JAVA学习笔记--正则表达式
正则表达式是一种强大而灵活的文本处理工具。使用正则表达式，可以让我们以编程的方式构造复杂的文本，并对输入的字符串进行搜索。
一、基础正则表达式语法（表格来自J2SE6_API）
| 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] | 包含a、b和c的任何字符 |
| [^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i d m s u x on - off |
| (?idmsux-idmsux:X) | X，作为带有给定标志 i d m s u x on - off |
| (?=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 |
二、String类中常用的正则表达式工具
1、String.matches()方法：匹配字符串
String.matches(regex); //告知字符串是否匹配给定的正则表达式，返回boolean类型
2、String.split()方法：拆分字符串
String.split(regex); // 根据匹配给定的正则表达式来拆分字符串
3、String.replace()方法：替换字符串
String.replace(char oldChar,char newChar); // 用newChar替换oldChar，并返回newChar
String.replaceFirst(String regex,String replacement); // 使用给定的replacement替换此字符串中与给定正则表达式匹配的第一个子字符串
String.replaceAll(String regex,String replacement); // 使用给定的replacement替换此字符串中与给定正则表达式匹配的所有子字符串
以下是一个简单的例子，用到上述三种工具：
package com.tongye.regular; import java.util.Arrays; public class RegularExpression { public static void main(String[] args){ String s1 = "123456"; String s2 = "What is your name? My name is tongye."; String s3 = "abc11ddd+123-456defdefdef"; System.out.println(s1.matches("\\d*")); // 正则表达式"\\d*"表示0个或多个数字 System.out.println(Arrays.toString(s2.split("\\W"))); // 用非单词字符对字符串进行划分 System.out.println(s3.replace(s3, "newchar")); // 用心的字符串替换旧的字符串并返回新字串 System.out.println(s3.replaceFirst("\\w+", "ABC")); System.out.println(s3.replaceFirst("(def)+", "DEF")); System.out.println(s3.replaceAll("\\d+", "XXX")); } } /* * output： true [What, is, your, name, , My, name, is, tongye] newchar ABC+123-456defdefdef abc11ddd+123-456DEF abcXXXddd+XXX-XXXdefdefdef * */
三、Pattern和Matcher
Pattern类是正则表达式的编译表示形式，可以用Pattern.compile(regex)来编译正则表达式，从而生成一个Pattern对象；Matches类是执行匹配操作的引擎，Matches类有许多用于字符串匹配操作。Pattern和Matcher结合起来使用可以使正则表达式的匹配操作变得更加简单，功能也更强大。
1、Pattern：
方法摘要：
1）Pattern.compile(regex); // 编译正则表达式regex,并将返回一个Pattern对象
2）Pattern.pattern(); // 返回编译过的正则表达式
3）Pattern.split(CharSequence input); // 根据模式匹配拆分给定的输入字串
4）Pattern.matcher(CharSequence input); // 创建匹配给定输入和此模式的匹配器
代码示例：
package com.tongye.regular; import java.util.Arrays; import java.util.regex.Matcher; import java.util.regex.Pattern; public class ReguarExpression { public static void main(String[] args){ Pattern p = Pattern.compile("(abc)+"); // 编译正则表达式"(abc)+"并返回一个Pattern对象 System.out.println(p.pattern()); // 返回编译过的正则表达式 System.out.println(Arrays.toString(p.split("123abcabcabc123-abc456abc-fgh"))); // 根据编译过的正则表达式（p）来匹配拆分给定的输入字符串 } } /* (abc)+ [123, 123-, 456, -fgh] * */
2、Matcher:
通过调用Pattern的matcher方法生成一个Matcher对象，Matcher有许多用于匹配操作的方法。
方法摘要：
1）Matcher.matches(); // 尝试将整个区域与模式进行匹配
2）Matcher.group(); // 返回由以前匹配操作所匹配的输入子序列
3）Matcher.find(); // 尝试查找与该模式匹配的输入序列的下一个子序列
4）Matcher.start(); // 返回以前匹配的初始索引
5）Matcher.end(); // 返回最后匹配字符之后的偏移量
下面举一个简单的例子，将用到以上方法：
package com.tongye.regular; import java.util.Arrays; import java.util.regex.Matcher; import java.util.regex.Pattern; public class ReguarExpression { public static void main(String[] args){ Pattern p1 = Pattern.compile("abc"); Pattern p2 = Pattern.compile("\\w+-?\\w+"); Matcher m1 = p1.matcher("abc123abc-defabc456"); Matcher m2 = p2.matcher("abc123abc-defabc456"); System.out.println(m1.matches()); // 将整个区域与模式匹配，这里匹配的是"abc"和"abc123abc-defabc456" System.out.println(m2.matches()); while(m1.find()){ System.out.println(m1.group() + " " + m1.start() + " " + (m1.end() - 1)); } } } /* false true abc 0 2 abc 6 8 abc 13 15 * */
