Java语言中的正则表达式

正则表达式是什么？

正则表达式是一种强大而灵活的文本处理工具。初学正则表达式时，其语法是一个难点，但它确实是一种简洁、动态的语言。正则表达式提供了一种完全通用的方式，能够解决各种字符串处理相关的问题：匹配、选择、编辑以及验证。一般来说，正则表达式就是以某种方式来描述字符串。

日常例子

在文本中查找“halu126”，我们通常会在查找框中输入“halu126”，这就是一个最简单的正则表达式的例子，使用精确的匹配这样的字符串，如果我们即想在文本中找到“halu126”，又想找到“Halu126”，却不想找到“aaaHalu126bbbb”中的“Halu126”，该怎么办？

在linux中我们想查想列出所有的Java源文件，通常会在终端中输入：ls -all *.java，其中“*”是叫做通配符，而正则表达式比通配符更牛，它能更精确的描述你的需求。

正则表达式的构造摘要

构造	匹配
字符
X	字符X
\\\\	反斜线字符
\t	制表符
\n	换行符
\r	回车符
字符类
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-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）
预定义字符类
.	任何字符
\d	数字：[0-9]
\D	非数字：[^0-9]
\s	空白字符：[\t\n\x0B\f\r]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]
边界匹配器
^	行的开头
$	行的结尾
\b	单词边界
\B	非（单词边界）
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
X{n}	X，恰好n次
X{n,}	X，至少n次
X{n,m}	X，至少n次，但是不超过m次
Logical运算符
XY	X后跟Y
X\|Y	X或者Y
(X)	X，作为捕获组

组和捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式中((A)(B(C)))中，存在四个这样的组

1	((A)(B(C)))
2	(A)
3	(B(C))
4	(C)

Java语言中正则表达式的不同处

在其他语言中，“
\\”表示“我想在正则表达式中插入一个普通的（字面上的）反斜线，请不要给它任何特殊的意义。”在Java语言中，“\\”表示“我要插入一个正则表达
式的反斜线，所以其后的字符具有特殊的意思。”例如：“\\d”表示Java语言中正则表达式的一位数字。“\\\\”表示一个普通的反斜线。不过换行和
制表符之类的东西只需要使用单反斜线：“\n\t”。

量词的类型：

量词：描述了一个模式吸收（匹配）输入文本的方式，也叫做重复限定符。
贪婪型：量词总是贪婪的，除非有其他的选项被设定。贪婪表达式会为所有可能的模式发现尽可能多的匹配。
勉强型：用问号指定，这个量词匹配满足模式所需的最少字符数。因此也称作懒惰的、最少匹配的、非贪婪的、或不贪婪的。
占有型：Java中独有的。其他语言没有。当正则表达式被应用于字符序列时，它会产生相当多的状态，以便在匹配失败时可以回溯。而“占有的”量词并不保存这些中间状态，因此他们可以防止回溯。他们常常用于防止正则表达式失控，因此可以使正则表达式执行起来更有效。

Greedy数量词	Reluctant数量词	Possessive数量词
X?	X??	X?+
X*	X*?	X*+
X+	X+?	X++
X{n}	X{n}?	X{n}+
X{n,}	X{n,}?	X{n,}+
X{n,m}	X{n,m}?	X{n,m}+

量词作用的表达式通常必须要使用圆括号括起来。

String类中使用正则表达式的方法

matches(String regex)
split(String regex)
split(String regex, int limit)
replaceFirst(String regex, String replacement)
repalceAll(String regex, String replacement)

Java语言中表示正则表达式的类

在Java语言中与正则表达式相关的类都放在java.util.regex包。

*Pattern类：*pattern对象是一个正则表达式的编译表示。Pattern类没有公共构造方法。要创建一个Pattern对象，你必须首先调用其公共静态编译方法，它返回一个Pattern对象。该方法接受一个正则表达式作为它的第一个参数。
*Matcher类：*Matcher对象是对输入字符串进行解释和匹配操作的引擎。与Pattern类一样，Matcher也没有公共构造方法。你需要调用Pattern对象的matcher方法来获得一个Matcher对象。
*PatternSyntaxException：*PatternSyntaxException是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建Matcher对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。

因此，典型的调用顺序是

 Pattern pattern = Pattern.compile("a*b");

 Matcher matcher= pattern("aaaaaaab");

 matcher.XXX();

一个简单的代码如下：

 public class TestRegularExpression {

     public static void main(String[] args) {

         if(args.length < 2) {

             print("Usage:\njava TestRegularExpression " +

                     "characterSequence regularExpression+");

             System.exit(0);

         }

         print("Input: \"" + args[0] + "\"");

         for(String arg : args) {

             print("Regular expression: \"" + arg + "\"");

             Pattern p = Pattern.compile(arg);

             Matcher m = p.matcher(args[0]);

             while(m.find()) {

                 print("Match \"" + m.group() + "\" at positions " +

                         m.start() + "-" + (m.end() - 1));

             }

         }

     }

 }

Pattern和Matcher类中常用的方法

 //使用Pattern类的静态方法compile来编译正则表达式，它会根据正则表达式regex生成一个Pattern对象。

 Pattern pattern = Pattern.compile(String regex)

 //检查regex是否匹配整个CharSequence类型的input参数

 Pattern.matches(String regex, CharSequence input)

 //从匹配了regex的地方分割输入字符序列input

 pattern.split(CharSequence input)

 //同String.split()

 pattern.split(CharSequence input, int limit)

 //根据模板pattern生成input的匹配器matcher

 Matcher matcher = pattern.matcher(CharSequence input);

 //从字符序列的开始位置（0位字符）迭代的向前遍历字符序列，找到匹配模式的部分

 matcher.find()

 //从字符序列的第start位字符开始（以第start位字符作为搜索的起点）迭代的向前遍历字符序列，找到匹配模式的部分

 matcher.find(int start)

 //判断整个输入字符序列是否匹配正则表达式模式

 matcher.matches()

 //判断该字符序列（不必是整个字符序列）的开始部分是否能够匹配模式

 matcher.lookingAt()

 //该匹配器的模式中的分组数目

 matcher.groupCount()

 //返回前一次匹配操作（例如find()）的第0组（即整个匹配）

 matcher.group()

 //返回在前一次操作期间指定的组号，如果没有指定的组，返回null

 matcher.group(int group)

 //

 matcher.start()

 //返回前一次匹配操作中寻找到的组的起始索引

 matcher.start(int group)

 matcher.end()

 //返回前一次匹配操作中寻找到的组的最后一个字符索引加一的值

 matcher.end(int group)

 //将matcher对象重新设置到当前字符序列的起始位置

 matcher.reset()

 将现有的matcher对象应用到一个新的字符序列

 matcher.reset(CharSequence input)

使用正则表达式时要注意的事儿

要匹配一种情况，我们可以写出多个可行的正则表达式，当然了，我们的目的并不是编写最难理解的正则表达式，而是尽量编写能够完成任务的、最简单以及最必要的正则表达式。

参考