的规则使用的是Unicode编码
基本语法
在介绍高级功能前，我们先快速浏览下正则表达式的基本语法。
字符
是正则表达式中最经常使用的的一个表达式，作用是简单的匹配一个确定的字符。例如：John
这个简单的表达式将会在一个输入文本中匹配John文本。
可以在表达式中使用任意英文字符。也可以使用字符对于的8进制，16进制或unicode编码表示。例如：101
\x41
\u0041
以上3个表达式 都表示大写字符A。第一个是8进制编码(101),第2个是16进制编码(41),第3个是unicode编码(0041).
字符分类
字符分类是一种结构，可以针对多个字符匹配而不只是一个字符。换句话说，一个字符分类匹配输入文本中的一个字符，对应字符分类中多个允许字符。例如，你想匹配字符 a,b 或c，表达式如下：[abc]
用一对方括号[] 表示字符分类。方括号本身并不是要匹配的一部分。
可以用字符分类完成很多事。例如想要匹配单词John，首字母可以为大写和小写J.[Jj]ohn
字符分类[Jj] 匹配J或j，剩余的 ohn 会准确匹配字符ohn.
预定义字符分类
正则表达式中有一些预定义的字符分类可以使用。例如, \d 表示任意数字, \s 表示任意空白字符,\w 表示任意单词字符。
预定义字符分类不需要括在方括号里，当然也可以组合使用\d
[\d\s]
第1个匹配任意数字，第2个匹配任意数字或空白符。
完整的预定义字符分类列表，在本文最后列出。
边界匹配
正则表达式支持匹配边界，例如单词边界，文本的开头或末尾。例如，\w 匹配一个单词，^匹配行首,$ 匹配行尾。^This is a single line$
上面的表达式匹配一行文本，只有文本 This is a single line。注意其中的行首和行尾标志，表示不能有任何文本在文本的前面后后面，只能是行首和行尾。
完整的匹配边界列表，在本文最后列出。
量词匹配
量词可以匹配一个表达式多次出现。例如下列表达式匹配字母A 出现0次或多次。A*
量词 * 表示0次或多次。+ 表示1次或多次。? 表示0次或1次。还有些其他量词，参见本文后面的列表。
量词匹配分为 饥饿模式,贪婪模式,独占模式。饥饿模式 匹配尽可能少的文本。贪婪模式匹配尽可能多的文本。独占模式匹配尽可能多的文本，甚至导致剩余表达式匹配失败。
以下演示饥饿模式,贪婪模式,独占模式区别。假设以下文本：John went for a walk, and John fell down, and John hurt his knee.
饥饿模式下 表达式：John.*?
这个表达式匹配John 后跟0个或多个字符。 . 表示任意字符。* 表示0或多次。? 跟在 * 后面，表示 * 采用饥饿模式。
饥饿模式下，量词只会匹配尽可能少的字符，即0个字符。上例中的表达式将会匹配单词John,在输入文本中出现3次。
如果改为贪婪模式，表达式如下：John.*
贪婪模式下，量词会匹配尽可能多的字符。现在表达式会匹配第一个出现的John，以及在贪婪模式下 匹配剩余的所有字符。这样，只有一个匹配项。
最后，我们改为独占模式：John.*+hurt
*后跟+ 表示独占模式量词。
这个表达式在输入文本中没有匹配项，尽管文本中包括 John 和 hurt. 为什么会这样? 因为 .*+ 是独占模式。与贪婪模式下，尽可能多的匹配文本，以使整个表达式匹配不同。独占模式会尽可能的多的匹配，但不考虑表达式剩余部分是否能匹配上。
.*+ 将会匹配第一个John之后的所有字符，这会导致表达式中剩余的 hurt 没有匹配项。如果改为贪婪模式，会有一个匹配项。表达式如下：John.*hurt
逻辑操作符
正则表达式支持少量的逻辑运算(与，或，非)。
与操作是默认的，表达式 John ,意味着J 与 o与h与n。
或操作需要显示指定，用 | 表示。例如表达式 John|hurt 意味着John 或 hurt 。
字符
| . | 任意英文字母 |
| \\ | 反斜杠, 单独的反斜杠做为转义字符,与其他特殊字符一起使用。如果想匹配反斜杠本身,需要转义。两个反斜杠实际匹配一个反斜杠n字符的8进制表示.n 在0至7之间取值 |
| nn | 字符的8进制表示.n 在0至7之间取值 |
| mnn | 字符的8进制表示. m 在0至3之间取值, n 在0至7之间取值 |
| \xhh | 字符的16进制表示. |
| \uhhhh | 字符的16进制表示 0xhhhh. 对应unicode 编码字符 |
| \t | 缩进符. |
| \n | 换行符 (unicode: ‘\u000A’) |
| \r | 回车符 (unicode: ‘\u000D’) |
| \f | 制表符 (unicode: ‘\u000C’) |
| \a | 警报（铃声）字符 (unicode: ‘\u0007′) |
| \e | 转义符 (unicode: ‘\u001B’) |
| \cx | 控制符 x |
字符分类
| [abc] | 匹配 a, 或 b 或 c |
| [^abc] | 匹配不是a,b,c 的字符，是否定匹配 |
| [a-zA-Z] | 匹配a 到 z ，A到Z 直接的字符，是范围匹配 |
| [a-d[m-p]] | 匹配a到d之间字符或 m到p之间字符，是并集匹配 |
| [a-z&&[def]] | 匹配 d, e, 或 f. 是交集匹配 (这里是在范围 a-z和字符def之间取交集). |
| [a-z&&[^bc]] | 匹配a-z 之间所有字符，排除bc的字符。是减法匹配 |
| [a-z&&[^m-p]] | 匹配a-z 之间所有字符,排除m-p之间的字符是减法匹配 |
内置字符分类
| . | 匹配任意一个字符,根据创建Pattern是传入的标志,可能匹配行结尾符 |
| \d | 匹配任意数字 [0-9] |
| \D | 匹配任意非数字 [^0-9] |
| \s | 匹配任意空白符 (空格, 缩进, 换行,回车) |
| \S | 匹配任意非空白符 |
| \w | 匹配任意单词 |
| \W | 匹配任意非单词 |
边界匹配
| ^ | 匹配行首 |
| $ | 匹配行尾 |
| \b | 匹配单词边界 |
| \B | 匹配非单词边界 |
| \A | 匹配文本开头 |
| \G | 匹配前一匹配项结尾 |
| \Z | Matches the end of the input text except the final terminator if any |
| \z | 匹配文本结尾 |
量词
| 贪婪模式 | 饥饿模式 | 独占模式 | |
| X? | X?? | X?+ | 匹配0或1次 |
| X* | X*? | X*+ | 匹配0或多次 |
| X+ | X+? | X++ | 匹配1或多次 |
| X{n} | X{n}? | X{n}+ | 匹配n次 |
| X{n,} | X{n,}? | X{n,}+ | 匹配最少n次 |
| X{n, m} | X{n, m}? | X{n, m}+ | 匹配最少n次，最多m次 |
正则表达式语法
|
字符 |
说明 |
|---|---|
|
\ |
将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，"n"匹配字符"n"。"\n"匹配换行符。序列"\\"匹配"\"，"\("匹配"("。 |
|
^ |
匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。 |
|
$ |
匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。 |
|
* |
零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。 |
|
+ |
一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。 |
|
? |
零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。 |
|
{n} |
n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。 |
|
{n,} |
n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。 |
|
{n,m} |
M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。 |
|
? |
当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。 |
|
. |
匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。 |
|
(pattern) |
匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\("或者"\)"。 |
|
(?:pattern) |
匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。 |
|
(?=pattern) |
执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 |
|
(?!pattern) |
执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 |
|
x|y |
匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。 |
|
[xyz] |
字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。 |
|
[^xyz] |
反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。 |
|
[a-z] |
字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。 |
|
[^a-z] |
反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。 |
|
\b |
匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。 |
|
\B |
非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。 |
|
\cx |
匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。 |
|
\d |
数字字符匹配。等效于 [0-9]。 |
|
\D |
非数字字符匹配。等效于 [^0-9]。 |
|
\f |
换页符匹配。等效于 \x0c 和 \cL。 |
|
\n |
换行符匹配。等效于 \x0a 和 \cJ。 |
|
\r |
匹配一个回车符。等效于 \x0d 和 \cM。 |
|
\s |
匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。 |
|
\S |
匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。 |
|
\t |
制表符匹配。与 \x09 和 \cI 等效。 |
|
\v |
垂直制表符匹配。与 \x0b 和 \cK 等效。 |
|
\w |
匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。 |
|
\W |
与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。 |
|
\xn |
匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。 |
|
\num |
匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。 |
|
\n |
标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。 |
|
\nm |
标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n和 m 是八进制数字 (0-7)。 |
|
\nml |
当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。 |
|
\un |
匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。 |
