<Java>25 正则表达式

25 正则表达式

正则表达式：对字符串执行模式匹配的技术。一个正则表达式，就是用某种模式去匹配字符串的一个公式。除 Java 外，还有许多语言支持正则表达式。

String content = "HeruinKCoin";				//对象文本
String regular = "[A-Z]";					//[1] 创建规则
Pattern pattern = Pattern.compile(regular);	//[2] 创建模式对象
Matcher matcher = pattern.matcher(content);	//[3] 创建匹配器
while (matcher.find()){						//[4] find() 是否找到下一个
    System.out.println(matcher.group(0));	//[5] group(0) 输出找到的当前对象
}

Matcher 底层维护了一个 group[] 数组。如果 [4] 在文本里匹配到对象，会在 group[0] 记载该起始位置 n1，在 group[1] 记录该结束位置的下一位 n2。即 [n1,n2) 为匹配的字符串，n2 位置是下次匹配的起始位置。

当 [1] 创建的规则包含分组（如 String regular = "(\\d\\d)(\\d\\d)";），则第一组的起止位置记录在 group[2]、group[3]，第二组在 group[4]、group[5]。以此类推。这时，[5] 的 group(0) 代表输出全部，group[1] 代表输出第一组，以此类推。

25.1 语法

元字符

• 限定符
• 选择匹配符
• 分组组合和反向引用符
• 特殊字符
• 字符匹配符
• 定位符

25.1.1 转义符号 \

使用正则表达式去检索某些特殊字符时，需要加上转义符号（如：( 需要写成 \(）

在 Java 的正则表达式中，\\ 代表一个 \。——见 [1.8 Java 转义字符 ]

需要用到转义符号的字符有：.、+、(、)、$、/、\、?、[、]、^、{、}

25.1.2 字符匹配符

符号	含义	示例	解释
[ ]	可接收的字符列表	[abcd]	abcd 中的任一字符
[^]	不接收的字符列表	[^abcd]	非 abcd 的任意字符
-	连字符	[a-z]	a - z 中的任意字符
.	匹配除 \n 外的任意字符	a..b	a 开头，b结尾，中间含 2 字符
\d	匹配单个数字字符	\d{3}	包含 3 个数字
\D	匹配单个非数字字符	\D(\d)*	单个非数字字符开头，后接任意个数字字符
\w	匹配单个数字、大小写字母字符	\w{2}\d{3}	2 个数字字母字符开头，后接 3 个数字字符
\W	匹配单个非数字、非大小写字母字符	\W+\d{2}	以至少 1 个非数字字母字符开头，后接 2 个数字字符
\s	匹配空白字符（空格、制表位等）
\S	匹配非空白字符

• 关于 .：特别地，出现 [.] 的场合，那个小圆点依然表示小圆点。[?] 同理，表示问号

• 正则表达式默认区分大小写。要不区分大小写，就加上 (?i)

  • (?i)abc：即 abc 都不区分大小写

  • a(?i)bc：即仅 bc 不区分大小写

  • a((?i)b)c：即仅 b 不区分大小写

  • 创建模式对象时，若如此做：

    Pattern pattern = Pattern.compile(regular, Pattern.CASE_INSENSITIVE);

    这个场合，也能不区分大小写。

25.1.3 选择匹配符 |

……我的感想是，和 Java 的逻辑或 | 一样！

25.1.4 限定符

符号	含义	示例	解释
*	指定字符重复任意次（可以为 0 次）	(abc)*	仅包含任意个 abc 字符串的字符串
+	指定字符重复至少一次	m+(abc)*	以任意个 m 开头，后面可以有 abc 字符串的字符串
?	指定字符重复最多一次（可以为 0 次）	m+abc?	以任意个 m 开头，后面可以有最多一个 abc 字符串的字符串
{n}	n 个匹配	[abc]{3}	长度为 3 的 abc 中的任意字符的组合
{n,}	至少 n 个匹配	[abc]{3,}	长度不小于 3 的 abc 中的任意字符的组合
{n,m}	n 到 m 个匹配	[abc]{3,5}	长度介于 3 到 5 之间的 abc 中的任意字符的组合

• Java 的匹配模式默认是贪婪匹配。即：aaaaa 匹配 a{3,5} 的场合，会匹配到 aaaaa

  希望实现非贪婪匹配，可以添加额外的 ?。如：*?、+?、?? 代表各自规则的非贪婪匹配

25.1.5 定位符

符号	含义	示例	解释
^	指定起始字符	^[0-9]+[a-z]*	至少一个数字开头，后接任意小写字母字符串
&	指定结束字符	^[0-9][a]$	一个数字开头，一个 a 结尾
\b	匹配目标字符串的边界	K\.C\b	匹配边界的 K.C
\B	匹配目标字符串的非边界	K\.C\B	匹配非边界的 K.C

• 边界即字符串的末尾，或字符串中空格间隔的子串的末尾。

25.1.6 分组

符号	含义
(pattern)	非命名捕获。捕获匹配的字符串。
(?<name>pattern)、(?'name'pattern)	命名捕获。用于 name 的字符串不能包含标点符号，也不能以数字开头

• 编号为 0 的第一个捕获是由整个正则表达式匹配的文本。其他捕获结果根据左括号的顺序从 1 开始自动编号。

25.1.7 非捕获分组

符号	含义	示例	解释
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式。	`industr(?:y	ies)`
(?=pattern)	匹配处于 pattern 前的搜索字符串。非捕获分组。	`Windows(?=7	10
(?!pattern)	匹配不处于 pattern 前的搜索字符串。非捕获分组。	`Windows(?!7	10

25.2 常用类

• Pattern 类：

  Pattern 对象是一个正则表达式对象，该类没有公共构造方法。

  用 Pattern.compile(reg) 获取一个 Pattern 对象。

• Matcher 类：

  Matcher 对象是输入字符串进行解释和匹配的引擎，也没有公共构造方法。

  用 Pattern 对象的 matcher(content) 方法获得一个 Matcher 对象。

• PatternSyntaxExcption 类：

  PatternSyntaxExcption 是一个非强制异常类，表示一个正则表达式中的语法错误。

25.2.1 Pattern 类常用方法

• Pattern.matches(reg, content)：整体匹配，输入的字符串是否符合表达式。返回布尔值。

  matcher.matches()：整体匹配，字符串是否符合表达式。返回布尔值。前面的方法实际上就是这个方法。

• Pattern.compile(reg)：返回一个指定表达式的 Pattern 对象

• pattern.matcher(content)：返回一个字串的 Matcher 对象

• matcher.pattern()：返回该 Matcher 对象的表达式

  pattern.pattern()：返回该 Pattern 对象的表达式

• matcher.find()：尝试查找下一个匹配的序列，返回布尔值

  matcher.find(int)：重置该匹配器，从指定索引位置开始重新查找

• matcher.start()：返回本次匹配的字符起始位置的索引

  matcher.end()：返回本次匹配的字符结束位置 + 1 的索引

  这个场合，content.substring(matcher.start(), matcher.end()) 就是匹配的字符串

• matcher.start(int)：返回本次匹配的字符的该组内容的起始位置的索引

  matcher.end(int)：返回本次匹配的字符的该组内容的结束位置 + 1 的索引

• matcher.replaceAll(str)：替换匹配到的全部内容

  matcher.replaceFirst(str)：替换第一次匹配到的内容

  这些场合，返回的字符串才是替换后的字符串。原字符串不变。

25.3 分组、捕获、反向引用

• 分组（子表达式）

• 捕获：把正则表达式中，子表达式（分组）的内容保存到内存中以数字编号或显式命名的组里，方便后面引用。以分组的左括号为标志，第一组组号为 1，第二组为 2，以 0 代表整个正则表达式。

• 反向引用：分组的内容被捕获后，可以在这个括号后使用。这种引用既可以是在正则表达式内部，也可以在外部。内部反向引用 \分组号、外部反向引用 $分组号

  String regular = "(\\w)\\1+";			//即，重复的字母或数字
  Matcher matcher = Pattern.compile(regular).mathcer(content);
  content = matcher.replaceAll("$1");		//这样，就完成了去重

25.4 在 String 中使用正则表达式

• str.matches(reg)：整体匹配
• str.replaceAll(reg, reg)：替换匹配到的全部内容
• str.split(reg)：分割内容