学习笔记之正则表达式

                               学习笔记之正则表达式

最近需要处理一批数据，将里边的汉字全部去掉，只保留数字。结果发现匹配的结果总是多一写空字符，特别奇怪。所以又拿出正则再学一学。研究明白自己错哪了之后，我发现还是Note++好用........，使用[^\d\r\n]将所有不是数字、回车、换行的全部替换成空字符串。

java中汉字匹配的正则表达式一定要使用[\u4e00-\u9fa5]+，不要使用[\u4e00-\u9fa5]*。因为*表示0到无穷，可以为0呀。也就是说空正好符合匹配规则。

一、常用元字符（摘抄自菜鸟教程）

\		将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\\' 匹配 "\" 而 "\(" 则匹配 "("。
^		匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 '\n' 或 '\r' 之后的位置。
$		匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。
*		匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+		匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
?		匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。
{n}		n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。
{n,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?		当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.		匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像"(.|\n)"的模式。
x|y		匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b		匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B		匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\d		匹配一个数字字符。等价于 [0-9]。
\D		匹配一个非数字字符。等价于 [^0-9]。
\f		匹配一个换页符。等价于 \x0c 和 \cL。
\n		匹配一个换行符。等价于 \x0a 和 \cJ。
\r		匹配一个回车符。等价于 \x0d 和 \cM。
\s		匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S		匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t		匹配一个制表符。等价于 \x09 和 \cI。
\v		匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w		匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W		匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
\xn		匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配 "A"。'\x041' 则等价于 '\x04' & "1"。正则表达式中可以使用 ASCII 编码。
\num	匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1' 匹配两个连续的相同字符。
\n		标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm		标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
\nml	如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
\un		匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。

二、特殊元字符

\r            匹配一个回车符        
\n           匹配一个换行符
\t            匹配一个制表符,tab

三、查询汉字的代码

 /**
     * 正则表达式
     * 
     * 汉字[\u4e00-\u9fa5]+
     */
    private static String REGEX = "[\u4e00-\u9fa5]+";
    /**
     * 被查询字符串
     */
    private static String MATHERSTRING = "疯狂Crazy的果丹0.164897981Haw皮Pieces";

    public static boolean matches() {
        Pattern p = Pattern.compile(REGEX);
        Matcher m = p.matcher(MATHERSTRING);
        return m.matches();
    }

    public static void find() {
        int count = 0;
        Pattern p = Pattern.compile(REGEX);
        Matcher m = p.matcher(MATHERSTRING);
        while (m.find()) {
            count++;
            System.out.println("匹配项" + count + "：" + m.group()); // group方法返回由以前匹配操作所匹配的输入子序列。
        }
        System.out.println("匹配个数为" + count);
    }

    public static void main(String[] args) {
        System.out.println(matches());
        System.out.println();
        find();
    }

                  

四、结果和注意事项：

1、结果

匹配项1：疯狂
匹配项2：的果丹
匹配项3：皮
匹配个数为3

2、注意事项

     汉字匹配的正则表达式一定要使用[\u4e00-\u9fa5]+，不要使用[\u4e00-\u9fa5]*。因为*表示0到无穷，可以为0呀。也就是说空正好符合匹配规则。

3、Note++使用

     使用[^\d\r\n]将所有不是数字、回车、换行的全部替换成空字符串。