首先要了解正则表达式占有字符和宽度。
正则表达式匹配过程中,如果子表达式匹配到的是字符内容,而非位置,并被保存到最终的匹配结果中,那么就认为这个子表达式是占有字符的;如果子表达式匹配的仅仅是位置,或者匹配的内容并不保存到最终的匹配结果中,那么就认为这个子表达式是零宽度的。
占有字符还是零宽度,是针对匹配的内容是否保存到最终的匹配结果中而言的。
占有字符是互斥的,零宽度是非互斥的。也就是一个字符,同一时间只能由一个子表达式匹配,而一个位置,却可以同时由多个零宽度的子表达式匹配。
正则表达式由两种字符构成。一种是在正则表达式中具体特殊意义的“元字符”,另一种是普通的“文本字符”。
元字符可以是一个字符,如“^”,也可以是一个字符序列,如“\w”。
1、[…]字符组(Character Classes)
字符组可以匹配[ ]中包含的任意一个字符。虽然可以是任意一个,但只能是一个。
字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时,要求前面字符的码位小于后面字符的码位。
[^…]排除型字符组。排除型字符组表示任意一个未列出的字符,同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。
表达式 |
说明 |
[abc] |
表示“a”或“bc” |
[0-9] |
表示0~9中任意一个数字,等价于[0123456789] |
[\u4e00-\u9fa5] |
表示任意一个汉字 |
[^a1<] |
表示除“”、“1<”外的其它任意一个字符 |
[^a-z] |
表示除小写字母外的任意一个字符 |
举例:
“[0-9][0-9]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“20”。
[^inW]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“d”。
System.out.println("a".matches("[abc]")); // 是否匹配abc中的任何一个 System.out.println("a".matches("[^abc]")); // ^abc表式除了abc的其他字符 System.out.println("A".matches("[a-zA-Z]")); // 匹配小写的a到z或者是大写的A到Z System.out.println("A".matches("[a-z]|[A-Z]")); // 与上面的一样的 System.out.println("A".matches("[a-z[A-Z]]")); // 与上面的一样的意思。写法不同而已 System.out.println("R".matches("[A-Z&&[RFG]]")); // 表示A到Z并且是RFG中三者之一的 // 表示一个数字至少三次,不超过100次:即3位到100位的数字 System.out.println("214523145234532".matches("\\d{3,100}")); // java中两个反斜杠代表一个反斜杠表示转义 System.out.println("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}")); // [中挂号表示范围:第一个数字0到2的范围,第二个数字0到9的范围......] System.out.println("192".matches("[0-2][0-9][0-9]"));
// Pattern是编译好的匹配模式:匹配的是3个字符的字符串,并且每个字符都是从:a-z的里面的字母 Pattern p = Pattern.compile("[a-z]{3}"); Matcher m = p.matcher("fgh"); // Matcher:是匹配器:匹配字符串 System.out.println("m.matches()="+m.matches());// matches:表示是匹配还是不匹配 System.out.println("fga".matches("[a-z]{3}")); //等价上面的三句话
// [&^#%]+ 表示挂号里面的四者之一出现一次或多次 System.out.println("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));
2、常见字符范围缩写
对于一些常用的字符范围,如数字等,由于非常常用,即使使用[0-9]这样的字符组仍显得麻烦,所以定义了一些元字符,来表示常见的字符范围。
表达式 |
说明 |
\d |
任意一个数字,相当于[0-9],即0~9中的任意一个 |
\w |
任意一个字母或数字或下划线,相当于[a-zA-Z0-9_] |
\s |
任意空白字符,相当于[ \r\n\f\t\v] |
\D |
任意一个非数字字符,\d取反,相当于[^0-9] |
\W |
\w[^a-zA-Z0-9_] |
\S |
任意非空白字符,\s[^ \r\n\f\t\v] |
\w\s\d”在匹配“Windows 2003”时,匹配成功,匹配的结果为“s 2”。
// \s:匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效 System.out.println(" \n\r\t".matches("\\s{4}")); System.out.println(" ".matches("\\S")); //大S表示非空白字符 // \w:匹配任何类型字符,包括下划线。与[A-Za-z0-9_]等效 System.out.println("a_8".matches("\\w{3}"));
3、小数点
小数点可以匹配除“\n”以外的任意一个字符。如果要匹配包括“\n”在内的所有字符,一般用[\s\S],或者是用“.”加(?s)匹配模式来实现。
匹配除了换行符\n以外的任意一个字符 |
System.out.println("abc".matches("...")); // .代表除\n以外的任意一个字符
4、其它元字符
匹配字符串开始的位置,不匹配任何字符 |
|
$ |
匹配字符串结束的位置,不匹配任何字符 |
\b |
匹配单词边界,不匹配任何字符 |
^a”在匹配“cba”时,匹配失败,因为表达式要求开始位置后面是字符“a”,而“cba”显然是不满足的。
\d$”在匹配“123”时,匹配成功,匹配结果为“3”,这个表达式要求匹配结尾处的数字,如果结尾处不是数字,如“123abc”,则是匹配失败的。
//unix:的一套标准 . 代表任意字符 //边界匹配: // ^代表一行的开头:以h开头.代表的是任何字符。*代表的是0个或多个字符 System.out.println("hello sir".matches("^h.*")); System.out.println("hello sir".matches(".*")); System.out.println("hello sir".matches(".*ir$")); System.out.println("sir".matches(".*ir$")); System.out.println("1----------------------------------------"); // \\b:表示单词边界:这里就是一个单词的空格 System.out.println("hello sir".matches("^h[a-z]{1,3}o\\b.*")); System.out.println("hellosir".matches("^h[a-z]{1,3}o\\b.*")); System.out.println("2----------------------------------------"); //空白行: // \\s:表示开始的是一个空白字符。&&[^\\n]]表示:并且该空白字符不是换行符。$表示已经是行的末尾了 System.out.println(" \n".matches("^[\\s&&[^\\n]]*\\n$")); System.out.println("aaa 8888c".matches(".*\\d{4}.")); System.out.println("3----------------------------------------"); // \b匹配单词边界 .*表示一个或多个字符 System.out.println("aaa 8888".matches(".*\\b\\d{3}.")); // .*表示一个或多个字符 System.out.println("aaa8888c".matches(".*\\d{4}.")); System.out.println("4----------------------------------------"); System.out.println("aaa8888c".matches(".*\\b\\d{4}."));
5、转义字符
一些不可见字符,或是在正则中具有特殊意义的元字符,如想匹配字符本身,需要用“\”对其进行转义。
\r,\n |
回车和换行 |
\\ |
匹配“\”本身 |
\^\$\. |
分别匹配“^”、“$”和“.” |
以下字符在匹配其本身时,通常需要进行转义。在实际应用中,根据具体情况,需要转义的字符可能不止如下所列字符
. $ ^ { [ ( | ) * + ? \
// java里面两个\代表一个\ :正则表达式也是两个\代表一个\ System.out.println("\\".matches("\\\\")); // d代表的是一个数字: java中两个反斜杠代表一个反斜杠表示转义 System.out.println("a88887tt02y444k4a".replaceAll("\\d","-"));
6、量词(Quantifier)
量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组,或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。
举例 |
|||
{m} |
表达式匹配m次 |
“\d{3}”相当于“\d\d\d” (abc){2}abcabc” |
|
{m,n} |
表达式匹配最少次,最多n\d{2,3}”可以匹配“12”或“321”等2到3位的数字 |
||
表达式至少匹配[a-z]{8,}”表示至少8位以上的字母 |
|||
? |
0次或1次,相当于{0,1} |
ab?aab* |
次或任意多次,相当于<[^>]*>”中“[^>]*”表示个或任意多个不是“>”的字符 |
+ |
次或意多次,至少{1,60);">\d\s+\d”表示两个数字中间,至少有一个以上的空白字符 |
注意:在不是动态生成的正则表达式中,不要出现“{1}”这样的量词,如“\w{1}”在结果上等价于“\w”,但是会降低匹配效率和可读性,属于画蛇添足的做法。
System.out.println("a".matches(".")); System.out.println("aa".matches("aa")); System.out.println("aaaa".matches("a*")); System.out.println("aaaa".matches("a+")); System.out.println("".matches("a*")); System.out.println("aaaa".matches("a+")); System.out.println("".matches("a?")); System.out.println("a".matches("a?"));
7、分支结构(Alternation)
当一个字符串的某一子串具有多种可能时,采用分支结构来匹配,“|”表示多个子表达式之间“或”的关系,“|”是以()限定范围的,如果在“|”的左右两侧没有()来限定范围,那么它的作用范围即为“|”左右两侧整体。
多个子表达式之间取“或”的关系 |
^aa|b$”在匹配“cccb”时,是可以匹配成功的,匹配的结果是“b”,因为这个表达式表示匹配“^aa”或“b$”,而“b$”在匹配“cccb”时是可以匹配成功的。
^(aa|b)$”在区配“cccb”时,是匹配失败的,因为这个表达式表示在“开始”和“结束”位置之间只能是“aa”或“b”,而“cccb”显然是不满足的。
原文链接:https://www.f2er.com/regex/361349.html