正则表达式入门

出处:   http://gongmingwind.iteye.com/blog/316864

 

 

首先说一下java正则表达式的重点概念: 
第一、相关类：Pattern、Matcher 
第二、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。 

第三、正则表达式的构造摘要 
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） 

说明： 
[]表示范围--某一个字符的范围 
^表示非 
&&表示 

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] 
说明：预定义字符类和字符类部分可以互换。如：[0-9] == \d 

数量词 
X? ：X出现一次或一次也没有 
X* ：X出现零次或多次 
X+ ：X出现一次或多次 
X{n} ：X出现恰好 n 次 
X{n,} ：X出现至少 n 次 
X{n,m} ：X出现至少 n 次，但是不超过 m 次 
例子：a?bc 表示在一个字符串中a出现0次或1次，abc或bc都可以匹配，aabc不可匹配 

捕获组和非捕获组 

组的表示方法： 
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) 

组零始终代表整个表达式 

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器检索。 


Back 引用 是说在后面的表达式中我们可以使用组的编号来引用前面的表达式所捕获到的文本序列(是文本不是正则)。 



例如 ([" ']).* \1   其中使用了分组，\1就是对引号这个分组的引用，它匹配包含在两个引号或者两个单引号中的所有字符串，如，"abc" 或 " ' " 或 ' " '  ，但是请注意，它并不会对" a'或者 'a"匹配。原因上面已经说明，Back引用只是引用文本而不是表达式。 


非捕获组 

      以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。就是说，如果小括号中以?号开头，那么这个分组就不会捕获文本，当然也不会有组的编号，因此也不存在Back 引用。 

在Java中，支持的非捕获组，有如下几种： 

(?=X)     X，通过零宽度的正 lookahead 即左侧匹配 
(?!X)     X，通过零宽度的负 lookahead 即左侧匹配 
(?<=X)     X，通过零宽度的正 lookbehind 即右侧匹配 
(?<!X)     X，通过零宽度的负 lookbehind 即右侧匹配 
  



这四个非捕获组用于匹配表达式X，但是不包含表达式的文本。 

(?=X ) 
零宽度正先行断言。仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，\w+(?=\d) 与后跟数字的单词匹配，而不与该数字匹配。此构造不会回溯。 
(?!X) 
零宽度负先行断言。仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，例如，\w+(?!\d) 与后不跟数字的单词匹配，而不与该数字匹配。 
(?<=X) 
零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 与跟在 19 后面的 99 的实例匹配。此构造不会回溯。 
(?<!X) 
零宽度负后发断言。仅当子表达式 X 不在此位置的左侧匹配时才继续匹配。例如，(?<!19)99 与不跟在 19 后面的 99 的实例匹配 

说明： 
非捕获组中四个表达式的区别： 
(?=X ) 和(?!X)用于右侧匹配 
(?<=X)和(?<!X)用于左侧匹配 



举例： 

上面都是理论性的介绍，这里就使用一些例子来说明一下问题： 

   1、测试匹配性   (abc)+def(?<!4)56(?=9) 这里的含义就是匹配 以一个或多个abc开头后跟def的文本，而且后面的文本56前面不能是4，后面必须是9组成。因此，可以匹配如下文本 abcdef5569  ，与abcdef4569不匹配。 



  2 、提取字符串   提取 da12bka3434bdca4343bdca234bm   提取包含在字符a和b之间的数字，但是这个a之前的字符不能是c,b后面的字符必须是d才能提取。 
        例如这里就只有3434这个数字满足要求。那么我们怎么提取呢？ 

       首先我们写出提取这个字符串的表达式： (?<!c)a(\d+)bd  这里就只有一个捕获组(\d+) 

JAVA代码片段如下： 

Pattern p = Pattern.compile("(?<!c)a(\\d+)bd");
Matcher m = p.matcher("da12bca3434bdca4343bdca234bm");
while(m.find()){
  System.out.println(m.group(1)); //我们只要捕获组1的数字即可。结果 3434
  System.out.println(m.group(0)); // 0组是整个表达式，看这里，并没有提炼出(?<!c)的字符 。结果 a3434bd
}

可以看到，非捕获组，最后是不会返回结果的，因为它本身并不捕获文本。 

/**
 *
 */
package cn.com.kn.test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 功能说明: 2009-1-13 上午10:27:44
 *
 * @author gmw
 *
 */

public class PatternTest {

    public void testParttern(){
                  //表达式的功能：验证必须为数字（整数或小数）
        String pattern = "[0-9]+(.[0-9]+)?";
        //对()的用法总结：将()中的表达式作为一个整体进行处理，必须满足他的整体结构才可以。
        //(.[0-9]+)? ：表示()中的整体出现一次或一次也不出现
        Pattern p = Pattern.compile(pattern);
        Matcher m = p.matcher("2");
        boolean b = m.matches();
        if(b){
            System.out.println("istrue:"+b);
        }

    }


    public static void main(String[] args) {
        PatternTest pt = new PatternTest();
//      pt.testFormat("2");
        pt.testParttern();


    }
}