正则表达式
一、普通字符
定义：字母、数字、汉字、下划线、以及没有特殊定义的标点符
号，都是“普通字符”。表达式中的普通字符，在匹配一
个字符串的时候，匹配与之相同的一个字符。
1.1 简单的转义字符:
| \n | 代表换行符 |
|---|---|
| \t | 制表符 |
| \ | 代表\本身 |
| ^ ，$,.，(， ) ， {， } ， ? ， + ， * ， | 匹配这些字符本身 |
1.2 标准字符集合
能够与 ‘多种字符’ 匹配的表达式
– 注意区分大小写，大写是相反的意思
| \d | 任意一个数字，0~9 中的任意一个 |
|---|---|
| \w | 任意一个字母或数字或下划线，也就是 AZ,az,0~9,_ 中任意一个 |
| \s | 包括空格、制表符、换行符等空白字符的其中任意一个 |
| . | 小数点可以匹配任意一个字符(除了换行符) 如果要匹配包括“\n”在内的所有字符，一般用[\s\S] |
二、自定义字符集合
[ ]方括号匹配方式，能够匹配方括号中任意一个字符：”[]“内的字符是或的关系。
| [ab5@] | 匹配 "a" 或 "b" 或 "5" 或 "@" |
|---|---|
| [^ abc] | 匹配 "a","b","c" 之外的任意一个字符 |
| [f-k] | 匹配 "f"~"k" 之间的任意一个字母 |
| [^A-F0-3] | 匹配 "A""F","0""3" 之外的任意一个字符 |
注意：正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，除了
^,-之外。
– 标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合
将包含该集合。比如：
• [\d.\-+]将匹配：数字、小数点、+、-
三、量词（– 修饰匹配次数的特殊符号）
| {n} | 表达式重复n次 | 备注： |
|---|---|---|
| {m,n} | 表达式至少重复m次，最多重复n次 | 贪婪模式：{m,n}?:以m次数为标准开始，满足就执行 |
| {m,} | 表达式至少重复m次 | |
| ? | 匹配表达式0次或者1次，相当于 {0,1} | a?b : ab或者adb |
| + | 表达式至少出现1次，相当于 {1,} | a+b : adsfb |
| * | 表达式不出现或出现任意次，相当于 {0,} | a*b : ab/asdfb/adb |
注意：匹配次数中的贪婪模式(匹配字符越多越好，<u>默认</u>！)
• 匹配次数中的非贪婪模式（匹配字符越少越好，修饰匹配次数
的特殊符号后再加上一个 <u>"?"</u> 号）
四、字符边界
（本组标记匹配的不是字符而是位置，符合某种条件的位置)
| ^ | 与字符串开始的地方匹配 |
|---|---|
| $ | 与字符串结束的地方匹配 |
| \b | 匹配一个单词边界 |
注意：– \b匹配这样一个位置：前面的字符和后面的字符不全是\w。
五、 正则表达式的匹配模式
IGNORECASE 忽略大小写模式
– 匹配时忽略大小写。
– 默认情况下，正则表达式是要区分大小写的。
• SINGLELINE 单行模式
– 整个文本看作一个字符串，只有一个开头，一个结尾。
– 使小数点 "." 可以匹配包含换行符（\n）在内的任意字符。
• MULTILINE 多行模式
– 每行都是一个字符串，都有开头和结尾。
– 在指定了 MULTILINE 之后，如果需要仅匹配字符串开始和结束位置，可以使
用 \A 和 \Z
六、选择符和分组、反向引用
| 表达式 | 作用 |
|---|---|
| | 分支结构 | 左右两边表达式之间 "或" 关系，匹配左边或者右边 |
| ()捕获组 | 在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰<br />. 取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到<br />每一对括号会分配一个编号，使用 () 的捕获根据左括号的顺序从 1<br />开始自动编号。捕获元素编号为零的第一个捕获是由整个正则表达式模式<br />匹配的文本 |
| (?:Expression) | 一些表达式中，不得不使用( )，但又不需要保存( )中子表达式匹配的内容，这时可以用非捕获组来抵消使用( )带来的副作用 |
反向引用（\nnn）
– 每一对()会分配一个编号，使用 () 的捕获根据左括号的顺序从 1 开始自动编号。
– 通过反向引用，可以对分组已捕获的字符串进行引用。
七、预搜索(零宽断言)
– 只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度
– 这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指
定的条件，但不匹配前后的字符。是对位置的匹配。
– 正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被
保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表
达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么
就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是
否保存到最终的匹配结果中而言的。
| (?=exp) | 断言自身出现的位置的后面能匹配表达式exp |
|---|---|
| (?<=exp) | 断言自身出现的位置的前面能匹配表达式exp |
| (?!exp) | 断言此位置的后面不能匹配表达式exp |
| (?<!exp) | 断言此位置的前面不能匹配表达式exp |
八、常用正则表达式列表
| 匹配中文字符 | [\u4e00-\u9fa5] |
|---|---|
| 匹配空白行 | \n\s*\r |
| 匹配HTML标记 | <(\S?)[^>]>.*?</\1> |
| 匹配首尾空白字符 | ^\s* |
| 匹配Email地址 | \w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)* |
| 匹配网址URL | [a-zA-z]+://[^\s]* |
| 匹配国内电话号码 | \d{3}-\d{8} |
| 匹配腾讯QQ号 [ | 1-9][0-9]{4,} |
| 匹配中国邮政编码 | [1-9]\d{5}(?!\d) |
| 匹配身份证 | \d{15} |
| 匹配ip地址 | \d+.\d+.\d+.\d+ |
练习：匹配电话号码(固话和手机号)：(0\d{2,3}-\d{7,9})|(1[35789]\d{9})
匹配电子邮箱：[\w-]+@[a-z0-9A-Z]+(.[A-Za-z]{2,4}{1,2})
九、java中使用正则表达式
相关类位于：java.util.regex包下面
• 类 Pattern：
– 正则表达式的编译表示形式。
– Pattern p = Pattern.compile(r,int); //建立正则表达式，并启用相应模式
• 类 Matcher：
– 通过解释 Pattern 对 character sequence 执行匹配操作的引擎
– Matcher m = p.matcher(str); //匹配str字符串
