java正则表达式入门.docx
《java正则表达式入门.docx》由会员分享,可在线阅读,更多相关《java正则表达式入门.docx(13页珍藏版)》请在冰豆网上搜索。
![java正则表达式入门.docx](https://file1.bdocx.com/fileroot1/2023-4/2/b244e089-575e-47ae-8148-4aabde23afa0/b244e089-575e-47ae-8148-4aabde23afa01.gif)
java正则表达式入门
java正则表达式入门收藏
引言
正则表达式(regularexpression)描述了一种字符串匹配的模式,可以用来:
(1)检查一个串中是否含有符合某个规则的子串,并且可以得到这个子串;
(2)根据匹配规则对字符串进行灵活的替换操作。
1.正则表达式规则
1.1普通字符
字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号,都是"普通字符"。
表达式中的普通字符,在匹配一个字符串的时候,匹配与之相同的一个字符。
举例1:
表达式"c",在匹配字符串"abcde"时,匹配结果是:
成功;匹配到的内容是:
"c";匹配到的位置是:
开始于2,结束于3。
(注:
下标从0开始还是从1开始,因当前编程语言的不同而可能不同)
举例2:
表达式"bcd",在匹配字符串"abcde"时,匹配结果是:
成功;匹配到的内容是:
"bcd";匹配到的位置是:
开始于1,结束于4。
--------------------------------------------------------------------------------
1.2简单的转义字符
一些不便书写的字符,采用在前面加"\"的方法。
这些字符其实我们都已经熟知了。
表达式
可匹配
\r,\n
代表回车和换行符
\t
制表符
\\
代表"\"本身
还有其他一些在后边章节中有特殊用处的标点符号,在前面加"\"后,就代表该符号本身。
比如:
^,$都有特殊意义,如果要想匹配字符串中"^"和"$"字符,则表达式就需要写成"\^"和"\$"。
表达式
可匹配
\^
匹配^符号本身
\$
匹配$符号本身
\.
匹配小数点(.)本身
这些转义字符的匹配方法与"普通字符"是类似的。
也是匹配与之相同的一个字符。
举例1:
表达式"\$d",在匹配字符串"abc$de"时,匹配结果是:
成功;匹配到的内容是:
"$d";匹配到的位置是:
开始于3,结束于5。
--------------------------------------------------------------------------------
1.3能够与'多种字符'匹配的表达式
正则表达式中的一些表示方法,可以匹配'多种字符'其中的任意一个字符。
比如,表达式"\d"可以匹配任意一个数字。
虽然可以匹配其中任意字符,但是只能是一个,不是多个。
这就好比玩扑克牌时候,大小王可以代替任意一张牌,但是只能代替一张牌。
表达式
可匹配
\d
任意一个数字,0~9中的任意一个
\w
任意一个字母或数字或下划线,也就是A~Z,a~z,0~9,_中任意一个
\s
包括空格、制表符、换页符等空白字符的其中任意一个
.
小数点可以匹配除了换行符(\n)以外的任意一个字符
举例1:
表达式"\d\d",在匹配"abc123"时,匹配的结果是:
成功;匹配到的内容是:
"12";匹配到的位置是:
开始于3,结束于5。
举例2:
表达式"a.\d",在匹配"aaa100"时,匹配的结果是:
成功;匹配到的内容是:
"aa1";匹配到的位置是:
开始于1,结束于4。
--------------------------------------------------------------------------------
1.4自定义能够匹配'多种字符'的表达式
使用方括号[]包含一系列字符,能够匹配其中任意一个字符。
用[^]包含一系列字符,则能够匹配其中字符之外的任意一个字符。
同样的道理,虽然可以匹配其中任意一个,但是只能是一个,不是多个。
表达式
可匹配
[ab5@]
匹配"a"或"b"或"5"或"@"
[^abc]
匹配"a","b","c"之外的任意一个字符
[f-k]
匹配"f"~"k"之间的任意一个字母
[^A-F0-3]
匹配"A"~"F","0"~"3"之外的任意一个字符
举例1:
表达式"[bcd][bcd]"匹配"abc123"时,匹配的结果是:
成功;匹配到的内容是:
"bc";匹配到的位置是:
开始于1,结束于3。
举例2:
表达式"[^abc]"匹配"abc123"时,匹配的结果是:
成功;匹配到的内容是:
"1";匹配到的位置是:
开始于3,结束于4。
--------------------------------------------------------------------------------
1.5修饰匹配次数的特殊符号
前面章节中讲到的表达式,无论是只能匹配一种字符的表达式,还是可以匹配多种字符其中任意一个的表达式,都只能匹配一次。
如果使用表达式再加上修饰匹配次数的特殊符号,那么不用重复书写表达式就可以重复匹配。
使用方法是:
"次数修饰"放在"被修饰的表达式"后边。
比如:
"[bcd][bcd]"可以写成"[bcd]{2}"。
表达式
作用
{n}
表达式重复n次,比如:
"\w{2}"相当于"\w\w";"a{5}"相当于"aaaaa"
{m,n}
表达式至少重复m次,最多重复n次,比如:
"ba{1,3}"可以匹配"ba"或"baa"或"baaa"
{m,}
表达式至少重复m次,比如:
"\w\d{2,}"可以匹配"a12","_456","M12344"...
?
匹配表达式0次或者1次,相当于{0,1},比如:
"a[cd]?
"可以匹配"a","ac","ad"
+
表达式至少出现1次,相当于{1,},比如:
"a+b"可以匹配"ab","aab","aaab"...
*
表达式不出现或出现任意次,相当于{0,},比如:
"\^*b"可以匹配"b","^^^b"...
举例1:
表达式"\d+\.?
\d*"在匹配"Itcosts$12.5"时,匹配的结果是:
成功;匹配到的内容是:
"12.5";匹配到的位置是:
开始于10,结束于14。
举例2:
表达式"go{2,8}gle"在匹配"Adsbygoooooogle"时,匹配的结果是:
成功;匹配到的内容是:
"goooooogle";匹配到的位置是:
开始于7,结束于17。
--------------------------------------------------------------------------------
1.6其他一些代表抽象意义的特殊符号
一些符号在表达式中代表抽象的特殊意义:
表达式
作用
^
与字符串开始的地方匹配,不匹配任何字符
$
与字符串结束的地方匹配,不匹配任何字符
\b
匹配一个单词边界,也就是单词和空格之间的位置,不匹配任何字符
进一步的文字说明仍然比较抽象,因此,举例帮助大家理解。
举例1:
表达式"^aaa"在匹配"xxxaaaxxx"时,匹配结果是:
失败。
因为"^"要求与字符串开始的地方匹配,因此,只有当"aaa"位于字符串的开头的时候,"^aaa"才能匹配,比如:
"aaaxxxxxx"。
举例2:
表达式"aaa$"在匹配"xxxaaaxxx"时,匹配结果是:
失败。
因为"$"要求与字符串结束的地方匹配,因此,只有当"aaa"位于字符串的结尾的时候,"aaa$"才能匹配,比如:
"xxxxxxaaa"。
举例3:
表达式".\b."在匹配"@@@abc"时,匹配结果是:
成功;匹配到的内容是:
"@a";匹配到的位置是:
开始于2,结束于4。
进一步说明:
"\b"与"^"和"$"类似,本身不匹配任何字符,但是它要求它在匹配结果中所处位置的左右两边,其中一边是"\w"范围,另一边是非"\w"的范围。
举例4:
表达式"\bend\b"在匹配"weekend,endfor,end"时,匹配结果是:
成功;匹配到的内容是:
"end";匹配到的位置是:
开始于15,结束于18。
一些符号可以影响表达式内部的子表达式之间的关系:
表达式
作用
|
左右两边表达式之间"或"关系,匹配左边或者右边
()
(1).在被修饰匹配次数的时候,括号中的表达式可以作为整体被修饰
(2).取匹配结果的时候,括号中的表达式匹配到的内容可以被单独得到
举例5:
表达式"Tom|Jack"在匹配字符串"I'mTom,heisJack"时,匹配结果是:
成功;匹配到的内容是:
"Tom";匹配到的位置是:
开始于4,结束于7。
匹配下一个时,匹配结果是:
成功;匹配到的内容是:
"Jack";匹配到的位置时:
开始于15,结束于19。
举例6:
表达式"(go\s*)+"在匹配"Let'sgogogo!
"时,匹配结果是:
成功;匹配到内容是:
"gogogo";匹配到的位置是:
开始于6,结束于14。
举例7:
表达式"¥(\d+\.?
\d*)"在匹配"$10.9,¥20.5"时,匹配的结果是:
成功;匹配到的内容是:
"¥20.5";匹配到的位置是:
开始于6,结束于10。
单独获取括号范围匹配到的内容是:
"20.5"。
--------------------------------------------------------------------------------
2.正则表达式中的一些高级规则
2.1匹配次数中的贪婪与非贪婪
在使用修饰匹配次数的特殊符号时,有几种表示方法可以使同一个表达式能够匹配不同的次数,比如:
"{m,n}","{m,}","?
","*","+",具体匹配的次数随被匹配的字符串而定。
这种重复匹配不定次数的表达式在匹配过程中,总是尽可能多的匹配。
比如,针对文本"dxxxdxxxd",举例如下:
表达式
匹配结果
(d)(\w+)
"\w+"将匹配第一个"d"之后的所有字符"xxxdxxxd"
(d)(\w+)(d)
"\w+"将匹配第一个"d"和最后一个"d"之间的所有字符"xxxdxxx"。
虽然"\w+"也能够匹配上最后一个"d",但是为了使整个表达式匹配成功,"\w+"可以"让出"它本来能够匹配的最后一个"d"
由此可见,"\w+"在匹配的时候,总是尽可能多的匹配符合它规则的字符。
虽然第二个举例中,它没有匹配最后一个"d",但那也是为了让整个表达式能够匹配成功。
同理,带"*"和"{m,n}"的表达式都是尽可能地多匹配,带"?
"的表达式在可匹配可不匹配的时候,也是尽可能的"要匹配"。
这种匹配原则就叫作"贪婪"模式。
非贪婪模式:
在修饰匹配次数的特殊符号后再加上一个"?
"号,则可以使匹配次数不定的表达式尽可能少的匹配,使可匹配可不匹配的表达式,尽可能的"不匹配"。
这种匹配原则叫作"非贪婪"模式,也叫作"勉强"模式。
如果少匹配就会导致整个表达式匹配失败的时候,与贪婪模式类似,非贪婪模式会最小限度的再匹配一些,以使整个表达式匹配成功。
举例如下,针对文本"dxxxdxxxd"举例:
表达式
匹配结果
(d)(\w+?
)
"\w+?
"将尽可能少的匹配第一个"d"之后的字符,结果是:
"\w+?
"只匹配了一个"x"
(d)(\w+?
)(d)
为了让整个表达式匹配成功,"\w+?
"不得不匹配"xxx"才可以让后边的"d"匹配,从而使整个表达式匹配成功。
因此,结果是:
"\w+?
"匹配"xxx"
更多的情况,举例如下:
举例1:
表达式"
(.*) | "与字符串"
aa | bb | "匹配时,匹配的结果是:
成功;匹配到的内容是"
aa | bb | "整个字符串,表达式中的""将与字符串中最后一个""匹配。
举例2:
相比之下,表达式"
(.*? ) | "匹配举例1中同样的字符串时,将只得到"
aa | ",再次匹配下一个时,可以得到第二个"
bb | "。
--------------------------------------------------------------------------------
2.2反向引用\1,\2...
表达式在匹配时,表达式引擎会将小括号"()"包含的表达式所匹配到的字符串记录下来。
在获取匹配结果的时候,小括号包含的表达式所匹配到的字符串可以单独获取。
这一点,在前面的举例中,已经多次展示了。
在实际应用场合中,当用某种边界来查找,而所要获取的内容又不包含边界时,必须使用小括号来指定所要的范围。
比如前面的"
(.*? ) | "。
其实,"小括号包含的表达式所匹配到的字符串"不仅是在匹配结束后才可以使用,在匹配过程中也可以使用。
表达式后边的部分,可以引用前面"括号内的子匹配已经匹配到的字符串"。
引用方法是"\"加上一个数字。
"\1"引用第1对括号内匹配到的字符串,"\2"引用第2对括号内匹配到的字符串……以此类推,如果一对括号内包含另一对括号,则外层的括号先排序号。
换句话说,哪一对的左括号"("在前,那这一对就先排序号。
举例如下:
举例1:
表达式"('|")(.*?
)(\1)"在匹配"'Hello',"World""时,匹配结果是:
成功;匹配到的内容是:
"'Hello'"。
再次匹配下一个时,可以匹配到""World""。
举例2:
表达式"(\w)\1{4,}"在匹配"aabbbbabcdefgccccc111121111999999999"时,匹配结果是:
成功;匹配到的内容是"ccccc"。
再次匹配下一个时,将得到999999999。
这个表达式要求"\w"范围的字符至少重复5次,注意与"\w{5,}"之间的区别。
举例3:
表达式"<(\w+)\s*(\w+(=('|").*?
\4)?
\s*)*>.*?
\1>"在匹配"white">"时,匹配结果是成功。
如果"
"与" | "不配对,则会匹配失败;如果改成其他配对,也可以匹配成功。
--------------------------------------------------------------------------------
2.3预搜索,不匹配;反向预搜索,不匹配
前面的章节中,我讲到了几个代表抽象意义的特殊符号:
"^","$","\b"。
它们都有一个共同点,那就是:
它们本身不匹配任何字符,只是对"字符串的两头"或者"字符之间的缝隙"附加了一个条件。
理解到这个概念以后,本节将继续介绍另外一种对"两头"或者"缝隙"附加条件的,更加灵活的表示方法。
正向预搜索:
"(?
=xxxxx)","(?
!
xxxxx)"
格式:
"(?
=xxxxx)",在被匹配的字符串中,它对所处的"缝隙"或者"两头"附加的条件是:
所在缝隙的右侧,必须能够匹配上xxxxx这部分的表达式。
因为它只是在此作为这个缝隙上附加的条件,所以它并不影响后边的表达式去真正匹配这个缝隙之后的字符。
这就类似"\b",本身不匹配任何字符。
"\b"只是将所在缝隙之前、之后的字符取来进行了一下判断,不会影响后边的表达式来真正的匹配。
举例1:
表达式"Windows(?
=NT|XP)"在匹配"Windows98,WindowsNT,Windows2000"时,将只匹配"WindowsNT"中的"Windows",其他的"Windows"字样则不被匹配。
举例2:
表达式"(\w)((?
=\1\1\1)(\1))+"在匹配字符串"aaaffffff999999999"时,将可以匹配6个"f"的前4个,可以匹配9个"9"的前7个。
这个表达式可以读解成:
重复4次以上的字母数字,则匹配其剩下最后2位之前的部分。
当然,这个表达式可以不这样写,在此的目的是作为演示之用。
格式:
"(?
!
xxxxx)",所在缝隙的右侧,必须不能匹配xxxxx这部分表达式。
举例3:
表达式"((?
!
\bstop\b).)+"在匹配"fdjkaljfdlstopfjdslafdj"时,将从头一直匹配到"stop"之前的位置,如果字符串中没有"stop",则匹配整个字符串。
举例4:
表达式"do(?
!
\w)"在匹配字符串"done,do,dog"时,只能匹配"do"。
在本条举例中,"do"后边使用"(?
!
\w)"和使用"\b"效果是一样的。
反向预搜索:
"(?
<=xxxxx)","(?
xxxxx)"
这两种格式的概念和正向预搜索是类似的,反向预搜索要求的条件是:
所在缝隙的"左侧",两种格式分别要求必须能够匹配和必须不能够匹配指定表达式,而不是去判断右侧。
与"正向预搜索"一样的是:
它们都是对所在缝隙的一种附加条件,本身都不匹配任何字符。
举例5:
表达式"(?
<=\d{4})\d+(?
=\d{4})"在匹配"1234567890123456"时,将匹配除了前4个数字和后4个数字之外的中间8个数字。
由于JScript.RegExp不支持反向预搜索,因此,本条举例不能够进行演示。
很多其他的引擎可以支持反向预搜索,比如:
Java1.4以上的java.util.regex包,.NET中System.Text.RegularExpressions命名空间,以及本站推荐的最简单易用的DEELX正则引擎。
--------------------------------------------------------------------------------
3.其他通用规则
还有一些在各个正则表达式引擎之间比较通用的规则,在前面的讲解过程中没有提到。
3.1表达式中,可以使用"\xXX"和"\uXXXX"表示一个字符("X"表示一个十六进制数)
形式
字符范围
\xXX
编号在0~255范围的字符,比如:
空格可以使用"\x20"表示
\uXXXX
任何字符可以使用"\u"再加上其编号的4位十六进制数表示,比如:
"\u4E2D"
3.2在表达式"\s","\d","\w","\b"表示特殊意义的同时,对应的大写字母表示相反的意义
表达式
可匹配
\S
匹配所有非空白字符("\s"可匹配各个空白字符)
\D
匹配所有的非数字字符
\W
匹配所有的字母、数字、下划线以外的字符
\B
匹配非单词边界,即左右两边都是"\w"范围或者左右两边都不是"\w"范围时的字符缝隙
3.3在表达式中有特殊意义,需要添加"\"才能匹配该字符本身的字符汇总
字符
说明
^
匹配输入字符串的开始位置。
要匹配"^"字符本身,请使用"\^"
$
匹配输入字符串的结尾位置。
要匹配"$"字符本身,请使用"\$"
()
标记一个子表达式的开始和结束位置。
要匹配小括号,请使用"\("和"\)"
[]
用来自定义能够匹配'多种字符'的表达式。
要匹配中括号,请使用"\["和"\]"
{}
修饰匹配次数的符号。
要匹配大括号,请使用"\{"和"\}"
.
匹配除了换行符(\n)以外的任意一个字符。
要匹配小数点本身,请使用"\."
?
修饰匹配次数为0次或1次。
要匹配"?
"字符本身,请使用"\?
"
+
修饰匹配次数为至少1次。
要匹配"+"字符本身,请使用"\+"
*
修饰匹配次数为0次或任意次。
要匹配"*"字符本身,请使用"\*"
|
左右两边表达式之间"或"关系。
匹配"|"本身,请使用"\|"
3.4括号"()"内的子表达式,如果希望匹配结果不进行记录供以后使用,可以使用"(?
:
xxxxx)"格式
举例1:
表达式"(?
:
(\w)\1)+"匹配"abbccddefg"时,结果是"bbccdd"。
括号"(?
:
)"范围的匹配结果不进行记录,因此"(\w)"使用"\1"来引用。
3.5常用的表达式属性设置简介:
Ignorecase,Singleline,Multiline,Global
表达式属性
说明
Ignorecase
默认情况下,表达式中的字母是要区分大小写的。
配置为Ignorecase可使匹配时不区分大小写。
有的表达式引擎,把"大小写"概念延伸至UNICODE范围的大小写。
Singleline
默认情况下,小数点"."匹配除了换行符(\n)以外的字符。
配置为Singleline可使小数点可匹配包括换行符在内的所有字符。
Multiline
默认情况下,表达式"^"和"$"只匹配字符串的开始①和结尾④位置。
如:
①xxxxxxxxx②\n
③xxxxxxxxx④
配置为Multiline可以使"^"匹配①外,还可以匹配换行符之后,下一行开始前③的位置,使"$"匹配④外,还可以匹配换行符之前,一行结束②的位置。
Global
主要在将表达式用来替换时起作用,配置为Global表示替换所有的匹配。
--------------------------------------------------------------------------------
4.其他提示
4.1如果想要了解高级的正则引擎还支持那些复杂的正则语法,可参见本站DEELX正则引擎的说明文档。
4.2如果要要求表达式所匹配的内容是整个字符串,而不是从字符串中找一部分,那么可以在表达式的首尾使用"^"和"$",比如:
"^\d+$"要求整个字符串只有数字。
4.3如果要求匹配的内容是一个完整的单词,而不会是单词的一部分,那么在表达式首尾使用"\b",比如:
使用"\b(if|while|else|void|int……)\b"来匹配程序中的关键字。
4.4表达式不要匹配空字符串。
否则会一直得到匹配成功,而结果什么都没有匹配到。
比如:
准备写一个匹配"123"、"123."、"123.5"、".5"这几种形式的表达式时,整数、小数点、小数数字都可以省略,但是不要将表达式写成:
"\d*\.?
\d*",因为如果什么都没有,这个表达式也可以匹配成功。
更好的写法是:
"\d+\.?
\d*|\.\d+"。
4.5能匹配空字符串的子匹配不要循环无限次。