关键字: java regex syntax
一、正则表达式语法 1.1.字符 x 字符 x。例如a表示字符a // 反斜线字符。在书写时要写为。（注意：因为java在第一次解析时把解析成正则表达式//，在第二次解析时再解析为/，所以凡是不是1.1列举到的转义字符，包括1.1的//,而又带有/的都要写两次） /0n 带有八进制值 0的字符 n (0 <= n <= 7) /0nn 带有八进制值 0的字符 nn (0 <= n <= 7) /0mnn 带有八进制值 0的字符 mnn（0 <= m <= 3、0 <= n <= 7） /xhh 带有十六进制值 0x的字符 hh /uhhhh 带有十六进制值 0x的字符 hhhh /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') /e 转义符 ('/u001B') /cx 对应于 x 的控制符 1.2.字符类 [abc] a、b或 c（简单类）。例如[egd]表示包含有字符e、g或d。 [^abc] 任何字符，除了 a、b或 c（否定）。例如[^egd]表示不包含字符e、g或d。 [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） 1.3.预定义字符类(注意反斜杠要写两次，例如/d写为//d) . 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] 1.4.POSIX 字符类（仅 US-ASCII)(注意反斜杠要写两次，例如/p{Lower}写为//p{Lower}) /p{Lower} 小写字母字符：[a-z]。 /p{Upper} 大写字母字符：[A-Z] /p{ASCII} 所有 ASCII：[/x00-/x7F] /p{Alpha} 字母字符：[/p{Lower}/p{Upper}] /p{Digit} 十进制数字：[0-9] /p{Alnum} 字母数字字符：[/p{Alpha}/p{Digit}] /p{Punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[/]^_`{|}~ /p{Graph} 可见字符：[/p{Alnum}/p{Punct}] /p{Print} 可打印字符：[/p{Graph}/x20] /p{Blank} 空格或制表符：[ /t] /p{Cntrl} 控制字符：[/x00-/x1F/x7F] /p{XDigit} 十六进制数字：[0-9a-fA-F] /p{Space} 空白字符：[ /t/n/x0B/f/r] 1.5.java.lang.Character 类（简单的 java 字符类型） /p{javaLowerCase} 等效于 java.lang.Character.isLowerCase() /p{javaUpperCase} 等效于 java.lang.Character.isUpperCase() /p{javaWhitespace} 等效于 java.lang.Character.isWhitespace() /p{javaMirrored} 等效于 java.lang.Character.isMirrored() 1.6.Unicode 块和类别的类 /p{InGreek} Greek 块（简单块）中的字符 /p{Lu} 大写字母（简单类别） /p{Sc} 货币符号 /P{InGreek} 所有字符，Greek 块中的除外（否定） [/p{L}&&[^/p{Lu}]] 所有字母，大写字母除外（减去） 1.7.边界匹配器 ^ 行的开头，请在正则表达式的开始处使用^。例如：^(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE); $ 行的结尾，请在正则表达式的结束处使用。例如：(^bca).*(abc$)表示以bca开头以abc结尾的行。 /b 单词边界。例如/b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配） /B 非单词边界。例如/B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配) /A 输入的开头 /G 上一个匹配的结尾(个人感觉这个参数没什么用)。例如//Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。 /Z 输入的结尾，仅用于最后的结束符（如果有的话） 行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。 以下代码被识别为行结束符： ‐新行（换行）符 ('/n')、 ‐后面紧跟新行符的回车符 ("/r/n")、 ‐单独的回车符 ('/r')、 ‐下一行字符 ('/u0085')、 ‐行分隔符 ('/u2028') 或 ‐段落分隔符 ('/u2029)。 /z 输入的结尾 当编译模式时，可以设置一个或多个标志，例如 Pattern pattern = Pattern.compile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE); 下面六个标志都是支持的： ‐CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US ASCII字符。 ‐UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配 ‐MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入 ‐UNIX_LINES： 当在多行模式下匹配^和$时，只将'/n'看作行终止符 ‐DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符 ‐CANON_EQ: 考虑Unicode字符的规范等价 1.8.Greedy 数量词 X? X，一次或一次也没有 X* X，零次或多次 X+ X，一次或多次 X{n} X，恰好 n 次 X{n,} X，至少 n 次 X{n,m} X，至少 n 次，但是不超过 m 次 1.9.Reluctant 数量词 X?? X，一次或一次也没有 X*? X，零次或多次 X+? X，一次或多次 X{n}? X，恰好 n 次 X{n,}? X，至少 n 次 X{n,m}? X，至少 n 次，但是不超过 m 次 1.10.Possessive 数量词 X?+ X，一次或一次也没有 X*+ X，零次或多次 X++ X，一次或多次 X{n}+ X，恰好 n 次 X{n,}+ X，至少 n 次 X{n,m}+ X，至少 n 次，但是不超过 m 次 Greedy，Reluctant，Possessive的区别在于:(注意仅限于进行.等模糊处理时) greedy量 词被看作“贪婪的”，因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试（整个输入字符串）失败，匹配器就会在被匹配字符串中的最后一位后退 一个字符并且再次尝试，重复这个过程，直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词，它最后试图匹配的内容是1 个或者0个字符。 但是，reluctant量词采取相反的方式：它们从被匹配字符串的开头开始，然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。 最后，possessive量词总是读完整个输入字符串，尝试一次（而且只有一次）匹配。和greedy量词不同，possessive从不后退。 1.11.Logical 运算符 XY X 后跟 Y X|Y X 或 Y (X) X，作为捕获组。例如(abc)表示把abc作为一个整体进行捕获 1.12.Back 引用 /n 任何匹配的 nth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) 在表达式中可以通过/n来对相应的组进行引用，例如(ab)34/1就表示ab34ab，(ab)34(cd)/1/2就表示ab34cdabcd。 1.13.引用 / Nothing，但是引用以下字符 /Q Nothing，但是引用所有字符，直到 /E。QE之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, ab//Q{|}E 可以匹配ab{|}// /E Nothing，但是结束从 /Q开始的引用 1.14.特殊构造（非捕获） (?:X) X，作为非捕获组 (?idmsux-idmsux) Nothing，但是将匹配标志由 on 转为 off。比如：表达式 (?i)abc(?-i)def 这时，(?i) 打开不区分大小写开关，abc 匹配 idmsux说明如下： ‐i CASE_INSENSITIVE :US-ASCII 字符集不区分大小写。(?i) ‐d UNIX_LINES : 打开UNIX换行符 ‐m MULTILINE :多行模式(?m) UNIX下换行为/n WINDOWS下换行为/r/n(?s) ‐u UNICODE_CASE : Unicode 不区分大小写。(?u) ‐x COMMENTS :可以在pattern里面使用注解，忽略pattern里面的whitespace，以及"#"一直到结尾（#后面为注解）。(?x)例如(?x)abc#asfsdadsa可以匹配字符串abc (?idmsux-idmsux:X) X，作为带有给定标志 on - off 的非捕获组。与上面的类似，上面的表达式，可以改写成为：(?i:abc)def，或者 (?i)abc(?-i:def) (?=X) X，通过零宽度的正 lookahead。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) 表示字母后面跟数字，但不捕获数字（不回溯） (?!X) X，通过零宽度的负 lookahead。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，/w+(?!/d) 表示字母后面不跟数字，且不捕获数字。 (?<=X) X，通过零宽度的正 lookbehind。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 表示99前面是数字19，但不捕获前面的19。（不回溯） (?<!X) X，通过零宽度的负 lookbehind。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 表示99前面不能是19，且不捕获前面的东东。 (?>X) X，作为独立的非捕获组（不回溯） (?:X)与(?>X)的区别在于(?>X)是不回溯的。例如被匹配的字符串为abcm，当表达式为a(?:b|bc)m是可以匹配 的，而当表达式是a(?>b|bc)m时是不能匹配的，因为当后者匹配到b时，由于已经匹配，就跳出了非捕获组，而不再次对组内的字符进行匹配。可 以加快速度。 下面这段代码，只输出abm而不会输出abcm。当表达式为a(?:b|bc)m时可以输出abcm。 Java代码 Pattern pattern = Pattern.compile("a(?>b|bc)m" ); Matcher m = pattern.matcher("abcmkfabm" ); while (m.find()){ System.out.println(m.group()); } Pattern pattern = Pattern.compile("a(?>b|bc)m"); Matcher m = pattern.matcher("abcmkfabm"); while(m.find()){ System.out.println(m.group()); } 说明：回溯算法的基本思想是：从一条路往前走，能进则进，不能进则退回来，换一条路再试。 二、例子 1. Java代码 /** * 以非字母和数字作为分隔符，输出数据 * @param input */ public static void testSplit(String input){ ///p{name}: 一个指定的字符类 //Punct :非字母或数字ASCII [/p{Print}&&/P{Alnum}] Pattern pattern = Pattern.compile("//s*//p{Punct}//s*" ); if (input ==null || input =="" ){ input = "begin | test { split 123456 }00end" ; } String[] tokens = pattern.split(input); for (String str:tokens){ System.out.println(str); } } /** * 以非字母和数字作为分隔符，输出数据 * @param input */ public static void testSplit(String input){ ///p{name}: 一个指定的字符类 //Punct :非字母或数字ASCII [/p{Print}&&/P{Alnum}] Pattern pattern = Pattern.compile("//s*//p{Punct}//s*"); if(input ==null || input ==""){ input = "begin | test { split 123456 }00end"; } String[] tokens = pattern.split(input); for(String str:tokens){ System.out.println(str); } } 2. Java代码 /** * in:给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am out:Match ((11):(59))am */ public static void testGroupMatch() { Scanner in = new Scanner(System.in); System.out.println("Enter pattern: " ); String patternString = in.nextLine(); Pattern pattern = null ; try { pattern = Pattern.compile(patternString); } catch (PatternSyntaxException e) { System.out.println("Pattern syntax error" ); System.exit(1 ); } while (true ) { System.out.println("Enter string to match: " ); String input = in.nextLine(); if (input == null || input.equals("" )) return ; Matcher matcher = pattern.matcher(input); if (matcher.matches()) { System.out.println("Match!" ); int g = matcher.groupCount();// 获得总的分组数 if (g > 0 ) { for (int i = 0 ; i < input.length(); i++) { for (int j = 1 ; j <= g; j++) {// 第0个分组代表所有的分组，第一个实际分组的索引是1。 if (i == matcher.start(j)) {// 此位置是分组的起始 System.out.print('(' ); } } System.out.print(input.charAt(i)); for (int j = 1 ; j <= g; j++) { if (i + 1 == matcher.end(j)) {// 下一个位置是分组的结束 System.out.print(')' ); } } } System.out.println(); } } else System.out.println("No match" ); } } /** * in:给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am out:Match ((11):(59))am */ public static void testGroupMatch() { Scanner in = new Scanner(System.in); System.out.println("Enter pattern: "); String patternString = in.nextLine(); Pattern pattern = null; try { pattern = Pattern.compile(patternString); } catch (PatternSyntaxException e) { System.out.println("Pattern syntax error"); System.exit(1); } while (true) { System.out.println("Enter string to match: "); String input = in.nextLine(); if (input == null || input.equals("")) return; Matcher matcher = pattern.matcher(input); if (matcher.matches()) { System.out.println("Match!"); int g = matcher.groupCount();// 获得总的分组数 if (g > 0) { for (int i = 0; i < input.length(); i++) { for (int j = 1; j <= g; j++) {// 第0个分组代表所有的分组，第一个实际分组的索引是1。 if (i == matcher.start(j)) {// 此位置是分组的起始 System.out.print('('); } } System.out.print(input.charAt(i)); for (int j = 1; j <= g; j++) { if (i + 1 == matcher.end(j)) {// 下一个位置是分组的结束 System.out.print(')'); } } } System.out.println(); } } else System.out.println("No match"); } } 3. Java代码 /** * This program displays all URLs in a web page by matching * a regular expression that describes the <a href=...> HTML tag. * @param urlString */ public static void testHrefMatch(String urlString) { if (urlString == null || urlString == "" ) { urlString = "http://java.sun.com" ; } try { InputStreamReader in = new InputStreamReader(new URL(urlString) .openStream()); StringBuilder input = new StringBuilder(); int ch; while ((ch = in.read()) != -1 ) { input.append((char ) ch); } String patternString = "<a//s+href//s*=//s*(/"[^/"]*/"|[^//s>])//s*>" ; Pattern pattern = Pattern.compile(patternString, Pattern.CASE_INSENSITIVE); Matcher matcher = pattern.matcher(input); while (matcher.find()) { int start = matcher.start(); int end = matcher.end(); String match = input.substring(start, end); System.out.println(match); } } catch (Exception e) { e.printStackTrace(); } } /** * This program displays all URLs in a web page by matching * a regular expression that describes the <a href=...> HTML tag. * @param urlString */ public static void testHrefMatch(String urlString) { if (urlString == null || urlString == "") { urlString = "http://java.sun.com"; } try { InputStreamReader in = new InputStreamReader(new URL(urlString) .openStream()); StringBuilder input = new StringBuilder(); int ch; while ((ch = in.read()) != -1) { input.append((char) ch); } String patternString = "<a//s+href//s*=//s*(/"[^/"]*/"|[^//s>])//s*>"; Pattern pattern = Pattern.compile(patternString, Pattern.CASE_INSENSITIVE); Matcher matcher = pattern.matcher(input); while (matcher.find()) { int start = matcher.start(); int end = matcher.end(); String match = input.substring(start, end); System.out.println(match); } } catch (Exception e) { e.printStackTrace(); } }