java正则表达式入门.docx

1、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（regular expression）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

2、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

3、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，09 中的任意一个 w 任意一个字母或数字或下划线，也就是 AZ,az,09,_ 中任意一个 s 包括

4、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 dd，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 ab

5、5 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 fk 之间的任意一个字母 A-F0-3 匹配 AF,03 之外的任意一个字符 举例1：表达式 bcdbcd 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

6、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：bcdbcd 可以写成 bcd2。表达式 作用 n 表达式重复n次，比如：w2 相当于 ww；a5 相当于 aaaaa m,n 表达式至少重复m次，最多重复n次，比如：ba1,3可以匹配 ba或baa或baaa m, 表达式至少重复m次，比如：wd2,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：acd?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

7、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 It costs $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 go2,8gle 在匹配 Ads by goooooogle 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

8、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 xxx aaa xxx 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：aaa xxx xxx。 举例2：表达式 aaa$ 在匹配 xxx aaa xxx 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：xxx xxx aaa。 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

9、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 bendb 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

10、举例5：表达式 Tom|Jack 在匹配字符串 Im Tom, he is Jack 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 (gos*)+ 在匹配 Lets go go go! 时，匹配结果是：成功；匹配到内容是：go go go；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

11、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

12、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

13、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

14、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

15、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)14, 在匹配 aa bbbb abcdefg ccccc 111121111 999999999 时，匹配结果是：成功；匹配到的内容是

16、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 w5, 之间的区别。 举例3：表达式 .*? 在匹配 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)，(

17、?!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 Windows 98, Windows NT, Windows 2000 时，将只匹配 Windows NT 中的 Windows ，其他的 Windo

18、ws 字样则不被匹配。 举例2：表达式 (w)(?=111)(1)+ 在匹配字符串 aaa ffffff 999999999 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 (?!bstopb).)+ 在匹配 fdjka ljfdl stop fjdsla fdj 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。

19、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 (?=d4)d+(?=d4) 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

20、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：Java 1.4 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 uX

21、XXX 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

22、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 (

23、?:xxxxx) 格式 举例1：表达式 (?:(w)1)+ 匹配 a bbccdd efg 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 S

24、ingleline 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 和结尾 位置。如：xxxxxxxxxnxxxxxxxxx配置为 Multiline 可以使 匹配 外，还可以匹配换行符之后，下一行开始前 的位置，使 $ 匹配 外，还可以匹配换行符之前，一行结束 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

25、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。