正则表达式(regular expression)语法

正则表达式教程知道它有以下用途

  • 验证 表单提交时,需要对参数进行检验
  • 查找 从大量信息中快速提取指定内容,比如提取所有图片地址
  • 替换 将指定格式的文本进行正则匹配查找。

我们以验证为例:

pangugle baidu qq huawei

这段文本是否包含有 pangugle 字符

public class Test
{
  public static void main(String[] args) {
    String str = "pangugle baidu qq huawei";
    System.out.println("rs = " +  str.matches("pangugle.*?"));
  }
}

它的运行结果为

rs = true

pangugle表达我们要匹配的字符串,

  • .*? 中的 . 表示匹配除换行符 \n 之外的任何字符
  • .*? 中的 * 表示匹配0次和多次,这样就能匹配到pangugle后面的字符了
  • .*? 中的 ? 表示尽可能少的匹配所搜索的字符串

因此正则表达式很简单,就像数学表达式一样,无非就是要记住那些字符代表的是什么。

那正则表达式包括那些字符呢?它主要包括以下

  • 普通字符
  • 非打印字符
  • 特殊字符
  • 限定符
  • 定位符
  • 选择符号 用括号 ()
  • 反向引用

正则表达式-普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。 这包括以下

  • 所有大写和小写字母 [a-z] [A-Z]
  • 所有数字 [0-9]
  • 所有标点符号 如 , . 等
  • 一些其他符号

例如:

匹配所有在大小写字符 [a-zA-Z] 匹配所有数字 [0-9]

正则表达式-非打印字符

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列:

字符 描述
\cx 匹配由x指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 'c' 字符。
\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]。注意 Unicode 正则表达式会匹配全角空格符。
\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。

正则表达式-特殊字符

特别字符 描述
$ 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,请使用 \$。
* 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。
. 匹配除换行符 \n 之外的任何单字符。要匹配 . ,请使用 \. 。
{ 标记限定符表达式的开始。要匹配 {,请使用 \{。
? 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。
\ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。例如, 'n' 匹配字符 'n'。'\n' 匹配换行符。序列 '\\' 匹配 "\",而 '\(' 则匹配 "("。
[ 标记一个中括号表达式的开始。要匹配 [,请使用 \[。
^ 匹配输入字符串的开始位置,除非在方括号表达式中使用,当该符号在方括号表达式中使用时,表示不接受该方括号表达式中的字符集合。要匹配 ^ 字符本身,请使用 \^。
( ) 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 \( 和 \)。
| 指明两项之间的一个选择。要匹配 |,请使用 \|。
+ 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。

注意 * 和 + 限定符都是贪婪的,那什么是贪婪呢?

比如我们匹配以下字符

<h1>www.pangugle.com</h1>

贪婪正则表达式: <(.*)>

public class TestRegex {
  public static void main(String[] args)
	{
		String str = "<h1>www.pangugle.com</h1>";
		Pattern p = Pattern.compile("<(.*)>");
		 Matcher m = p.matcher(str);
	      while(m.find())
	      {
	      	System.out.println(m.group(1));
	      }
	}
}

匹配结果为

h1>www.pangugle.com</h1

不贪婪正则表达: <(.*?)>

结果为

h1
/h1

正则表达式-限定符

字符 描述
{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。
? 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 、 "does" 中的 "does" 、 "doxy" 中的 "do" 。? 等价于 {0,1}。
+ 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,}。
{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*'。
* 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,}。
{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。

正则表达式-定位符

字符 描述
\b 匹配一个单词边界,即字与空格间的位置。
\B 非单词边界匹配。
$ 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与 \n 或 \r 之前的位置匹配。
^ 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与 \n 或 \r 之后的位置匹配。