正则表达式

正则表达式的编译表示形式。

因此，典型的调用顺序是

Pattern p = Pattern.compile("a*b");

Matcher m = p.matcher("aaaaab");

boolean b = m.matches();

在仅使用一次正则表达式时，可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句

boolean b = Pattern.matches("a*b", "aaaaab");

等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式。

此类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。

正则表达式的构造摘要

构造

匹配

字符

x

字符 x

\\

反斜线字符

\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

字符类

[abc]

a、b 或 c（简单类）

[^abc]

任何字符，除了 a、b 或 c（否定）

[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）

预定义字符类

.

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]





POSIX 字符类（仅 US-ASCII）

\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]





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()





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）





边界匹配器

^

行的开头

$

行的结尾

\b

单词边界

\B

非单词边界

\A

输入的开头

\G

上一个匹配的结尾

\Z

输入的结尾，仅用于最后的结束符（如果有的话）

\z

输入的结尾





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





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





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





Logical 运算符

XY

X 后跟 Y

X|Y

X 或 Y

(X)

X，作为捕获组





Back 引用

\n

任何匹配的 nth 捕获组





引用

\

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





特殊构造（非捕获）

(?:X)

X，作为非捕获组

(?idmsux-idmsux)

Nothing，但是将匹配标志由 on 转为 off

(?idmsux-idmsux:X) 

X，作为带有给定标志 on - off 的非捕获组

(?=X)

X，通过零宽度的正 lookahead

(?!X)

X，通过零宽度的负 lookahead

(?<=X)

X，通过零宽度的正 lookbehind

(?<!X)

X，通过零宽度的负 lookbehind

(?>X)

X，作为独立的非捕获组

反斜线、转义和引用

反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。

字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

1   

字面值转义   

\x

2   

分组

[...]

3   

范围

a-z

4   

并集

[a-e][i-u]

5   

交集

[a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。

行结束符

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)。

如果激活 UNIX_LINES 模式，则新行符是惟一识别的行结束符。

如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。

默认情况下，正则表达式 ^ 和 $ 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 MULTILINE 模式中时，$ 仅在行结束符之前或输入序列的结尾处匹配。