深入入门正则表达式(java) - 1 - 入门基础
深入入门正则表达式(java) - 2 - 基本实例
深入入门正则表达式(java) - 3 - 正则在java中的使用
深入入门正则表达式(java) - 匹配原理 - 1 - 引擎分类与普适原则
深入入门正则表达式(java) - 匹配原理 - 2 - 回溯
1.元字符
很多人对正则表达式的印象就是乱码。。许许多多的符号组合在一起,偶见单词,正则确实是这样的,所以下面我们要看看这些符号都是什么意思
有些符号不是大家看到的字面上的意思:比如“.”、“!”、“?” ……
这些符号就称之为元字符
很遗憾,这些字符的意义必须牢记
注意:本文的所有红色加粗中文引号内的内容均为正则表达式,而不是一般的字符和符号
下面我们逐一说明
“\” :转义符号,在字符组内依然是元字符。
在检查一行文本时
“^” :脱字符:表示一行的开始
“$” :美元符号:表示一行的结束
字符组
“[]” :一对中括号,里面可以添加任何内容,比如[hate],括号里面的内容是或者的关系,这个正则的意义是:我想匹配一个字符,这个字符可以是h,可以是a,也可以是t或e。
记住:字符组最终只会匹配一个字符。 即使你的目标字符串是hate,那么一次匹配成功的结果也只是第一个字母h,并不是整个单词,如果我就想匹配hate这个单词怎么办?很容易,正则内容为“hate”,在字符组外面的字符的关系是“和,并且”的意思。
注意:字符组内的元字符和字符组外的元字符并不一样,即使字符一样,表示的意义也未必相同 (*)
我们先学习下一个内容,然后再来给大家解释上面的这句话
“[^]” :括号里面以“^”开头,是字符组的否定形式 ,比如:[^hate]表示:匹配除了h、a、t、e以外的其他字符,依然只会匹配一个字符
之前刚刚学过“^”表示一行的开始,但是脱字符位于[]内的起始位置则表示否定,这也解释了(*) 的内容
如果脱字符位于括号内其他位置表示什么呢?那它表示它自己,此时并不再是一个元字符
“-” :减号,可以在字符组内表示区间、范围。比如“[a-z]”,表示匹配a到z直接的任意一个小写字母,如果是“[-z]”,那么“-”只表示它自己,没有任何特殊意义,它在字符组外也没有任何特殊意义。
ps:关于“^”、“$”、“-”的其他用法将在高级基础篇讲述
“.” :点号,匹配一个任意字符的字符组简便写法。“.”在字符组内没不是元字符
ps:“.”也不是万能的,有些字符无法匹配,之后会详细解释并给出替代方案
“|” :竖线,表示或者,这个很容易记忆,如果想匹配hate或者like,那么正则为:“hate|like”
注意:如果想匹配I hate you和I like you。那么正则为:“I (hate|like) you”。如果写成“I hate|like you”,那么匹配的结果为“I hate”或者是“like you”了
这里圆括号的作用是控制竖线的作用范围,“()”有很多作用,稍后再说
(对于传统NFA来说,选择结构是按顺序的,并不是匹配优先也不是忽略优先,关于NFA请参看 深入入门正则表达式(java) - 匹配原理 - 1 - 引擎分类与普适原则 )
“\b” :它的作用是单词分隔符,如果我想匹配like,那么正则为“like”,没错,但是会得到一些我不想要的结果,比如likely也会跑到结果集中,我可不想要这些单词。那么修改正则为:“\blike\b”,这回就只能匹配like这个单词了。
注意:java中的单词分隔符为“\b”,有些语言的单词分隔符为“\<” 和“\>” 。
单词边界是什么呢?其实正则没有那么聪明,它不会识别“Ilikeyou”为“I like you”,它只是找到数字和字母的起始位置和结束位置而已
“\w” :单词字符。在java中相当于“[a-zA-Z0-9_]”。 但是java中的“\b”却支持Unicode字符。
下面我们来看看正则中的“数字” - 量词
“?” :表示0个至1个
“*” :表示0个至任意多个
“+” :表示至少一个
“{min,max}” :区间量词。“{2,5}”,表示匹配2到5次。“{2,}”表示至少两次,“{2}”表示只匹配两次。 “{,2}”,正则错误,无意义
举个例子:正如上面的反面教程所说,如果想匹配一个正整数,那么应该如何来做
首先我们需要明确:我不想匹配0123,只想匹配123这样的数字,0不能开头,第二个要求就是除了数字不能有其他字符了
之前我们学过字符组了,“[0-9]”可以表示0至9中任意一个数字,那么根据上面的量词,我们改正则为“[0-9]+”,表示至少有一个数字,至多没有限制。但是0123这样的数字也会满足要求。那么我们再修改一下,首先第一位不能为0,那么这一位可以写为“[1-9]”,表示匹配1到9的任何一个数字,之后呢?后面的数字有没有都无所谓了,有,那就是多位数,没有,那就是一位数。所以正则为“[1-9][0-9]*”。
贪婪与懒惰
我们再来看一个量词的例子。比如我想匹配一个单词,正则可以这么写“[a-zA-Z]+”。
RegexBuddy每次匹配颜色交叉,就能知道每次都匹配到的是什么了
我们来看第一次的结果,是“there”
有个问题就出来了:“\w+”表示至少一个“\w”,那么为什么结果不是“t”、“h”、“e”、“r”、“e”,而是“there”。
上面的量词,除了“{times}”这种指定匹配次数的,其余默认均为贪婪匹配。也就是说尽可能多的匹配。
相对的就有惰性匹配,那么惰性匹配如何使用?
下面修改一下例子:“\w*e”表示以e结尾的单词,现在这里的*还是贪婪匹配。
如果我想匹配到单词中的第一个e,那么如何修改呢?
还是来看there,这回“\w+”只匹配了“th”,并没有匹配到“ther”才停止。
惰性匹配就是尽可能少的匹配,使用方法就是在量词后面加上“?”
如果量词后面没有“?”等其他量词,那么就是默认的贪婪匹配。
“?”,“*”,“+”:也叫匹配优先量词
“*?”,“+?”,“??”:也叫忽略优先量词
其实还有一种量词:
“?+”,“*+”,“++”:占有优先量词 。 (支持这种量词的正则引擎很少,java支持)
这节不讨论这种类型量词,之后的章节讨论
() :将括号里面的内容作为一个独立的单元,理解为一组。
反向引用
“\”+数字 :好多语言能记住“()”里面匹配到的内容,比如java。如果我只想使用“()”匹配到的内容,那么可以使用反向引用。
比如我想找两个一样的单词,总有不小心写错的时候,可能会出现hate hate这样的时候,那么正则应该如何书写呢?
“(hate) \1”
这样就能匹配到了
通常我们不只局限于一个单词,那么我们可以写为:“([a-zA-Z]+) \1”,这样也能找到hate hate形式的错误。
注意:这里([a-zA-Z]+)表示至少一个英文字母,后面的\1不表示至少一个英文字母,而是表示说与()匹配的结果一致! “([a-zA-Z]+) \1”不是“([a-zA-Z]+) ([a-zA-Z]+)”的简写
比如:目标字符串为likely like,“([a-zA-Z]+) ”会匹配到likely和一个空格,“\1”不会匹配“([a-zA-Z]+)”,因为之前括号的结果不是like,所以这次查找失败,无结果。
反向引用中的数字的确定
例如“((\d)(\d))\d”来匹配123这个数字。那么“\1”的结果是遇见的第一个括号,就是最外面的,“\1”结果为12。按着顺序“\2”结果为1,“\3”结果为2
最后再说下“()” ,反向引用 的开始已经说出了括号的另一个作用,那就是保存捕获的内容,这种类型的括号叫做捕获型括号 ,相对应的就有非捕获型括号“(?:)”
“(?:)” :非捕获型括号。“(?:hate)”会匹配到hate这个字符串,但是如果你企图使用反向引用“(?:hate) \1”,那么就会出现错误。这样的操作是非法的。
注意:非捕获型括号不影响捕获计数 ,获取“((?:\d)(\d))”中的“(\d)”捕获的内容为\2,不再是\3
好处:
1.提高效率,很容易理解,不记住捕获的内容也就不占用内存了
2.结构清晰
常用空白字符
“\s” :表示所有空白字符。
“\t” :制表符。
“\n” :换行符。
“\r” :回车。
一些其他常用的缩略表示
“\S” :除“\s”之外的任何字符
“\w” :等同于[a-zA-Z0-9_]
“\W ” :除“\w”之外的任何字符
“\d” :等同于[0-9]
“\D” :除“d”之外的任何字符
有些工具不支持,比如EditPlus v3.10 中的查找就不支持\d等。
环视(零宽断言)
环视分为顺序和逆序,肯定和否定,组合一下一共4种。下面就看看环视到底是什么
“(?=)” :顺序肯定环视:(从左至右)查看文本,如果能够匹配,就返回匹配成功信息。
“(?<=)” :逆序肯定环视:(从右至左)查看文本,如果能够匹配,就返回匹配成功信息。
“(?!)” :顺序否定环视:(从左至右)查看文本,如果不能够匹配,就返回匹配成功信息。
“(?<!)” :逆序否定环视:(从右至左)查看文本,如果不能够匹配,就返回匹配成功信息。
下面看几个简单的实例,然后就很容易明白上面的火星语了
例:下面有两句话,加入你只想找到book,不想找到books
there is a book on the desk.
there are some books on the desk.
最简单的办法是:“book\b”,这很容易理解,book后面跟着单词分隔符,book后面如果是s,那么肯定被认为是一个单词,所以这样不会匹配到books。如果用环视,应该如何书写呢
“book(?!\w)”
正则中的book很好理解,依次匹配b、o、o、k,然后呢,\w在上面说过等同于[a-zA-Z0-9],“(?!\w)”是说:我要找这样一个位置,这个位置的后面不能是\w。
第一句话中,在匹配了book后,发现紧跟的是一个空格,恩,不是\w中的内容,匹配成功。
注意:环视不会占用字符!环视查找的是字符与字符之间的位置。
环视括号并没有捕获字符的功效,所以不能使用反向引用。
上图画三角号的位置就是这个环视匹配的位置
如果想匹配books的book怎么办,很简单“book(?=s)”
上面演示了肯定顺序环视和否定顺序环视。下面演示了环视不占用字符。
比较容易理解吧,这个例子没有任何实际意义,仅做演示用
之后会给出一些有意义的例子
2.正则模式与匹配模式
此部分内容基本来自《精通正则表达式》 v3
1.忽略大小写模式: (java中使用Pattern.CASE_INSENSITIVE)
2.宽松排列与注释模式: 此模式会忽略字符组外部的所有空白字符 ,但是在java.util.regex中,字符组之外的所有空白字符并非都被忽略,而是作为一个“无意义字符(do-nothing metacharacter)” 。正则“\12 3”表“3”在“\12”之后,而非表示“\123”(java中使用Pattern.COMMENTS)
ps:“空白字符”的定义取决于所采用的字符编码的定义,以及此编码对空白字符的支持程度。大多数程序只能识别ASCII的空白字符。
3.点号通配模式(单行模式): (dot-match-all match mode)通常点号是不能匹配换行符的。 但是在java中情况特殊:在sun的正则表达式包,点号能够匹配未使用此模式时点号不能匹配的所有单字符Unicode行终止符。 (java中使用Pattern.DOTALL )
符:Unicode行终止符
字符 | 描述 | ||||||||||||||||||||||||
|
|
4.增强的锚点模式(多行文本模式): (Enhanced line-anchor match mode)此模式影响“^”和“$”的匹配。 通常情况下“^”不能匹配字符串内部的换行符,而只能匹配目标字符串的起始位置。在此增强模式下,它能够匹配字符串中内嵌的文本行的开头位置。“$”也是这样,此模式下可以匹配字符串内部的换行符。这里可能不是很好理解,之后的实例会介绍,其中还包括“\A”,“\Z” 和“\z” 的意义(java中使用Pattern.CASE_INSENSITIVE)
5.文字文本模式: 此模式几乎不能识别任何元字符 。比如此模式下正则“[a-z]+” 匹配的就是字符串“[a-z]+”而并不是连续的小写英文字母(java中使用Pattern.CASE_INSENSITIVE)
上面的几种模式如果没有理解,可以看之后的教程。
将会在基本实例和高级基础中讨论。
转贴请保留以下链接
本人blog地址
相关推荐
1. **正则表达式基础**: - **元字符**:如`.`(匹配任意字符,除了换行符)、`\d`(匹配数字0-9)、`\w`(匹配字母、数字或下划线)、`\s`(匹配任何空白符)等。 - **量词**:`*`(匹配前面的字符0次或多次)、`...
### Java正则表达式详解 #### 一、正则表达式的重要性及应用 正则表达式,作为一种强大的文本处理工具,对于程序员而言是不可或缺的基本技能之一。它在文本的匹配、搜索和替换等方面发挥着不可替代的作用。尤其在...
Java正则表达式是编程语言Java中用于处理文本的强大工具,它源于早期的神经网络理论研究,由数学家Stephen Kleene提出并应用在Ken Thompson的计算搜索算法中,尤其是在Unix的qed编辑器中得到实际应用。自那时起,...
正则表达式---Java正则表达式详解(非常适合入门),几年前的材料了,但是很经典,正则表达式入门必看
正物色一本学习正则表达式的入门图书?恭喜,《学习正则表达式》非常适合你!本书提供大量经典简洁的示例,从零开始教你逐步掌握正则表达式。通过匹配特定单词、字符和模式,读者很快就可以自己动手使用正则表达式...
### 正则表达式入门与基础详解 #### 一、正则表达式的概念与作用 正则表达式(Regular Expression,简称 Regex 或 RE)是一种强大的文本处理工具,它能够帮助我们进行复杂的字符串搜索和替换操作。正则表达式在...
1. **正则表达式基础概念** - **字符类**:如`\d`代表数字,`\w`代表字母或数字,`\s`代表空白字符。 - **量词**:如`*`表示零个或多个,`+`表示一个或多个,`?`表示零个或一个。 - **边界**:如`^`表示行首,`$`...
本文将深入介绍这两个语言中的正则表达式基础及其应用。 首先,让我们从JavaScript开始。在JavaScript中,正则表达式是通过构造函数`RegExp`来创建的,或者直接在字符串中使用斜杠`/`进行定义。例如,要创建一个...
在这个“Java正则表达式从入门到精通”的主题中,我们将深入探讨以下几个关键知识点: 1. **正则表达式基础** - **元字符**:如`.`代表任意字符,`^`表示行首,`$`表示行尾,`\d`代表数字,`\w`代表字母或数字等。...
本篇文章将深入探讨Java中的正则表达式基础,以及一些常用的技巧和需要注意的点。 首先,我们需要了解Java中使用正则表达式的API。`java.util.regex`包提供了三个主要类:`Pattern`、`Matcher`和`...
#### 2.1 正则表达式基础 - `\d`:匹配任何数字。 - `\D`:匹配任何非数字字符。 - `\w`:匹配任何字母、数字或下划线。 - `\W`:匹配任何非单词字符。 - `^` 和 `$`:分别表示字符串的开始和结束。 - `*`, `+`, `?...
尽管入门教程能够在较短时间内提供基础知识,但正则表达式的高级用法往往需要更深入的学习和实践。对于一些复杂的正则表达式编写,例如在文本处理中提取特定数据,可能需要编写者具备较强的逻辑分析能力和经验积累。...
在本视频教程中,讲师逐步从基础到高级,详细介绍了Java正则表达式的使用方法,非常适合初学者入门。 首先,我们要理解正则表达式(Regular Expression,简称regex)的基本概念。它是一种特殊的字符序列,可以用来...
通过学习上述知识点,结合《正则表达式入门经典》和“正则表达式解释器实现原理”,你可以构建起坚实的正则表达式基础,从而在日常工作中更高效地处理文本数据,解决各种复杂的字符串匹配问题。同时,不断实践和调试...
1. **查找字符串**:你可以使用正则表达式来检查一个字符串是否包含特定的模式或文本。 2. **替换文本**:正则表达式也能用于在字符串中找到匹配的模式,并将其替换为其他文本。 3. **验证字符串格式**:例如,你...
本文将深入浅出地介绍Java中的正则表达式基础,包括其基本语法、常用元字符、以及如何在Java中使用正则表达式进行匹配和替换操作。 #### 正则表达式基础语法 正则表达式是一种用于描述字符串模式的语言,它由一...
1. 正则表达式基础: - 字符类:如\d代表数字,\w代表字母或数字,\s代表空白字符。 - 量词:*表示零次或多次,+表示一次或多次,?表示零次或一次,{n,m}表示n到m次。 - 选择与或:|符号用于选择两个或多个模式中...
【正则表达式基础】 正则表达式是一种强大的文本处理工具,用于匹配、查找、替换或提取文本中的模式。在编程语言中,正则表达式常用于数据验证、字符串搜索和替换等操作。《精通正则表达式》一书详细介绍了正则...