正则表达式1：概念

1. 概念

        在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。

        正则表达式是一种可以用于模式匹配和替换的规范。

        一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它用以描述在查找文字主体时待匹配的一个或多个字符串。

        正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。


        自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。


2. 一些正则表达式

        （1）

        \\        反斜杠
        \t        间隔 ('\u0009')
        \n        换行 ('\u000A')
        \r        回车 ('\u000D')
        \d        数字 等价于[0-9]
        \D        非数字 等价于[^0-9]
        \s        空白符号 [\t\n\x0B\f\r]
        \S        非空白符号 [^\t\n\x0B\f\r]
        \w        单独字符 [a-zA-Z_0-9]
        \W        非单独字符 [^a-zA-Z_0-9]
        \f        换页符
        \e        Escape
        \b        一个单词的边界
        \B        一个非单词的边界
        \G        前一个匹配的结束


        （2）

        ^         限制开头（^java：条件限制为以Java为开头字符）
        $         限制结尾（java$：条件限制为以java为结尾字符）
        .         条件限制除\n以外任意一个单独字符（java..：条件限制为java后除换行外任意两个字符）


        （3）加入特定限制条件

        （3.1）加入特定限制条件「[]」：

        [a-z]        条件限制在小写a to z范围中一个字符
        [A-Z]        条件限制在大写A to Z范围中一个字符
        [a-zA-Z]     条件限制在小写a to z或大写A to Z范围中一个字符
        [0-9]        条件限制在小写0 to 9范围中一个字符
        [0-9a-z]     条件限制在小写0 to 9或a to z范围中一个字符
        [0-9[a-z]]   条件限制在小写0 to 9或a to z范围中一个字符(交集)


        （3.2）[]中加入^后加再次限制条件「[^]」

        [^a-z]       条件限制在非小写a to z范围中一个字符
        [^A-Z]       条件限制在非大写A to Z范围中一个字符
        [^a-zA-Z]    条件限制在非小写a to z或大写A to Z范围中一个字符
        [^0-9]       条件限制在非小写0 to 9范围中一个字符
        [^0-9a-z]    条件限制在非小写0 to 9或a to z范围中一个字符
        [^0-9[a-z]]  条件限制在非小写0 to 9或a to z范围中一个字符(交集)


        （3.3）在限制条件为特定字符出现0次以上时，可以使用「*」

        J*           0个以上J
        .*           0个以上任意字符
        J.*D         J与D之间0个以上任意字符


        （3.4）在限制条件为特定字符出现1次以上时，可以使用「+」

        J+           1个以上J
        .+           1个以上任意字符
        J.+D         J与D之间1个以上任意字符


        （3.5）在限制条件为特定字符出现有0或1次以上时，可以使用「?」

        JA?          J或者JA出现


        （3.6）限制为连续出现指定次数字符「{a}」

        J{2}         JJ
        J{3}         JJJ
        文字a个以上，并且「{a,}」
        J{3,}        JJJ,JJJJ,JJJJJ,???(3次以上J并存)
        文字a个以上，b个以下「{a,b}」
        J{3,5}       JJJ或JJJJ或JJJJJ
        两者取一「|」
        J|A          J或A
        Java|Hello   Java或Hello


        （3.7）「()」中规定一个组合类型

        比如，查询<a href=\"index.html\">index</a>中<a href></a>间的数据，可写作<a.*href=\".*\">(.+?)</a>


        （4）用Pattern.compile函数时

        在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数： Pattern Pattern.compile(String regex, int flag)

        flag的取值范围如下：

        （4.1）Pattern.CANON_EQ

        当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。

        比如用了这个标志之后，表达式"a\u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonical equivalence)"。


        （4.2）Pattern.CASE_INSENSITIVE(?i) 

        默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。

        这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配，只要将UNICODE_CASE与这个标志合起来就行了。


        （4.3）Pattern.COMMENTS(?x) 

        在这种模式下，匹配时会忽略(正则表达式里的)空格字符。

        (译者注：不是指表达式里的"\\s"，而是指表达式里的空格，tab，回车之类)。

        注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。


        （4.4）Pattern.DOTALL(?s) 

        在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。

        默认情况下，表达式'.'不匹配行的结束符。


        （4.5）Pattern.MULTILINE(?m) 

        在这种模式下，'^'和'$'分别匹配一行的开始和结束。

        此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。


        （4.6）Pattern.UNICODE_CASE(?u)   

        在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。

        默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。


        （4.7）Pattern.UNIX_LINES(?d) 

        在这个模式下，只有'\n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。


        请多的内容，请查看java.util.regex包中的Pattern类。

评论

1 楼 mute_ 2015-08-23  

特别腻害呢