Java编程的逻辑 (88) - 正则表达式 (上)

本系列文章经补充和完善，已修订整理成书《Java编程的逻辑》，由机械工业出版社华章分社出版，于2018年1月上市热销，读者好评如潮！各大网店和书店有售，欢迎购买，京东自营链接：http://item.jd.com/12299018.html

---

上节我们提到了正则表达式，它提升了文本处理的表达能力，本节就来讨论正则表达式，它是什么？有什么用？各种特殊字符都是什么含义？如何用Java借助正则表达式处理文本？都有哪些常用正则表达式？由于内容较多，我们分为三节进行探讨，本节先简要探讨正则表达式的语法。

正则表达式是一串字符，它描述了一个文本模式，利用它可以方便的处理文本，包括文本的查找、替换、验证、切分等。

正则表达式中的字符有两类，一类是普通字符，就是匹配字符本身，另一类是元字符，这些字符有特殊含义，这些元字符及其特殊含义就构成了正则表达式的语法。

正则表达式有一个比较长的历史，各种与文本处理有关的工具、编辑器和系统都支持正则表达式，大部分编程语言也都支持正则表达式。虽然都叫正则表达式，但由于历史原因，不同语言、系统和工具的语法不太一样，本文主要针对Java语言，其他语言可能有所差别。

下面，我们就来简要介绍正则表达式的语法，我们先分为以下部分分别介绍：

• 单个字符
• 字符组
• 量词
• 分组
• 特殊边界匹配
• 环视边界匹配

最后针对转义、匹配模式和各种语法进行总结。

单个字符

大部分的单个字符就是用字符本身表示的，比如字符'0','3','a','马'等，但有一些单个字符使用多个字符表示，这些字符都以斜杠'\'开头，比如：

• 特殊字符，比如tab字符'\t'，换行符'\n'，回车符'\r'等；
• 八进制表示的字符，以\0开头，后跟1到3位数字，比如\0141，对应的是ASCII编码为97的字符，即字符'a'；
• 十六进制表示的字符，以\x开头，后跟两位字符，比如\x6A，对应的是ASCII编码为106的字符，即字符'j'；
• Unicode编号表示的字符，以\u开头，后跟四位字符，比如\u9A6C，表示的是中文字符'马'，这只能表示编号在0xFFFF以下的字符，如果超出0XFFFF，使用\x{...}形式，比如对于字符'