《Java核心技术卷二》笔记（三）正则表达式

正则表达式语法

一个正则表达式描述了字符串的构成规则（模式）。如果一个具体的字符串正好符合正则表达式描述的这个规则，这个字符串就是与表达式匹配的。先看一下怎么描述这种规则，也就是正则表达式语法。正则表达式类似于前面文章中的glob模式，但更加复杂和强大。

此处只列出常用的语法，更复杂的可以查正则表达式的详细资料。

正则表达式的构成元素：

  • 字符
    • 普通字符             与该字符自身匹配
    • unnnnxnn  n   nn  nnn        十六进制或十进制码元代表的字符
    •      f  a  e       控制字符：制表符，换行符，回车符，换页符，警告符，逃逸符
    • cc          与字符c相关的控制符
  • 字符类  
    • [c1c2c3...]        任何由ci表示的字符。 Ci可以是多个字符，或字符范围a-z A-Z 0-9，或其他字符类，（包含-字符本身时必须是第一项或最后一项，包含[字符时必须是第一项，包含^字符时不能作为第一项，只需要转义和]）。
    • [^...]       字符集的补集
    • [...&&...]     两个字符集的交集
  • 预定义字符类
    •  .         除了行终止符之外的所有字符（DOTALL标识被设置时，表示包括行终止符在内的所有字符）
    • d     数字，等效于[0-9]
    • D     非数字，等效于[^0-9]
    • s      空白字符，等效于[  fx0B]
    • S     非空白字符
    • w     词语字符，等效于[a-zA-Z0-9]
    • W    非词语字符
    • p{name}     命名字符类，name有以下值
      • Lower    ASCII小写字母[a-z]
      • Upper   ASCII大写字母[A-Z]
      • Alpha    ASCII字母[a-zA-Z]
      • Digit     ASCII数字[0-9]
      • Alnum   ASCII字母或数字[0-9a-zA-Z]
      • XDight   十六进制数字
      • Print|Graph  ASCII可打印字符[x21-x7E]
      • Punct    标点，即可打印的非字母非数字符号[p{print}&&P{Alnum}]
      • ASCII   所有ASCII[x00-x7F]
      • Cntrl   ASCII控制字符[x00-x1F]
      • Blank   空格字符或制表位[  ]
      • Space   空白字符[  fx0B]
      • javaLowerCase    Character.isLowerCase()确定的字符
      • javaUpperCase    Character.isUpperCase()确定的字符
      • javaWhiteSpace   Character.isWhitespace()确定的字符
      • javaMirrored    Character.isMirrored()确定的字符
      • Inxxxx    Unicode某个字符块中字符，xxxx是剔除空格后的字符块的名字，如Arrows, Latin1Supplement
      • Isxxxx    Unicode某个脚本字符，xxxx是剔除空格后的脚本名称，如Common
      • yyyy|Inyyyy    Unicode某个类别中字符，yyyy是类别名字，如L：字母，Sc：货币符号
      • Iszzzz     Unicode某个属性的字符（Alphabetic, Ideographic, Letter, LowerCase, Uppercase, Titlecase, Punctuation, Control, White_space,Digit, Hex_Digit, Noncharater_Code_point, Assigned）
    • P{name}     命名字符类的补集
  • 边界匹配字符
    • ^   $      输入的开头和结尾，如果设置多行模式则为行的开头和结尾
    •       词的边界
    • B     非词的边界
    • A     输入开头
    • z      输入的结尾
    •      除了行终止符之外的输入结尾
    • G     前一个匹配的结尾
  • 量词
    • X?     X可出现0次或1次（有没有都行）
    • X*     X可以出现0到无限次
    • X+     X可以出现1到无限次
    • X{n}   X{n,}   X{n,m}    X必须出现n次，n到无限次，n到m次
  • 量词后缀
    • ?       将默认匹配转变为勉强匹配。 
    • +      将默认匹配转变为占有匹配
  • 集合操作
    • XY    X的匹配后跟着Y的匹配
    • X|Y   任何X或Y的匹配
  • 群组
    • (X)    将X子表达式定义为群组，捕获群组匹配的字符串，群组的编号基于1，按左括号的顺序算，群组0代表匹配的所有字符
    •      反向引用第i个群组捕获的字符串。
  • 转义和其他
    • Q...E   逐字地引用...
    • (?...)    特殊结构

量词的匹配模式

  • 默认模式：可匹配成功的最多重复次数；      [a-z]*b+ => caabb
  • ? 勉强匹配：匹配最小的重复次数；              [a-z]*?b+ => caabb
  • + 占用/贪婪匹配：匹配最大重复次数，即使后续的匹配会失败。    [a-z]*+b+ => caabb   b+匹配失败

Java中使用正则表达式

正则表达式用到Pattern，Matcher等类，String等类中也有方法可以快捷的使用正则表达式。正则表达式的字符串输入参数类型为CharSequence接口（CharArray, CharBuffer, String, StringBuffer, StringBuilder）

　　Pattern

    • static Pattern compile(String regex)
      • static Pattern compile(String regex, int flags)    多个flags为相加，如Pattern.compile(regexStr, Pattern.DOTALL+Pattern.MULTILINE)。常用标识如下
      • CASE_INSENSITIVE    忽略大小写
      • UNICODE_CASE   与 CASE_INSENSITIVE组合时，使用Unicode字母的大小写匹配
      • MULTILINE     ^,$匹配行的开头和结尾而不是整个输入的开头和结尾
      • UNIX_LINES    多行模式时，行终止符为
      • DOTALL      '.'符合匹配所有字符，包括行终止符
      • CANON_EQ    考虑Unicode字符规范的等价性，不懂。。。
    • static String quote(String s)     预处理正则表达式字符串，取消所有特殊字符的意义并按普通字符匹配，返回处理后的表达式，（加QE）
    • String pattern()/toString()
    • int flags()   返回模式匹配标识
    • Matcher matcher(CharSequence input)    创建一个可以处理匹配的Matcher类
    • static boolean matches(String regex, CharSequence input)     返回整个input字符串是否和regex匹配
    • String[]  split(CharSequence input, int limit)     以满足this正则表达式的字符串为分隔字符将输入字符串切分，  limit表示需要切成几段（要切成n段，只需要切n-1次），limit为0表示全切，为1实际上不会切。
    • String[]  spilt(CharSequence input)

　　Matcher

    • boolean matches()    输入字符串是否和Pattern正则表达式匹配整体匹配
    • boolean lookingAt()  输入字符串的开头部分是否匹配
    • boolean find()    尝试查找下一个匹配，如果找到了另一个匹配返回true，否则返回false。查找成功后，使用start,end,group等方法获取匹配信息。
    • boolean find(int start)  从字符串指定的偏移位置处开始查找下一个匹配
    • int start()    当前匹配的开始索引位置
    • int end()    当前匹配的结尾的后一个索引位置
    • String group()  返回当前匹配的子字符串， 等价group(0)
    • int groupCount()  返回群组的数量，（不算群组0,，即整个匹配字符串）
    • int start(int groupIdx)  返回某个群组的开始位置
    • int end(int groupIdx)    返回某个群组结尾的后一个索引位置
    • String group(int groupIdx)  返回某个群组捕获的字符串
    • String group(String name)    返回命名群组捕获的字符串
    • String replaceAll(String replacement)    replacement中可以包含$n表示对群组的引用，$表示$字符
    • String replaceFirst(String replacement)
    • static String quoteReplacement(String s)   预处理替代字符串（\和$前面添加\），使特殊字符按普通字符匹配
    • Matcher reset()    复位状态，可以重头在查找匹配
    • Matcher reset(CharSequence input)   切换输入字符串并复位状态
    • Matcher usePattern(Pattern newPattern)   切换模式
    • Matcher appendReplacement(StringBuffer sb, String replacement)   这两个appendxxx方法组合使用，替换时结果直接存入StringBuffer中
    • StringBuffer appendTail(StringBuffer sb)

　

　   String   类中也提供了支持使用正则表达式的便捷方法

    • boolean matches(String regex)
    • String replaceFirst(String regex, String replacement)
    • String replaceAll(String regex, String replacement)
    • String[] split(String regex, int limit)
    • String[] split(String regex)
        String patternString="((\d{1,2}):(\d{1,2}))+";
        String inputString="start 12:43,  end 05:43";    
        Pattern pattern=Pattern.compile(patternString);
        Matcher matcher=pattern.matcher(inputString);
        System.out.println("total match: "+matcher.matches());
        int c=0;
        while(matcher.find())
        {
            System.out.println("match "+(++c)+": "+matcher.group());
            for(int i=1; i<=matcher.groupCount();i++)
                System.out.println("	group "+i+": "+matcher.group(i));
        }
　　　　 Pattern p = Pattern.compile("cat");
        Matcher m = p.matcher("one cat two cats in the yard");
        StringBuffer sb = new StringBuffer();
        while (m.find()) {
            m.appendReplacement(sb, "dog");
        }
        m.appendTail(sb);
        System.out.println(sb.toString());
【推广】 免费学中医，健康全家人
原文地址：https://www.cnblogs.com/pixy/p/4783719.html