Java里正则表达式（包括一些高级用法）

有些内容只有在 Java 里面才能使用。 ------原文作者：逗号 （他不高兴发博客）

## 字符种类

部分使用频率几乎为 0 的这里不会提及（比如 \x 之流）

### 普通

| | 含义 | 助记 |
| ---- | ------------------------------------- | ----- |
| \s | 非空白 | space |
| \s | 空白 | |
| \d | 数字 | digit |
| \D | 非数字 | |
| [] | 自定义字符种类可使用 ^ \| && 随意组合 | |

### 特别

| | 含义 | 助记 |
| ------- | ------------------------------------------------------------ | ---------- |
| \h | 横向字符 | horizontal |
| \h | 非横向字符 | |
| \v | 纵向字符(比如说换行符) | vertical |
| \V | 非纵向字符 | |
| \w | 单词字符（包括 - _） | word |
| \W | 非单词字符 | |
| \p{XXX} | POSIX，这个并不常用，在有些时候会方便，Character 有很多 is开头的方法，将方法名中的`is`替换为`Java`可直接使用进行字符匹配：\p{javaLowerCase} | posix |
| \Q | 字符转义开始符 | |
| \E | 字符转义结束符，这两个符号之间的内容全部按照字面量处理，里面是所有字符都不会有什么含义，比如 . 就是 .，\s 必须匹配\s，而不是匹配空白。 | |

## 量词

| | 含义 | 助记 |
| ----- | ------------- | ---- |
| ? | 0个或者1个 | |
| * | 0个或多个 | |
| + | 1个或多个 | |
| {m} | m个 | |
| {m,n} | 介于m~n个之间 | |

`?`修饰在量词之后，表尽可能少的匹配！

## 边界

### 普通

| | 含义 | 助记 |
| ---- | ------------ | ---- |
| ^ | 字符开始位置 | |
| $ | 字符结束位置 | |

### 特别

| | 含义 | 助记 |
| ---- | ------------------------------ | ---- |
| \b | 单词边界，单词的最前面和最后面 | |
| \B | 非字符串边界 | |

下面的内容普通人基本上就已经不管了！

## 分组捕获

正则表达式中，每出现一对括号就是新建了个新的组。比如：`(\\w+)|(\\d+)`

正则表达式的组可以用使用索引进行引用，形式为：`$index`

`$0` 默认指向原来的全部字符

然后索引递增规律如下：

`((a)|(bc))`

`$1` 指向 `((a)|(bc))` 匹配的内容

`$2` 指向 `(a)` 匹配的内容

`$3` 指向 `(bc)` 匹配的内容

然而当正则复杂之后，改动将会对索引有较大影响，也不方便计算索引，此时，你可以为组制定名称：

比如匹配字符串：`a=123,b=456`中间的键值，使用索引，需要写成：`(\\w+)=(\\S+)`，然后使用`$1`指向 key，使用 `$2` 指向 value。

我们可以将正则改为：`(?<key>\\w+)=(?<value>\\S+)`，上述表达式使用 `?<name>` 的形式在正则中为组定义名称。

## 引用分组

在 Java 中，你可以在两种地方使用引用：

* 正则表达式中

匹配 `xxx-xxx` 字符 `-` 两边的内容相同，使用索引引用前面的组（`\\index`）：

```regexp
(\\w+)-\\1
```

使用名字引用前面的组：

```regexp
(?<content>\\w+)-\\k<content>
```

* 在 Java 的字符串替换中

Markdown 中的字符串转为斜线的html：

```java
"*name*".replaceAll("\\*(?<content>\\w+)\\*", "<em>$1</em>")
"*name*".replaceAll("\\*(?<content>\\w+)\\*", "<em>${content}</em>")
```

## 模式

你可以在构造 `Pattern`时设定模式：

```Java
Pattern.compile("abc", Pattern.CASE_INSENSITIVE)
```

模式可以自行到 `Pattern`下查看，这里只说使用方式，在组开头使用 `?flags:`的方式声明模式，比如：

匹配单词，不区分大小写

```regex
(?i:\\w+)
```

记住`i`（忽略大小写）、`s`（. 匹配全部字符）即可，其他基本不用。

## 前瞻后顾

前瞻后顾，是正则表达式中的高级技巧，主要有5种：

> 注意：虽然这货也有括号，但是这货只算个条件，并不会捕获任何内容，也不会影响索引

### 前瞻

前瞻中不带`<`，并且只影响前面的表达式，意思就是偷偷往前看一下（这看一下没有限制的，可以看到结尾）。

* `exp1(?=exp2)`

寻找后面是 exp2 的 exp1

* `exp1(?!exp2)`

### 后顾

* `(?<=exp1)exp2`

匹配 exp1 后面的 exp2，前面没有exp1的内容将被忽略，比如，替换`abcba`替换`c`后面的`b`为 `xxx`，需要写为：

```java
"abcba".replaceAll("(?<=c)b", "xxx")
```

`a`后面的`b`则不受影响。

> 注意：正则表达式`(?<=c)b`不会匹配字符串`cb`，意思就是：
>
> ```java
> assertFalse("cb".matches("(?<=c)b"));
> assertFalse("b".matches("(?<=c)b"));
> assertTrue("cb".matches("c(?<=c)b"));
> ```

* `(?<!exp1)exp2`

后顾中带有 `<` ，并且只影响后面的表达式，也就是说，你如果写成这样：`exp2(?<=exp1)`，是没什么卵用的。

## 牛刀小试

以下所有内容只能使用`String#repalceAll`或者`String#matches`完成。

### 手机号遮罩

将`11`位手机号除前4位之外，其他的使用`*`替换。

### 格式化数字

例如：`1234567890` 使用正则替换之后，变为 `1,234,567,890`。

### Trim 字符串

使用正则去除字符串开始和结束的空白字符。

### 去除数字结尾的`0`

`1234.4500`应该处理为`1234.45`，`1234.00`应该处理为`1234`。

### 处理文档

将字符串的`* 测试 * ** 测试 **`的使用单个`*`包围的内容两边分别加上`<h1>`、`</h1>`，不能影响两个`**`包围的内容。

### 测试某个字符串是不是合法的Java标识符

### 测试`IPv4`

已知`IPv4`中每一段的数字需要介于0~255，测试某个字符串是否是合法的`IPv4`表达式。

### 去除`//`注释

已知`Java`中可以使用`//` 进行单行注释，请去除一段代码中的这种注释。

### 去除`/* 内容 */`注释

已知`Java`中可以使用`/* */` 进行多行注释，请去除代码中的这种注释。