正则表达式笔记

何为正则表达式？正则表达式在我看来就是一个特定的字符串规则。

在工作中，字符串操作是非常频繁，正则表达式的用途我总结有以下几点：

1、判断字符串是否满足正则表达式（也就说一个字符串是否满足我们定义的规则）

如：定义一个正则表达式  “^a[a-z]*e$”  表示一个以a开头,以e结尾的任意长度的一串字母

可以用这个正则表达式来检测其它输入的字符串是否满足这个规则。

2、提取输入字符串中的数据

如：定义一个表达式  "(d{4})-(d{1,2})-(d{1,2})", 表示规则为：  四个数字-一到两个数字-一到两个数字

可以用来提取 “yyyy-MM-dd”格式日期字符串中yyyy ,MM ,dd等数据

正则表达中的子模式的应用

在使用子模式过程中，常见两种写法是：1 和 $1。 
（1） 1 是在正则表达式本身中引用分组1的内容，如： 
我们要匹配111这样的连续出现3此的数字，我们可以写出正则：(d)11，(d)匹配到第一个1，后面再引用这个匹配内容，得到111。 
（2） $1 是在替换中调用分组的内容（在正则表达式外面用，多用于使用正则表达式来替换数据），如： 

String str = "abc def";
String replaceFirst = str.replaceFirst("(\w+)\s+(\w+)", "$2 $1");  将字符串前面的部分和后面的部分位置兑换

在java中使用模式匹配取数据时，字符串中会有多个部分匹配，可以通过循环依次取得所有的数据；java通过group取数据有个坑，在取数据之前，Matcher对象必须要先查找一次，先调用find方法

 Pattern p6 = Pattern.compile("(?<=\s)\d+(?=\s)");
     Matcher matcher6 = p6.matcher("ht 1 3 2 5 as f d 6 ");
     while(matcher6.find()) {
         System.out.println(matcher6.group());
     }

非捕获组（？：）主要用来做数据分解，不会捕获匹配的数据，如下就会只有一个捕获组，捕获的域名

 Pattern p5 = Pattern.compile("(?:http|ftp|svn)://([^/]+)");
     Matcher matcher5 = p5.matcher("http://192.168.0.1/689");
     
     if(matcher5.find()) {
         System.out.println(matcher5.group(1));
     }　　　

模式修饰符

模式修饰符在许多程序语言中都支持的，比如最常见的是i，不区分大小写，如javascript里的/[a-z0-9]/i，表示匹配字母数字，不区分大小写。

在java中需要在编译正则的时候去指定模式。

  Pattern p3 = Pattern.compile("a*?b",Pattern.CASE_INSENSITIVE);
     Matcher matcher3 = p3.matcher("aaBaB");
     matcher3.find();
     System.out.println(matcher3.group());

或者使用表达式：

模式修饰符：(?mods-mods:)允许出现的模式：x d s m i u

模式修饰范围：(?mods-mods:...)

　

环视，在不同的地方又称之为零宽断言，简称断言。 

就是先从全局环顾一遍正则，（然后断定结果，）再做进一步匹配处理。环视的分组不占位置，book（?=s）匹配books中的book; 

环视主要有以下4个用法： 
(?<=exp) 匹配前面是exp的数据 
(?<!exp) 匹配前面不是exp的数据 
(?=exp) 匹配后面是exp的数据 
(?!exp) 匹配后面不是exp的数据

   Pattern p2 = Pattern.compile("(?<=\s)\d+(?=\s)");
      Matcher matcher2 = p2.matcher("I'm singing 3 2 dancing"); 
      matcher2.find();
     System.out.println(matcher2.group(0));
     

环视的特点，环视部分是不占宽度的，所以有零宽断言的叫法。 
所谓不占宽度，可以分成两部分理解： 
1、环视的匹配结果不纳入数据结果 
2、环视它匹配过的地方，下次还能用它继续匹配。

如上得到的分组结果是 "3" 而不是“ 3 ”(3旁边有空白符) ，

正则表达式性能问题：

1.使用字符组代替分支条件

如 [a-d] 替换（a|b|c|d）

2.优先最左匹配

如用分支条件（你好|hi|hello）预测匹配量大的词放在最左边，NFA引擎来说，因为引擎一旦找到匹配结果就会停下来，就不用回溯

3. 标准量词匹配有限

若用量词约束某个表达式，那么在匹配成功前，进行的尝试次数有下限和上限。

4.谨慎用点号元字符，尽可能不用星号和加号这样的任意量词

只要能确定范围（eg.“w”），就不要用点号；只要能够预测重复次数，就不要用量词。

捕获型括号：(...)  1 2...

仅分组的括号：(?:...)

固化分组：(?>...)    匹配规则与普通括号一样，唯一的区别就是，当此部分表达式匹配完毕，开始匹配括号外面的部分时，括号内的所有备用状态都会被放弃。也就是不会获取分组，不能在正则中反向引用

多选结构：|

匹配优先量词：* + ? {n} {m,n} {m,}

忽略优先量词：*? +? ?? {n}? {n,}? {m,n}?

占有优先量词：*+ ++ ?+ {n}+ {n,}+ {m,n}+