正则表达式详细笔记,Java

1. 正则表达式是一种匹配和处理文本的字符串

2. Java中相关的类： String类，Pattern类，Matcher类。

3. 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 p = Pattern. compile ("a*b"); // 将给定的正则表达式编译到模式中,以后使用时会更快，也方便于使用Pattern类的一些方法 Matcher m = p. matcher ("aaaaab"); // 创建匹配给定输入与此模式的匹配器;执行匹配所涉及的所有状态都驻留在匹配器中 boolean b = m. matches ();

等价于： boolean b = Pattern.matches("a*b", "aaaaab");

// 使用这种方法要注意：第一个参数是正则表达式

等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式

4. 匹配纯文本

5. . * + ？

X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次

5. 匹配的并不总是整个字符串

6. 困难在于验证其不会匹配到不想要的字符串

7. 字符 集合 常用在不需要区分大小写的地方 [Rr]eg[Ee]x ，可以用^字符来取非

// 注：在定义一个字符 区间 时，一定要使尾字符大于首字符，否则模式是没有意义的

(如：[9-5]，是没有意义的)

8. 示例：

System.out.println(Pattern.matches("[\\d&&[68]][\\d&&[68]][\\d&&[68]]","686"));

System.out.println("na1.xls".matches("[ns]a.\\.xls"));

9.

POSIX 字符类（仅 US-ASCII）

Unix中的标准

11. JavaScript中不支持在正则表达式中使用POSIX字符类

12. * + 是贪婪型元字符（*与+都是首先读取最多书屋字符，但是*会从后吐出不匹配的字符，即尽可能从开头匹配到末尾；但是+不会吐出，即+后面的表达式可能用不上）。表达式加上？变为懒惰型字符（从开头匹配，一旦匹配出符合表达式的子字符串就结束）

eg:

对于字符串"abcd3efg2A1"

使用表达式".{1,11}\\d"，检测结果为：abcd3efg2A1

而使用".{1,11}？\\d"，检测结果为：abcd3 efg2 A1

使用".{1,11}+\\d"，匹配错误

// 综合示例：

System.out.println(m.matches());
		System.out.println(Pattern.matches("[\\d[68]][\\d[68]][\\d[68]]","686"));
		System.out.println("na1.xls".matches("[ns]a.\\.xls"));	
		p("A_1_23".matches("\\w{6,}"));
		p("abcW_%**123456 123".matches("\\w{5}[%*&]+\\d{6,}\\s\\d+"));
		p("\\".matches("\\\\"));
		p("4".matches("[3-5]"));
		p("123-".matches("\\d+-"));// - 字符不需要被转义
		p("ww&?123".matches("[^0-9]{2,}\\d+"));
		p("dgsrebesf".matches("\\p{Alpha}{5,10}"));// 
		p("hello world".matches("^h[a-z]{1,3}o\\b\\s\\w+ld$"));// 边界匹配器
		p("ben.sichuan@wanghai.123.com".matches("[\\w.]+\\.\\w+@\\w+[\\w\\.]+\\w+"));
		//贪婪型元字符（尽可能从开头匹配到末尾）
		p("<B>AK</B> and <B>HI</B>".matches("<[B]>.*</[B]>"));
		//懒惰型元字符（从开头匹配，匹配出一个就结束）
		p("<B>AK</B> and <B>HI</B>".matches("<[B]>.*?</[B]>"));
		p("   \n".matches("^[\\s&&[^\\n]]*\\n$"));// 匹配空格换行
public static void p(Object o){
	System.out.println(o);

13. Macher类：

matches 方法尝试将 整个 输入序列与该模式匹配。

lookingAt 尝试将输入序列 从头开始 与该模式匹配。

find 方法扫描输入序列以查找与该模式匹配的 下一个子序列 。如果匹配成功，则可以通过 start 、 end 和 group 方法获取更多信息

// find 方法是贪婪型的——对于"\\d{2,5}"，find方法会尽量检测5个数字

reset 方法重置匹配器（避免matches方法与find方法之间产生冲突）

// 示例：

Pattern p=Pattern.compile("\\d{2,5}");

Matcher m=p.matcher("00005----1s11115222225s35");

//System.out.println(m.matches());

//m.reset(); // 重置

p(m.find());

p(m.find());

p(m.find());

p("第三个子字符串开始于："+m.start()+"结束在"+m.end());

p(m.find());

// 注：四个结果都是true，00005----1s11115222225s35中的“1s”会被忽略，find在与其检测匹配的子字符串返回true ，所以222225中最后的“5”也被忽略，从而直接s35

14. 实例：查找Java并替换，并显示字符串尾巴

Pattern p=Pattern.compile("java",Pattern.CASE_INSENSITIVE);
		Matcher m=p.matcher("Java java JAVA jaVA vajava  JAvaa kjafhjavak  tail");
		StringBuffer buf=new StringBuffer();
		int i=0;
		while(m.find()){
			i++;
			if(i%2==1)
			m.appendReplacement(buf, "java");
			else
				m.appendReplacement(buf, "JAVA");
		}
		m.appendTail(buf);
		p(buf);

15. 正则表达式分组：用“（）”分，分组是由序号的，从左往右数（应用于将查找到的结果分开显示）

也称之为子表达式，可以简化正则表达式的写法

eg：

• (\\d{1,5})([a-z]{2,3}) 该正则表达式匹配到符合的语句后，可以在group()方法中设置参数，以单独显示匹配到的语句中的数字、字母
• (\\d{3}\\.){2}(\\d.)\\d等价于\\d{3}\\.\\d{3}\\.\\d\\.\\d
• 表达式20|19\\d{2}并不会找出20或21世纪的年份（如2017），只会找到20或19**，因为“|”将其前面或后面的表达做为一个整体看待（一个是20，另一个是19\\d{2}），正确的写法是：（20|19）\\d{2}

16. 示例：查找出文件中可能的手机号码：

import java.io.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class GetEmail {
	static int k=0;
	public static void main(String[] args) throws FileNotFoundException {
		BufferedReader br=new BufferedReader(
				new FileReader("view-source_tieba.baidu.com_p_3977844275.html"));
		String line="";
		int i=1;
		try {
			while((line=br.readLine())!=null){
				getEmail(line);
			}
		} catch (IOException e) {
			// TODO 自动生成的 catch 块
			e.printStackTrace();
		}
		System.out.println("共找到 "+k+" 个类似于手机号码的11位数字");
	}
	public static void getEmail(String line){
		Pattern p=Pattern.compile("1[3578][\\d]{9}");
		Matcher m=p.matcher(line);

		while(m.find()){
			k++;
			System.out.println(m.group()); 
		}
	}
}

17. 单词边界

表达式“find”会找到*find*

“\bfind”会找到find*

“\bfind\b”会找到find

字符串边界：^匹配字符串开头位置，$匹配字符串结尾

18. 分行匹配模式：（？m）会将行分隔符当做一个字符串分隔符对待，比如匹配注释语句时可以用到

19. 前后查找操作符：

正向前查找：？= 正向后查找：？<m=

负向前查找：？！ 负向后查找：？<！