Java程序设计（高级及专题）- 正则表达式(1)

以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。

后向引用用于重复搜索前面某个分组匹配的文本。例如：

\b(\w+)\b\s+\1\b可以用来匹配重复的单词，像go go, 或者kitty kitty。

也可以自己指定子表达式的组名。要指定一个子表达式的组名，请使用这样的语法：(?<Word>\w+)(或者把尖括号换成’也行：(?'Word'\w+)),这样就把\w+的组名指定为Word了。要反向引用这个分组捕获的内容，你可以使用\k<Word>,所以上一个例子也可以写成这样：\b(?<Word>\w+)\b\s+\k<Word>\b。

零宽断言

(?=exp)也叫零宽度正预测先行断言，它断言被匹配的字符串以表达式exp结尾但除了结尾以外的部分。比如\b\w+(?=ing\b)，匹配以ing结尾的单词的前面部分(除了ing以外的部分)，如查找I’m singing while you’re dancing.时，它会匹配sing和danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以re开头的单词的后半部分(除了re以外的部分)，例如在查找reading a book时，它匹配ading。

| 代码/语法 | 说明 |

| — | — |

| (?=exp) | 匹配exp前面的位置 |

| (?<=exp) | 匹配exp后面的位置 |

| (?!exp) | 匹配后面跟的不是exp的位置 |

| (?<!exp) | 匹配前面不是exp的位置 |

注释

小括号的另一种用途是通过语法(?#comment)来包含注释。例如：2[0-4]\d(?#200-249)|25[0-5](?#250-255)|[01]?\d \d?(?#0-199)。

贪婪与懒惰

| 语法 | 说明 |

| — | — |

| *? | 重复任意次，但尽可能少重复 |

| +? | 重复1次或更多次，但尽可能少重复 |

| ?? | 重复0次或1次，但尽可能少重复 |

| {n,m}? | 重复n到m次，但尽可能少重复 |

| {n,}? | 重复n次以上，但尽可能少重复 |

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可

能多的字符。考虑这个表达式：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的

话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，

只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用

最少的重复。现在看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字

符）和ab（第四到第五个字符）。

POSIX 字符类（仅 US-ASCII）

| 语法 | 说明 |

| — | — |

| \p{Lower} | 小写字母字符：[a-z] |

| \p{Upper} | 大写字母字符：[A-Z] |

| \p{ASCII} | 所有 ASCII：[\x00-\x7F] |

| \p{Alpha} | 字母字符：[\p{Lower}\p{Upper}] |

| \p{Digit} | 十进制数字：[0-9] |

| \p{Alnum} | 字母数字字符：[\p{Alpha}\p{Digit}] |

| \p{Punct} | 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_{|}~ |

| \p{Graph} | 可见字符：[\p{Alnum}\p{Punct}] |

| \p{Print} | 可打印字符：[\p{Graph}\x20] |

| \p{Blank} | 空格或制表符：[ \t] |

| \p{Cntrl} | 控制字符：[\x00-\x1F\x7F] |

| \p{XDigit} | 十六进制数字：[0-9a-fA-F] |

| \p{Space} | 空白字符：[ \t\n\x0B\f\r] |

引用

| 语法 | 说明 |

| — | — |

| \ | Nothing，但是引用以下字符 |

| \Q | Nothing，但是引用所有字符，直到 \E |

| \E | Nothing，但是结束从 \Q 开始的引用 |

如：\Q\w+\E表示字符串\w+而不是正则中的单词字符：[a-zA-Z_0-9]。

其他

| 语法 | 说明 |

| — | — |

| \xhh | 十六进制值为0xhh的字符 |

| \uhhhh | 十六进制表示为0xhhhh的Unicode字符 |

| \t | 制表符Tab |

| \n | 换行符 |

| \r | 回车 |

| \f | 换页 |

| \e | 转义(Escape) |

处理选项

上面介绍了几个选项如忽略大小写，处理多行等，这些选项能用来改变处理正则表达式的方式。下面是Java中常用的正则表达式选项：

| 名称 | 说明 |

| — | — |

| CASE_INSENSITIVE | 匹配时区分大小写 |

| MULTILINE | 更改^和$的含义，使它们分别在任意一行的行首和行尾匹配，而不仅仅在整个字符串的开头和结尾匹配。(在此模式下,$的精确含意是:匹配\n之前的位置以及字符串结束前的位置.) |

| DOTALL | 在 dotall 模式中，表达式 . 可以匹配任何字符，包括行结束符。默认情况下，此表达式不匹配行结束符。 |

| UNICODE_CASE | 指定此标志后，由 CASE_INSENSITIVE 标