Java学习笔记【六、正则表达式】

参考：http://www.runoob.com/java/java-regular-expressions.html

概述

java.util.regex包，主要包含三个类：

Pattern：正则表达式的编译表示，通过Pattern的工厂方法获得，用于创建一个表达式

Pattern r = Pattern.compile("(\D)(\d+)(.)");
Matcher：对输入的字符串进行解释和匹配的引擎，通过Pattern类获得，用于执行表达式和字符串之间的匹配操作

Matcher m = r.matcher("This order was placed for QT3000! OK?");
PatternSyntaxException：非强制异常类，表示正则表达式中的语法错误

注：

强制异常：指编写时必须抛出或捕获的异常，非运行时异常都是强制异常

非强制异常：指编写时不必抛出或捕获（当然也可以）

捕获组

表达式从左至右,()的(出现一次就为一个分组，如下

((A)(B(C))):①((A)(B(C))) ②(A) ③(B(C)) ④(C)

例: 如概述中的例子

m匹配整个r，其中

m.group(0):This order was placed for QT3000! OK? ——(\D)(\d+)(.)

m.group(1):This order was placed for QT ——(\D)

m.group(2):3000 ——(\d+)

m.group(3):! OK? ——(.)

Matcher类的方法

索引方法(须find后才能使用，否则会异常）

publc int start() 匹配的初始索引，当前find结果的开始索引
publc int end() 匹配后的偏移量，当前find结果的结束索引
publc int start(int group) 给定子序列的匹配初始索引，start(0)同start(),表示第几个分组匹配到的结果的开始索引
publc int end(int group) 给定子序列匹配后的偏移量

研究方法

public boolean lookingAt() 尝试从开头开始匹配，有一段匹配结果都算匹配成功
public boolean find() 尝试查找下一个子序列，有一个分组有匹配结果都算匹配成功
public boolean find(int start) 从索引位置开始查找下一个序列，有一个分组有匹配结果都算匹配成功
public boolean matches() 尝试匹配整个区域，完全匹配才算成功

替换方法

public Matcher appendReplacement(StringBuffer sb,String replacement) 非终端添加和替换
public StringBuffer appendTail(StringBuffer sb) 终端添加和替换
public String replaceAll(String s) 替换所有匹配
public String replaxeFirst(String s) 替换首次匹配
public static String quoteReplacement(String s) 返回指定字符串的字面替换字符串

PatternSyntaxException类方法

public String getDescription() 获取异常描述
public int getIndex() 获取异常位置
public String getPattern() 获取表达式

public String getMessage() 获取表达式、异常描述、异常索引的可视化描述

  import java.util.regex.Matcher;

  import java.util.regex.Pattern;

  public class PatternAndMatcher {

  public static void main(String[] args) {

  String str = "This is a String 1000 going to be match!";

  String reg1 = "(\\D*)(\\d*)(.*)";

  Pattern r1 = Pattern.compile(reg1);

  Matcher m1 = r1.matcher(str);

  String reg2 = "(\\w*)(\\d*)";

  Pattern r2 = Pattern.compile(reg2);

  Matcher m2 = r2.matcher(str);

  // start、end

  if (m1.find()) { // 使用start前一定要先匹配，否则没有匹配项

  	System.out.println(m1.start()); // m1 find之后，匹配到了全字段，开始结束是0-40

  	System.out.println(m1.end());

  	System.out.println(m1.start(2)); // m1 find之后，0组是整个表达式，一组是\\D* 二组是\\d* 二组匹配到1000 开始结束是17-21

  	System.out.println(m1.end(2));

  }

  // lookingAt、find、matches

  System.out.println(m1.lookingAt()); // true

  System.out.println(m2.lookingAt()); // true

  System.out.println(m1.find(18)); // 只要有一个分组匹配都算匹配到 true

  System.out.println(m2.find(1)); // true

  while (m2.find()) {

  	System.out.println(m2.group()); // 逐条输出匹配到的字符

  }

  System.out.println(m1.matches()); // m1完全匹配 true

  System.out.println(m2.matches()); // m2不完全匹配 false

  // append、replace

  Pattern r3 = Pattern.compile("(a) (String) (1000)");

  Matcher m3 = r3.matcher(str);

  StringBuffer sb = new StringBuffer();// 用于返回append结果

  String str2 = "$1 $2 Replacement $3"; // 即在a String 1000 中插入Replacement,并截断

  m3.find();

  m3.appendReplacement(sb, str2);

  m3.appendTail(sb); // 注释这句输出的结果是This is a String Replacement 1000

  System.out.println(sb.toString());// appendTail就是把剩下的 going to be match!加上

  }

  }

以下为摘录

将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，"n"匹配字符"n"。"\n"匹配换行符。序列"\"匹配""，"("匹配"("。

^

匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。

$

匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。

*

零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。

+

一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。

?

零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。

{n}

n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。

{n,}

n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o"。

{n,m}

M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。

?

当此字符紧随任何其他限定符（/、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。

.

匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。

(pattern)

匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"("或者")"。

(?:pattern)

匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。

(?=pattern)

执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

(?!pattern)

执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

x|y

匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。

[xyz]

字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。

[^xyz]

反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。

[a-z]

字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。

[^a-z]

反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。

\b

匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。

\B

非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。

\cx

匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。

\d

数字字符匹配。等效于 [0-9]。

\D

非数字字符匹配。等效于 [^0-9]。

\f

换页符匹配。等效于 \x0c 和 \cL。

\n

换行符匹配。等效于 \x0a 和 \cJ。

\r

匹配一个回车符。等效于 \x0d 和 \cM。

\s

匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。

\S

匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。

\t

制表符匹配。与 \x09 和 \cI 等效。

\v

垂直制表符匹配。与 \x0b 和 \cK 等效。

\w

匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。

\W

与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。

\xn

匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。

\num

匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。

\n

标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。

\nm

标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。

\nml

当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。

\un

匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。