Java学习记录06

正则表达式匹配规则

对于正则表达式来说，它只能精确匹配字符串。

例如：正则表达式“abc"，只能匹配”abc"，不能匹配“ab","Abc","abcd"等其他字符串。

如果想匹配非ASCII字符，例如中文，那么就用\u####的十六进制表示，例如: a\u548cc匹配的是字符串"a和c",中文字符和的Unicode编码是548c。

基本规则

匹配任意字符

我们可以用 . 匹配一个任意字符。

例如,正则表达式a.c中间的点可以匹配任意一个字符,它可以匹配abc,a&c,acc等，但是不能匹配ac、a&&c，因为 . 匹配一个字符且仅限一个字符。

匹配数字

如果我们只想匹配0~9这样的数字，可以用\d匹配。

例如：00\d可以匹配 007, 008,但不能匹配00A,0077，因为\d仅限单个数字字符。 

匹配常用字符

用\w可以匹配一个字母、数字或下划线,w的意思是word。

例如：java\w可以匹配，javac,java9,java_,它不能匹配java#,java ,因为\w不能匹配#、空格等字符。

匹配空格字符

用\s可以匹配一个空格字符，空格字符不但包括空格，还包括tab字符（在Java中用\t表示）。

例如：a\sc，可以匹配a c, 它不能匹配ac,abc等。

匹配非数字

用\d可以匹配一个数字，而\D则匹配一个非数字。

例如，00\D可以匹配，00A,00#,但不能匹配007，008等。

类似的，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符，这正好是相反的。

重复匹配

修饰符*可以匹配任意个字符，包括0个字符。

修饰符+可以匹配至少一个字符。

修饰符?可以匹配0个或一个字符。

如果想精确指定n个字符，用{n}就可以。

如果想指定n~m个字符，用{n,m}就可以。

单个字符的匹配规则如下：

正则表达式	规则	可以匹配
A	指定字符	A
\u548c	指定Unicode字符	和
.	任意字符	a，b，&，0
\d	数字0~9	0~9
\w	大小写字母，数字和下划线	a~z，A~Z，0~9，_
\s	空格、Tab键	空格，Tab
\D	非数字	a，A，&，_，……
\W	非\w	&，@，中，……
\S	非\s	a，A，&，_，……

 多个字符的匹配规则如下：

正则表达式	规则	可以匹配
A*	任意个数字符	空，A，AA，AAA，……
A+	至少1个字符	A，AA，AAA，……
A?	0个或1个字符	空，A
A{3}	指定个数字符	AAA
A{2,3}	指定范围个数字符	AA，AAA
A{2,}	至少n个字符	AA，AAA，AAAA，……
A{0,3}	最多n个字符	空，A，AA，AAA

 复杂规则

匹配开头和结尾

用正则表达式进行多行匹配时，用^表示开头，$表示结尾。

匹配指定范围

使用[...]可以匹配指定范围内的字符，例如[123456789]可以匹配1~9。

如果规定一个7~8位数字的电话号码不能以0开头，规则：[123456789]\d{6,7}。

觉得把所有字符列出来太麻烦，[...]还有一种写法，直接写[1-9]就可以。

如果要匹配不限大小写的十六进制数，例如1A2b3c,可以这样写[0-9a-fA-F]。

如果要匹配6位十六进制数，前面讲过的{n}仍然可以继续配合使用:[0-9a-fA-F]{6}。

[...]还有一种排除法，能够不包含指定范围的字符。[^1-9]，表示不匹配1~9之间的字符。

或规则匹配

用 | 连接的两个正则规则是或规则，例如,AB|CD表示可以匹配AB或CD。

使用括号

如果想要匹配字符串learn java、learn Vue 和 learn C#，一个规则是learn\sjava|learn\sVue|learn\sC#,但这样太麻烦了，可以把公共部分提出来，然后用(...)把其表示成learn\s(java|Vue|C#)。

复杂匹配规则主要有：

正则表达式	规则	可以匹配
^	开头	字符串开头
$	结尾	字符串结束
[ABC]	[…]内任意字符	A，B，C
[A-F0-9xy]	指定范围的字符	A，……，F，0，……，9，x，y
[^A-F]	指定范围外的任意字符	非A~F
AB|CD|EF	AB或CD或EF	AB，CD，EF

分组匹配

(...)还有一个重要作用就是分组匹配。

我们来看一下如何用正则匹配区号-电话号这个规则，利用匹配规则，可以写出：

提示：中间-前的\也是转义字符
\d{3,4}\-\d{6,8}

但如何分别提取出区号和电话号呢，我们可以先把上述正则表达式变为

(\d{3,4})\-(\d{6,8})

之后要按括号提取字符串，必须要用到java.util.regex包，用Pattern对象匹配，匹配后获得一个Matcher对象，如果匹配成功，就可以直接从Matcher.group(index)返回字符串：

要特别注意，Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串。如果我们传入0会得到什么呢？答案是010-12345678，即整个正则匹配到的字符串。

使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。

非贪婪匹配

正则表达式默认使用贪婪匹配：任何一个规则，它总是尽可能多地向后匹配。

例如：我们给定一个字符串表示的数字，判断该数字末尾0的个数。

123000， 该正则表达式为：(\d+)(0*)

发现并没有如我们期望的那样分组。

实际上它是完全合理的，因为\d+确实可以匹配后面任意个0。

这是因为正则表达式默认使用贪婪匹配：任何一个规则，它总是尽可能多地向后匹配，因此,\d+总是会把后面的0包含进来。

要让\d+尽量少匹配，让0*尽量多匹配，我们就必须让\d+使用非贪婪匹配。在规则\d+后面加个?即可表示非贪婪匹配。

因此，给定一个匹配规则，加上?后就变成了非贪婪匹配。

注意：?的含义并不相同，\d?表示匹配0个或1个数字，\d??后面的?表示非贪婪匹配。