正则表达式整理一

一、正则表达式的元字符

 

元字符	说明	备注
^	代表行的开始	^abc匹配以abc为开头的行
$	代表行的结束	abc$匹配以abc为结尾的行
[字符组] []	匹配若干字符之一	[abc]表示匹配a或者b或者c。 -连字符表示一个范围，[a-zA-Z]匹配字母。如果想把连字符在字符组内作为一个正常的字符，必须放在最前面[-a-z] 在字符组内的字符除了连字符，其他都不是元字符。例如[*+?]表示匹配* + ?字符中的一个 ^表示匹配一个未列出的字符  [^a-z0-9]。表示匹配除a-z和0-9之间的字符。^必须放在开头
|	表示或的关系	cat|dog表示匹配cat或者dog。 或的字符范围是以括号为限制的。例如^cat|dog表示的匹配^cat或者dog。^(cat|dog)
.	匹配任意字符
\<	单词的起始位置	\<cat 以cat开始的单词
\>	单词的结束为止	cat\>以cat结尾的单词
\	转义字符	\*表示就是匹配*。不作为元字符使用
\b	单词分界符
\d	数字[0-9]	匹配数字         \D表示匹配非数字
\s	匹配空白	包括空格、tab、换行、回车   \S表示匹配非空白
\w	匹配包括下划线的任何单词字符	类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。 \W匹配任何非单词字符。

 

 二、量词

元字符	说明	备注
*	0-无穷	a*表示匹配0个到多个a字符
?	0-1	可以不出现，也可以出现
+	1-无穷	至少出现一次
{min,max}	min-max	能够出现的容许范围是min-max   例如{3,,6}
{n}	n	固定出现的次数
{min,}	至少出现的次数
{0,max}	至多出现的次数

 

三、反向引用

可以匹配与先前部分匹配的同样的文本。正则表达式可以记忆先前匹配的文本。

例如匹配重复的单词，例如 the the

([a-zA-Z]+)\s\1

当然可以出现多个括号，引用的顺序是以开括号从左向右就行的，例如([a-z]+)([A-Z])\s+\1\2

四、问号关联的元字符

环视结构不匹配字符，匹配特定位置

 

元字符	说明	备注
(?:xxx)	分组但是不捕获
(?=xxx)	肯定顺序环视	子表达式可以匹配右侧的文本
(?!=xxx)	否定顺序环视	子表示式不能匹配右侧的文本
(?<=xxx)	肯定逆序环视	子表达式可以匹配左侧的文本
(?<!xxx)	否定逆序环视	子表达式不能匹配左侧的文本

 

五、示例

 1、提取javadoc的标签和值

标签都是以@开头的，而且标签的key为字母、数字、下划线、连接符组成。然后是空白。然后是value值

value值得模式为非@符合、非换行符。

 

public class TagParser
{
	private static final Pattern pattern = Pattern.compile("@([\\w-]+)\\s+([^@\\r\\n]+)");
	private List<Pair> tags = new ArrayList<Pair>();

	public void parse(String content)
	{
		tags.clear();
		Matcher matcher = pattern.matcher(content);
		while (matcher.find())
		{
			Pair p = new Pair();
			p.key = matcher.group(1);
			p.value = matcher.group(2);
			tags.add(p);
		}
	}

	public List<Pair> getTags()
	{
		return Collections.unmodifiableList(this.tags);
	}

	public static final class Pair
	{
		private String key;
		private String value;

		public String getKey()
		{
			return key;
		}

		public String getValue()
		{
			return value;
		}

	}
}

 2、为数字插入逗号分隔符

 

例如数字123456789可读性比较差，插入逗号123,456,789.

此时需要匹配位置，这个位置的左边存在数字，右边数字的个数是3的倍数。

初始定的正则表达式为：(?<=\d)(?=(\d\d\d)+)。但是运行的时候结果为1,2,3,4,5,6,789。因为右边始终是3的倍数的

修改表达式为：(?<=\d)(?=(?:\d\d\d)+$)         这个位置的左边存在数字，右边数字的个数是3的倍数，然后是结尾。