怎么使用正则表达式

一、前言

编程总在实践中出结果！

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

正则引擎主要可以分为两大类：一种是DFA，一种是NFA。这两种引擎都有了很久的历史(至今二十多年)，当中也由这两种引擎产生了很多变体！于是POSIX的出台规避了不必要变体的继续产生。这样一来，主流的正则引擎又分为3类：一、DFA，二、传统型NFA，三、POSIX NFA。

正则也是一种非常有意思的技术，但往往不知道这些符号的编程在实际使用中该如何使用，因此总结了本篇文章，方便所有小伙伴可以当成一个工具文章使用，方便处理一些需要使用正则的技术内容。 

二、规则

1. 常用符号

• x 字符 x
• \ 反斜线字符
• \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') 

2. 字母字符

• [abc] a、b 或 c（简单类）
• [^abc] 任何字符，除了 a、b 或 c（否定）
• [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） 

3. 预定义字符

• . 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] 

4. POSIX 字符

• \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}]
• \pPunct} 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] 

5. Character 类

• \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() 

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） 

7. 边界匹配器

• ^ 行的开头
• $ 行的结尾
• \b 单词边界
• \B 非单词边界
• \A 输入的开头
• \G 上一个匹配的结尾
• \Z 输入的结尾，仅用于最后的结束符（如果有的话）
• \z 输入的结尾

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

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

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

11. Logical 运算符

• XY X 后跟 Y
• X|Y X 或 Y
• (X) X，作为捕获组 

12. Back 引用

• \n 任何匹配的 nth 捕获组

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
• \E Nothing，但是结束从 \Q 开始的引用

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i d m s u x on - off
• (?idmsux-idmsux:X)   X，作为带有给定标志 i d m s u x on - off  的非捕获组  (?=X) X，通过零宽度的正 lookahead
• (?!X) X，通过零宽度的负 lookahead
• (?<=X) X，通过零宽度的正 lookbehind
• (?
• (?>X) X，作为独立的非捕获组

三、案例

1. 字符匹配

"a".matches(".")

• 结果：true
• 描述：. 匹配任意字符

"a".matches("[abc]")

• 结果：true
• 描述：包含 abc 任意一个字符都匹配，默认匹配一次

"a".matches("[^abc]")

• 结果：true
• 描述：任何字符，除了 a、b 或 c（否定）

"A".matches("[a-zA-Z]")

• 结果：false
• 描述：a 到 z 或 A 到 Z，两头的字母包括在内（范围）

"A".matches("[a-z]|[A-Z]")

• 结果：true
• 描述：a 到 z 或 A 到 Z，两头的字母包括在内（范围）

"A".matches("[a-z(A-Z)]")

• 结果：true
• 描述：a-z，A-Z，匹配范围相同，括号是捕获组

"R".matches("[A-Z&&(RFG)]")

• 结果：true
• 描述：匹配 A-Z 与 RFG 交集

"a_8".matches("\\w{3}")

• 结果：true
• 描述：\w 单词字符等同于 [a-zA-Z_0-9]，{3} 匹配三次

"\\".matches("\\\\")

• 结果：true
• 描述：\ 表示的是一个 \

"hello sir".matches("h.*")

• 结果：true
• 描述：. 任何字符，* 匹配零次到多次

"hello sir".matches(".*ir$")

• 结果：true
• 描述：.* 匹配任意字符 ir$ 确定匹配行的结尾

"hello sir".matches("^h[a-z]{1,3}o\\b.*")

• 结果：true
• 描述：^h 匹配开头，[a-z]{1,3}o 匹配1到3次的a-z之后匹配字母o，\b 并不匹配这些单词分隔字符中的任何一个，它只匹配一个位置。匹配的是o后面的位置。

"hellosir".matches("^h[a-z]{1,3}o\\b.*")

• 结果：false
• 描述：o后面跟着s，是字母，不是空格，\b 不能匹配单词的o的边界。

" \n".matches("^[\\s&&[^\\n]]*\\n$")

• 结果：true
• 描述：匹配开头是一个空格     ^[\\s&&[^\\n]]，且不能是换行符，最后必须是换行     \\n$

System.out.println("java".matches("(?i)JAVA"));

• 结果：true
• 描述：(?i)非捕获组里面这个表示忽略大小写 

2. 模式匹配 

2.1 验证匹配

Pattern p = Pattern.compile("[a-z]{3,}");
Matcher m = p.matcher("fgha");
System.out.println(m.matches()); // true，匹配字符3次及以上

• 结果：true
• 描述：Pattern 与 Matcher 一起合作 .Matcher 类提供了对正则表达式的分组支持，以及对正则表达式的多次匹配支持.。单独用Pattern只能使用 Pattern.matches(String regex,CharSequence input) 一种最基础最简单的匹配。 

2.2 匹配功能

Pattern p = Pattern.compile("\\d{3,5}");
Matcher m = p.matcher("123-4536-89789-000");
System.out.println(m.matches());
m.reset();// 把吃进去的字符吐出来重新匹配，否经过m2.matches会吃进去字符 下面的匹配就不成功
System.out.println(m.find());
System.out.println(m.start() + "-" + m.end());  // 找到了 就把首位位置打印下（必须找到才能打印）
System.out.println(m.find());
System.out.println(m.start() + "-" + m.end()); // 找到了 就把首位位置打印下（必须找到才能打印）
System.out.println(m.find());
System.out.println(m.start() + "-" + m.end()); // 找到了 就把首位位置打印下（必须找到才能打印）
System.out.println(m.find());
System.out.println(m.lookingAt());              //每次都是才头上开始找

测试结果

false
true
0-3
true
4-8
true
9-14
true
true

• m.matches()，是全量匹配
• m.reset()，把吃进去的字符吐出来重新匹配，否经过m2.matches会吃进去字符 下面的匹配就不成功
• m.find()，查找匹配
• m.start()，匹配到的字符串，开始位置
• m.end()，匹配到的字符串，结束位置 

2.3 匹配普通替换

Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("java_Java_jAva_jAVa_IloveJava");
System.out.println(m.replaceAll("JAVA")); 

• 结果：JAVA_JAVA_JAVA_JAVA_IloveJAVA
• 描述：把所有匹配到的小写字母 java、JavA，都匹配为大写 

2.4 匹配逻辑替换

Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("java_Java_jAva_jAVa_IloveJava fdasfas");
StringBuffer sb = new StringBuffer();
int i = 0;
while (m.find()) {
    i++;
    if (i % 2 == 0) {
        m.appendReplacement(sb, "java");
    } else {
        m.appendReplacement(sb, "JAVA");
    }
}
m.appendTail(sb);
System.out.println(sb); 

• 结果：JAVA_java_JAVA_java_IloveJAVA fdasfas
• 描述：按照程序逻辑     i % 2，进行单双数替换匹配 

2.4 分组匹配

Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");
Matcher m = p.matcher("123bb_78987dd_090po");
while(m.find()){
    System.out.println(m.group(1));
}

• 结果：

  123
  78987
  090
  
  Process finished with exit code 0
  

• 描述：分组加括号只取数字一组，grop括号里面第0组是整体，第一组是左起第一个括号，第二组是左起第二个括号

2.5 贪婪的匹配与不贪婪匹配

Pattern p = Pattern.compile("(.{3,10}?)[0-9]");
Matcher m = p.matcher("aaaa5dddd8");
while (m.find()) {
    System.out.println(m.start() + "-" + m.end());
}

• 结果：

  0-5
  5-10
  
  Process finished with exit code 0
  

• 描述：.{3,10}后面没问号就是贪婪匹配会配到最长，如果{3,10}?加?号就是懒蛋匹配之匹配最少的，从3个开始找。如果这里用if(m.find)(){m.start()+"-"+m.end()}  那么之匹配第一个

2.6 普通捕获

Pattern p = Pattern.compile(".{3}");
Matcher m = p.matcher("ab4dd5");
while(m.find()){
    System.out.println(m.group());
}

• 结果：

  ab4
  5-10
  
  Process finished with exit code 0
  

• 描述：每次匹配三个任意字符，用 m.group() 输出。

2.7 非捕获组(?=a)

 Pattern p = Pattern.compile(".{3}(?=a)");           
 Matcher m = p.matcher("ab4add5");
 while (m.find()) {
     System.out.println("后面不能是a的：" + m.group());
 }

• 结果：     后面不能是a的：ab4
• 描述：(?=a)这个是非捕获组的意思，最后一个是a而且还不把这个a取出来！！(?=a)这个要是写在前面就不一样了

Pattern p = Pattern.compile("(?!a).{3}");           
Matcher m = p.matcher("abbsab89");
while (m.find()) {
    System.out.println("前面不能是a的：" + m.group());
}

• 结果：前面不能是a的：bbs、前面不能是a的：b89
• 描述：(?!a)前面不能是a的，所以找到整个字符串中 bbs、b89

2.8 去除><号匹配

Pattern p = Pattern.compile("(?!>).+(?=<)");
Matcher m = p.matcher(">小傅哥<");
while (m.find()) {
    System.out.println(m.group());
}

• 结果：小傅哥
• 描述：一般可以匹配网页中的特殊字符串里面的内容信息。

2.9 向前引用

Pattern p = Pattern.compile("(\\d\\d)\\1");
Matcher m = p.matcher("1212");
System.out.println(m.matches());

• 结果：true
• 描述：这里面的1是向前引用，12是第一匹配到的，下一次在匹配出来12和前面相同 所以是true