正则表达式

最新推荐文章于 2024-05-20 10:35:51 发布

原创最新推荐文章于 2024-05-20 10:35:51 发布 · 394 阅读

0 ·

CC 4.0 BY-SA版权

Java 专栏收录该内容

7 篇文章

订阅专栏

本文总结了正则表达式的各种元素及其用法，包括特殊字符、预定义字符类、边界匹配器等内容，并提供了多个实用的正则表达式示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

之前笔试网易的时候考了正则表达式，在此总结一下，以备以后查看！

表达式意义：

1.字符

x    字符 x。例如a表示字符a
\\    反斜线字符。在书写时要写为\\\\。（注意：因为java在第一次解析时,把\\\\解析成正则表达式\\，在第二次解析时再解析为\，所以凡是不是1.1列举到的转义字符，包括1.1的\\,而又带有\的都要写两次）
\0n    带有八进制值 0的字符 n (0 <= n <= 7)
\0nn    带有八进制值 0的字符 nn (0 <= n <= 7)
\0mnn    带有八进制值 0的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh    带有十六进制值 0x的字符 hh
\uhhhh    带有十六进制值 0x的字符 hhhh
\t    制表符 ('\u0009')
\n    新行（换行）符 ('\u000A')
\r    回车符 ('\u000D')
\f    换页符 ('\u000C')
\a    报警 (bell) 符 ('\u0007')
\e    转义符 ('\u001B')
\cx    对应于 x 的控制符
2.字符类
[abc]    a、b或 c（简单类）。例如[egd]表示包含有字符e、g或d。
[^abc]    任何字符，除了 a、b或 c（否定）。例如[^egd]表示不包含字符e、g或d。
[a-zA-Z]    a到 z或 A到 Z，两头的字母包括在内（范围）
[a-d[m-p]]    a到 d或 m到 p：[a-dm-p]（并集）
[a-z&&[def]]    d、e或 f（交集）
[a-z&&[^bc]]    a到 z，除了 b和 c：[ad-z]（减去）
[a-z&&[^m-p]]    a到 z，而非 m到 p：[a-lq-z]（减去）
3.预定义字符类(注意反斜杠要写两次，例如\d写为\\d)任何字符

（与行结束符可能匹配也可能不匹配）
\d    数字：[0-9]
\D    非数字： [^0-9]
\s    空白字符：[ \t\n\x0B\f\r]
\S    非空白字符：[^\s]
\w    单词字符：[a-zA-Z_0-9]
\W    非单词字符：[^\w]
4.POSIX 字符类（仅 US-ASCII)(注意反斜杠要写两次，例如\p{Lower}写为\\p{Lower})
\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]
5.java.lang.Character 类（简单的 java 字符类型）
\p{javaLowerCase}    等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase}    等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace}    等效于 java.lang.Character.isWhitespace()
\p{javaMirrored}    等效于 java.lang.Character.isMirrored()
6.Unicode 块和类别的类
\p{InGreek}    Greek 块（简单块）中的字符
\p{Lu}    大写字母（简单类别）
\p{Sc}    货币符号
\P{InGreek}    所有字符，Greek 块中的除外（否定）
[\p{L}&&[^\p{Lu}]]     所有字母，大写字母除外（减去）
7.边界匹配器
^    行的开头，请在正则表达式的开始处使用^。例如：^(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE);
$    行的结尾，请在正则表达式的结束处使用。例如：(^bca).*(abc$)表示以bca开头以abc结尾的行。
\b    单词边界。例如\b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配）
\B    非单词边界。例如\B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)
\A    输入的开头
\G    上一个匹配的结尾(个人感觉这个参数没什么用)。例如\\Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。
\Z    输入的结尾，仅用于最后的结束符（如果有的话）
行结束符是一个或两个字符的序列，标记输入字符序列的行结尾。
以下代码被识别为行结束符：
‐新行（换行）符 ('\n')、
‐后面紧跟新行符的回车符 ("\r\n")、
‐单独的回车符 ('\r')、
‐下一行字符 ('\u0085')、
‐行分隔符 ('\u2028') 或
‐段落分隔符 ('\u2029)。
\z    输入的结尾
当编译模式时，可以设置一个或多个标志，例如
Pattern pattern = Pattern.compile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);
下面六个标志都是支持的：
‐CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US ASCII字符。
‐UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配
‐MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入
‐UNIX_LINES：当在多行模式下匹配^和$时，只将'\n'看作行终止符
‐DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符
‐CANON_EQ: 考虑Unicode字符的规范等价
8.Greedy 数量词
X?    X，一次或一次也没有
X*    X，零次或多次
X+    X，一次或多次
X{n}    X，恰好 n 次
X{n,}    X，至少 n 次
X{n,m}    X，至少 n 次，但是不超过 m 次
9.Reluctant 数量词
X??    X，一次或一次也没有
X*?    X，零次或多次
X+?    X，一次或多次
X{n}?    X，恰好 n 次
X{n,}?    X，至少 n 次
X{n,m}?    X，至少 n 次，但是不超过 m 次
10.Possessive 数量词
X?+    X，一次或一次也没有
X*+    X，零次或多次
X++    X，一次或多次
X{n}+    X，恰好 n 次
X{n,}+    X，至少 n 次
X{n,m}+    X，至少 n 次，但是不超过 m 次
Greedy，Reluctant，Possessive的区别在于:(注意仅限于进行.等模糊处理时)
greedy量词被看作“贪婪的”，因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试（整个输入字符串）失败，匹配器就会在被匹配字符串中的最后一位后退一个字符并且再次尝试，重复这个过程，直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词，它最后试图匹配的内容是1 个或者0个字符。
但是，reluctant量词采取相反的方式：它们从被匹配字符串的开头开始，然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。
最后，possessive量词总是读完整个输入字符串，尝试一次（而且只有一次）匹配。和greedy量词不同，possessive从不后退。
11.Logical 运算符
XY    X 后跟 Y
X|Y    X 或 Y
(X)    X，作为捕获组。例如(abc)表示把abc作为一个整体进行捕获
12.Back 引用
\n    任何匹配的 nth捕获组
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C)))中，存在四个这样的组：
1        ((A)(B(C)))
2        \A
3        (B(C))
4        (C)
在表达式中可以通过\n来对相应的组进行引用，例如(ab)34\1就表示ab34ab，(ab)34(cd)\1\2就表示ab34cdabcd。
13.引用
\    Nothing，但是引用以下字符
\Q    Nothing，但是引用所有字符，直到 \E。QE之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, ab\\Q{|}\\\\E
可以匹配ab{|}\\
\E    Nothing，但是结束从 \Q开始的引用

14.常见正则表达式例子

1.[size=12px]1。^\d+$　　//匹配非负整数（正整数 + 0）

2.^[0-9]*[1-9][0-9]*$　　//匹配正整数

3.^((-\d+)|(0+))$　　//匹配非正整数（负整数 + 0）

4.^-[0-9]*[1-9][0-9]*$　　//匹配负整数

5.^-?\d+$　　　　//匹配整数

6.^\d+(\.\d+)?$　　//匹配非负浮点数（正浮点数 + 0）

7.^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$　　//匹配正浮点数

8.^((-\d+(\.\d+)?)|(0+(\.0+)?))$　　//匹配非正浮点数（负浮点数 + 0）

9.^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$　　//匹配负浮点数

10.^(-?\d+)(\.\d+)?$　　//匹配浮点数

11.^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串 12.^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串

13.^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串

14.^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串

15.^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

16.^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$　　　　//匹配email地址

17.^[a-zA-z]+://匹配(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$　　//匹配url

18.匹配中文字符的正则表达式： [\u4e00-\u9fa5]

19.匹配双字节字符(包括汉字在内)：[^\x00-\xff]

20.应用：计算字符串的长度（一个双字节字符长度计2，ASCII字符计1） String.prototype.len=function(){return this.replace([^\x00-\xff]/g,"aa").length;}

21.匹配空行的正则表达式：\n[\s| ]*\r

22.匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/

23.匹配首尾空格的正则表达式：(^\s*)|(\s*$) *

正则表达式用例 *

1、^\S+[a-z A-Z]$ 不能为空不能有空格只能是英文字母 *

2、\S{6,} 不能为空六位以上 *

3、^\d+$ 不能有空格不能非数字 *

4、(.*)(\.jpg|\.bmp)$ 只能是jpg和bmp格式 *

5、^\d{4}\-\d{1,2}-\d{1,2}$ 只能是2004-10-22格式 *

6、^0$ 至少选一项 *

7、^0{2,}$ 至少选两项 *

8、^[\s|\S]{20,}$ 不能为空二十字以上 *

9、^\+?[a-z0-9](([-+.]|[_]+)?[a-z0-9]+)*@([a-z0-9]+(\.|\-))+[a-z]{2,6}$邮件 *

10、\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*([,;]\s*\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*)* 输入多个地址用逗号或空格分隔邮件 *

11、^($[0-9]+$)?[0-9]{7,8}$电话号码7位或8位或前面有区号例如（022）87341628 *

12、^[a-z A-Z 0-9 _]+@[a-z A-Z 0-9 _]+(\.[a-z A-Z 0-9 _]+)+(\,[a-z A-Z 0-9 _]+@[a-z A-Z 0-9 _]+(\.[a-z A-Z 0-9 _]+)+)*$ * 只能是字母、数字、下划线；必须有@和.同时格式要规范邮件 *