详细JAVA正则表达式语法.docx

1、详细JAVA正则表达式语法Java 正则表达式表达式意义：+=+=+=+=+=+=+=+=+1.字符x 字符 x。例如a表示字符a 反斜线字符。在书写时要写为。（注意：因为java在第一次解析时,把解析成正则表达式，在第二次解析时再解析为，所以凡是不是1.1列举到的转义字符，包括1.1的,而又带有的都要写两次）0n 带有八进制值 0的字符 n (0 = n = 7)0nn 带有八进制值 0的字符 nn (0 = n = 7)0mnn 带有八进制值 0的字符 mnn（0 = m = 3、0 = n = 7）xhh 带有十六进制值 0x的字符 hhuhhhh 带有十六进制值 0x的字符 hhhht

2、 制表符 (u0009)n 新行（换行）符 (u000A)r 回车符 (u000D)f 换页符 (u000C)a 报警 (bell) 符 (u0007)e 转义符 (u001B)cx 对应于 x 的控制符2.字符类abc a、b或 c（简单类）。例如egd表示包含有字符e、g或d。abc 任何字符，除了 a、b或 c（否定）。例如egd表示不包含字符e、g或d。a-zA-Z a到 z或 A到 Z，两头的字母包括在内（范围）a-dm-p a到 d或 m到 p：a-dm-p（并集）a-z&def d、e或 f（交集）a-z&bc a到 z，除了 b和 c：ad-z（减去）a-z&m-p a到 z，

3、而非 m到 p：a-lq-z（减去）3.预定义字符类(注意反斜杠要写两次，例如d写为d)任何字符（与行结束符可能匹配也可能不匹配）d 数字：0-9D 非数字： 0-9s 空白字符： tnx0BfrS 非空白字符：sw 单词字符：a-zA-Z_0-9W 非单词字符：w4.POSIX 字符类（仅 US-ASCII)(注意反斜杠要写两次，例如pLower写为pLower)pLower 小写字母字符：a-z。pUpper 大写字母字符：A-ZpASCII 所有 ASCII：x00-x7FpAlpha 字母字符：pLowerpUpperpDigit 十进制数字：0-9pAlnum 字母数字字符：pAlp

4、hapDigitpPunct 标点符号：!#$%&()*+,-./:;?_|pGraph 可见字符：pAlnumpPunctpPrint 可打印字符：pGraphx20pBlank 空格或制表符： tpCntrl 控制字符：x00-x1Fx7FpXDigit 十六进制数字：0-9a-fA-FpSpace 空白字符： tnx0Bfr5.java.lang.Character 类（简单的 java 字符类型）pjavaLowerCase 等效于 java.lang.Character.isLowerCase()pjavaUpperCase 等效于 java.lang.Character.isUpp

5、erCase()pjavaWhitespace 等效于 java.lang.Character.isWhitespace()pjavaMirrored 等效于 java.lang.Character.isMirrored()6.Unicode 块和类别的类pInGreek Greek 块（简单块）中的字符pLu 大写字母（简单类别）pSc 货币符号PInGreek 所有字符，Greek 块中的除外（否定）pL&pLu 所有字母，大写字母除外（减去）7.边界匹配器 行的开头，请在正则表达式的开始处使用。例如：(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pa

6、ttern p = Ppile(regex,Pattern.MULTILINE);$ 行的结尾，请在正则表达式的结束处使用。例如：(bca).*(abc$)表示以bca开头以abc结尾的行。b 单词边界。例如b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配）B 非单词边界。例如B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)A 输入的开头G 上一个匹配的结尾(个人感觉这个参数没什么用)。例如Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。Z 输入的结尾，仅用于最后的

7、结束符（如果有的话）行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：新行（换行）符 (n)、后面紧跟新行符的回车符 (rn)、单独的回车符 (r)、下一行字符 (u0085)、行分隔符 (u2028) 或段落分隔符 (u2029)。z 输入的结尾当编译模式时，可以设置一个或多个标志，例如Pattern pattern = Ppile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);下面六个标志都是支持的：CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑U

8、S ASCII字符。UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配MULTILINE：和$匹配一行的开始和结尾，而不是整个输入UNIX_LINES： 当在多行模式下匹配和$时，只将n看作行终止符DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符CANON_EQ: 考虑Unicode字符的规范等价8.Greedy 数量词X? X，一次或一次也没有X* X，零次或多次X+ X，一次或多次Xn X，恰好 n 次Xn, X，至少 n 次Xn,m X，至少 n 次，但是不超过 m 次9.Reluctant 数量词X? X，一次或一次也没

9、有X*? X，零次或多次X+? X，一次或多次Xn? X，恰好 n 次Xn,? X，至少 n 次Xn,m? X，至少 n 次，但是不超过 m 次10.Possessive 数量词X?+ X，一次或一次也没有X*+ X，零次或多次X+ X，一次或多次Xn+ X，恰好 n 次Xn,+ X，至少 n 次Xn,m+ X，至少 n 次，但是不超过 m 次Greedy，Reluctant，Possessive的区别在于:(注意仅限于进行.等模糊处理时)greedy量 词被看作“贪婪的”，因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试（整个输入字符串）失败，匹配器就会在被匹配字符串中的最后一位

10、后退 一个字符并且再次尝试，重复这个过程，直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词，它最后试图匹配的内容是1 个或者0个字符。但是，reluctant量词采取相反的方式：它们从被匹配字符串的开头开始，然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。最后，possessive量词总是读完整个输入字符串，尝试一次（而且只有一次）匹配。和greedy量词不同，possessive从不后退。+=+=+=+=+=+=+=+=+11.Logical 运算符XY X 后跟 YX|Y X 或 Y(X) X，作为捕获组。例如(abc)表示把abc作为一个

11、整体进行捕获12.Back 引用n 任何匹配的 nth捕获组捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 (A)(B(C)中，存在四个这样的组：1 (A)(B(C)2 A3 (B(C)4 (C)在表达式中可以通过n来对相应的组进行引用，例如(ab)341就表示ab34ab，(ab)34(cd)12就表示ab34cdabcd。13.引用 Nothing，但是引用以下字符Q Nothing，但是引用所有字符，直到 E。QE之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, abQ|E可以匹配ab|E Nothing，但是结束从 Q开始的引用14.特殊构造（非捕获）(?:X)

12、 X，作为非捕获组(?idmsux-idmsux) Nothing，但是将匹配标志由 on 转为 off。比如：表达式 (?i)abc(?-i)def 这时，(?i) 打开不区分大小写开关，abc 匹配idmsux说明如下：i CASE_INSENSITIVE :US-ASCII 字符集不区分大小写。(?i)d UNIX_LINES : 打开UNIX换行符m MULTILINE :多行模式(?m)UNIX下换行为nWINDOWS下换行为rn(?s)u UNICODE_CASE : Unicode 不区分大小写。(?u)x COMMENTS :可以在pattern里面使用注解，忽略pattern

13、里面的whitespace，以及#一直到结尾（#后面为注解）。(?x)例如(?x)abc#asfsdadsa可以匹配字符串abc(?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组。与上面的类似，上面的表达式，可以改写成为：(?i:abc)def，或者 (?i)abc(?-i:def)(?=X) X，通过零宽度的正 lookahead。零宽度正先行断言，仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，w+(?=d) 表示字母后面跟数字，但不捕获数字（不回溯）(?!X) X，通过零宽度的负 lookahead。零宽度负先行断言。仅当子表达式 X 不在

14、 此位置的右侧匹配时才继续匹配。例如，w+(?!d) 表示字母后面不跟数字，且不捕获数字。(?=X) X，通过零宽度的正 lookbehind。零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?X) X，作为独立的非捕获组（不回溯）(?=X)与(?X)的区别在于(?X)是不回溯的。例如被匹配的字符串为abcm当表达式为a(?:b|bc)m是可以匹配的，而当表达式是a(?b|bc)时是不能匹配的，因为当后者匹配到b时，由于已经匹配，就跳出了非捕获组，而不再次对组内的字符进行匹配。可以加快速度。注意：有评论说最后一句说的有问题“这里有问题！abcm也可被a(?b|bc

15、)匹配！”+=+=+=+=+=+=+=+=+引言 正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 a 和 任意个 b ”，那么 ab, abb, abbbbbbbbbb 都符合这个特征。 正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大。 正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解

16、。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅 入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首 先要理解的。+=+=+=+=+=+=+=+=+ 文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。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

17、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

18、$ 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，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,a

19、z,09,_ 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 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

20、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 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

21、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：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 aaaaam,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baaam,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

22、,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 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

23、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 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 ab

24、c 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 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

25、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 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

26、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+