Java正则表达式详解.docx
Java正则表达式详解正则表达式(Regular Expression )又称正规表示法、常规表示法，在代码中常简写为regex、regexp或RE ,它是计算机科学的一个概念。正则表达式是一个强大的字符串处理工具，可以对字符串进行查找、提取、分割、替换等操 作，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(如字符 az )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。String类里也提供了如下几个特殊的方法。boolean matches(String regex):判断该字符串是否匹配指定的正则表达式。String replaceAII(String regex, String replacement):将该字符串中所有匹配 regex的子串替换成replacementoString replaceFirst(String regex, String replacement):将该字符串中第一个匹 配regex的子串替换成replacementoString split(String regex):以regex作为分隔符，把该字符串分割成多个子串。上面这些特殊的方法都依赖于Java提供的正则表达式支持，除此之外，Java还提供了Pattern和Matcher两个类专门用于提供正则表达式支持。 很多读者都会觉得正则表达式是一个非常神奇、高级的知识，其实正则表达式是一种非常简 单而且非常实用的工具。正则表达式是一个用于匹配字符串的模板。实际上，任意字符串都 可以当成正则表达式使用。例如"abc",它也是一个正则表达式，只是它只能匹配"abc" 字符串。如果正则表达式仅能匹配"abc"这样的字符串，那么正则表达式也就不值得学习了。正则 表达式作为一个用于匹配字符串的模板，将某个字符模式与所搜索的字符串进行匹配。本文 简单了解一下如何使用正则表达式来操作字符串。正则表达式支持字符创建正则表达式就是创建一个特殊的字符串。正则表达式所支持的合法字符如表1所示。下1正则表达式所支整合法字符字符解释X |字符x （x可代表任何合法的字符）Omnn 八进制数Omnn所表示的字符xhh十六进制值Oxhh所表示的字符uhhhh十六进制值Oxhhhh所表示的Unicode字符t制表符（“u0009" ）n 新行（换行）符（u000A，）r回车符（'u000D'）f换页符（'u000C，）a报警（bell）符（'u0007' ）eEscape符（u001B）cx x对应的的控制符。例如，cM匹配Ctrl-Mo x值必须为AZ或az之一。除此之外，正则表达式中有一些特殊字符，这些特殊字符在正则表达式中有其特殊的用途,比如前面介绍的反斜线' O如果需要匹配这些特殊字符，就必须首先将这些字符转义，也就是在前面添加一个反斜线。正则表达式中的特殊字符如表2所示。表2正则表达式中的慢学符特普可 一 说明I符$匹配一行的结尾。要匹配$字符本身，请使用$八匹配一行的开头。要匹配八字符本身，请使用'人0标记子表达式的开始和结束位置。要匹配这些字符，请使用'（和）用于确定中括号表达式的开始和结束位置。要匹配这些字符，请使用口'和 ）用于标记前面子表达式的出现频度。要匹配这些字符，请使用'和指定前面子表达式可以出现零次或多次。要匹配*字符本身，请使*用*指定前面子表达式可以出现一次或多次。要匹配+字符本身，请使+ 用+指定前面子表达式可以出现零次或一次。要匹配？字符本身，请使9. 用?匹配除换行符n之外的任何单字符。要匹配.字符本身，请使用.用于转义下一个字符，或指定八进制、十六进制字符。如果需匹配'字符，请用指定两项之间任选一项。如果要匹配I字符本身，请使用|将上面多个字符拼起来，就可以创建一个正则表达式。例如："u0041" / 匹酉己 A"u0061t" 匹酉己己制表符"?"/ 匹配？注意:可能大家会觉得第一个正则表达式中怎么有那么多反斜杠？这是由于Java字符串中 反斜杠本身需要转义，因此两个反斜杠（ ）实际上相当于一个（前一个用于转义）。上面的正则表达式依然只能匹配单个字符，这是因为还未在正则表达式中使用"通配符"， "通配符"是可以匹配多个字符的特殊字符。正则表达式中的“通配符"远远超出了普通通配符的功能，它被称为预定义字符，正则表达式支持如表3所示的预定义字符。表3 字符预登字1说明.可以匹配任何字符d匹配09的所有数字D匹配非数字s匹配所有的空白字符，包括空格、制表符、回车符、换页符、换行 符等s匹配所有的非空白字符w匹配所有的单词字符，包括09所有数字、26个英文字母和下画线W匹配所有的非单词字符上面的7个预定义字符其实很容易记忆，其中：d是digit的意思，代表数字。s是space的意思，代表空白。w是word的意思，代表单词。d、s、w的大写形式恰好匹配与之相反的字符。有了上面的预定义字符后，接下来就可以创建更强大的正则表达式了。例如：cwt /可以匹配cat、cbt、cctx cOts c9t等一批字符串ddd-ddd-dddd / 匹配如 000-000-0000 形式的电话号码在一些特殊情况下，例如，若只想匹配af的字母，或者匹配除ab之外的所有小写字母， 或者匹配中文字符，上面这些预定义字符就无能为力了，此时就需要使用方括号表达式，方 括号表达式有如表4所示的几种形式。方括号表达式表4方括号表达式说明表示枚举表示范围:例如abc表示a、b、c其中任意一个字符；gz表示g、z其中 任意一个字符例如a-f表示范围内的任意字符；u0041-u0056表示十六 进制字符u0041到u0056范围的字符。范围可以和枚举结合使 用，如a-cx-z,表示 用c、xz范围内的任意字符 表示求否：例如Aabc表示非a> b、c的任意字符；八a-f表示不是af范围内的任意字符例如a-z&&def是az和def的交集,表示d、e表示“与”运 算：&&fa-z&&人be是az范围内的所有字符，除b和c之外ad-z a-z&&m-p是az范围内的所有字符,除mp范围之夕卜 的字符表示“并”运并运算与前面的枚举类似。例如a-dm-p表示a-dm-p方括号表达式比前面的预定义字符灵活多了，几乎可以匹配任何字符。例如，若需要匹配所 有的中文字符，就可以利用u0041-u0056形式因为所有中文字符的Unicode 值是连续的，只要找出所有中文字符中最小、最大的Unicode值，就可以利用上面形式来 匹配所有的中文字符。正则表达式还支持圆括号，用于将多个表达式组成一个子表达式，圆括号中可以使用或运算 符例如，正则表达式(public)|(protected)|(private)用于匹配Java的三个访问控 制符其中之一。除此之外，Java正则表达式还支持如表5所示的几个边界匹配符。表5边界匹配符边界匹配符说明行的开头1$行的结尾b单词的边界B非单词的边界A输入的开头G前一个匹配的结尾Z输入的结尾，仅用于最后的结束符z输入的结尾前面例子中需要建立一个匹配000-000-0000形式的电话号码时，使用了ddd -WdWdWd -dddd正则表达式，这看起来比较烦琐。实际上，正则表达 式还提供了数量标识符，正则表达式支持的数量标识符有如下几种模式。Greedy （贪婪模式）：数量表示符默认采用贪婪模式，除非另有表示。贪婪模式的 表达式会一直匹配下去，直到无法匹配为止。如果你发现表达式匹配的结果与预期的不符, 很有可能是因为你以为表达式只会匹配前面几个字符，而实际上它是贪婪模式，所以会一直 匹配下去。Reluctant （勉强模式）：用问号后缀（？）表示，它只会匹配最少的字符。也称为 最小匹配模式。Possessive （占有模式）：用加号后缀（+ ）表示，目前只有Java支持占有模式，通常比较少用。三种模式的数量表示符如表6所示。表6三种模式的数量表示符贪婪模式勉强模式占用模式说明X?X?x?+ nX表达式出现零次或一次X*X*?x*+X表达式出现零次或多次X+ 1x+?1x+ nX表达式出现一次或多次|xnXn?Xn +X表达式出现n次Xn,Xn,?Xn, +X表达式最少出现n次X n, mX n, m ?Xn, m +X表达式最少出现n次，最多出现m次关于贪婪模式和勉强模式的对比，看如下代码：String str = "hellojava!M;/贪婪模式的正则表达式System.out.println(str.replaceFirst("w*" z "");输出-Java!/勉强模式的正则表达式System.out.println(str.replaceFirst("w*?" z输出hello, java!当从"hell。java!"字符串中查找匹配w*子串时，因为w*使用了贪婪模式，数量表示符*会一直匹配下去，所以该字符串前面的所有单词字符都被它匹配到，直到遇到空格，所以 替换后的效果是 , Java!”;如果使用勉强模式，数量表示符*会尽量匹配最少字符，即匹配0个字符，所以替换后的结果是hello , java!。
