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）

[\!"#\$%&'\(\)\*\+,\-\./:;\\?@\[\\\]\^_`\{\|\}~]
[\X21-\X2F\X31-\X40\X5B-\X60\X7B-\X7E] -->

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
 * */