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[ f x0B]
- 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());