CHARLIE SAYS

正则表达式用于文本内容的查找和替换，通常了解下，具体使用的时候查看下即可。

常用

Java 中：

Pattern p_script = Pattern.compile("正则表达式", Pattern.CASE_INSENSITIVE);
Matcher m_script = p_script.matcher(content);
while (m_script.find()) {
    // 找到匹配内容，进行后续事情
    String strAid = m_script.group(1);
    // ...
}

Matcher 类的常用方法：

方法	说明
matches()	返回整个目标字符串与 Pattern 是否匹配
find()	返回与 Pattern 匹配的下一个子串
group()	返回上一次与 Pattern 匹配的子串中的内容。group 是针对 () 来说的，group(0) 就是指的整个串，group(1) 指的是第一个括号里的东西，group(2) 指的第二个括号里的东西
start()	返回上一次与 Pattern 匹配的子串在目标字符串中的开始位置
end()	返回上一次与 Pattern 匹配的子串在目标字符串中的结束位置加 1

正则表达式语法

元字符	描述
\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\n” 匹配 \n。“\n” 匹配换行符。序列”\“匹配""而”(“则匹配”(“。即相当于多种编程语言中都有的”转义字符”的概念
^	匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 “\n” 或 “\r” 之后的位置
$	匹配输入字符串的结束位置。如果设置了 RegExp 对象的 Multiline 属性，$ 也匹配 “\n” 或 “\r” 之前的位置
*	匹配前面的子表达式任意次。例如，zo* 能匹配 “z”、“zo” 以及 “zoo”。* 等价于 {0,}
+	匹配前面的子表达式一次或多次（大于等于 1 次）。例如，“zo+” 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}
?	匹配前面的子表达式零次或一次。例如，“do(es)?” 可以匹配 “do” 或 “does” 中的 “do”。? 等价于 {0,1}
{n}	n 是一个非负整数。匹配确定的 n 次。例如，“o{2}” 不能匹配 “Bob” 中的 “o”，但是能匹配 “food” 中的两个 o
{n,}	n 是一个非负整数。至少匹配 n 次。例如，“o{2,}” 不能匹配 “Bob” 中的 “o”，但能匹配 “foooood” 中的所有 o。“o{1,}” 等价于 “o+”。“o{0,}” 则等价于 “o*”
{n,m}	m 和 n 均为非负整数，其中 n<=m。最少匹配 n 次且最多匹配 m 次。例如，“o{1,3}” 将匹配 “fooooood” 中的前三个 o。“o{0,1}” 等价于 “o?”。请注意在逗号和两个数之间不能有空格
x|y	匹配 x 或 y。例如，“z|food” 能匹配 “z” 或 “food”
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]” 可以匹配 “plain” 中的 “a”
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，”[^abc]” 可以匹配 “plain” 中的 “plin”
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]” 可以匹配 “a” 到 “z” 范围内的任意小写字母字符
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，”[^a-z]” 可以匹配任何不在 “a” 到 “z” 范围内的任意字符
.	可以匹配任何字符
\d	匹配一个数字字符。等价于 [0-9]
\D	匹配一个非数字字符。等价于 [^0-9]
\s	匹配所有的空白字符，包括空格、制表符、换页符、换行符、回车符等等。等价于 [\f\n\r\t\v]
\S	匹配所有的非空白字符

匹配单个字符

• . 可以用来匹配任何的单个字符，但是在绝大多数实现里面，不能匹配换行符
• . 是元字符，表示它有特殊的含义，而不是字符本身的含义。如果需要匹配 .，那么要用 \ 进行转义，即在 . 前面加上 \
• 正则表达式一般是区分大小写的，但是也有些实现是不区分

正则表达式	文本
nam.	My name is Zheng.

匹配一组字符

• [ ] 定义一个字符集合
• 0-9、a-z 定义了一个字符区间，区间使用 ASCII 码来确定，字符区间在 [ ] 中使用
• - 只有在 [ ] 之间才是元字符，在 [ ] 之外就是一个普通字符
• ^ 在 [ ] 中是取非操作

应用：匹配以 abc 为开头，并且最后一个字母不为数字的字符串：

正则表达式	匹配结果
abc[^0-9]	1. abcd 2. abc1 3. abc2

使用元字符

匹配空白字符

元字符	说明
[\b]	回退（删除）一个字符
\f	换页符
\n	换行符
\r	回车符
\t	制表符
\v	垂直制表符

\r\n 是 Windows 中的文本行结束标签，在 Unix/Linux 则是 \n。

\r\n\r\n 可以匹配 Windows 下的空白行，因为它将匹配两个连续的行尾标签，而这正是两条记录之间的空白行。

匹配特定的字符类别

1. 数字元字符

元字符	说明
\d	数字字符，等价于 [0-9]
\D	非数字字符，等价于 [^0-9]

2. 字母数字元字符

元字符	说明
\w	大小写字母，下划线和数字，等价于 [a-zA-Z0-9_]
\W	对 \w 取非

3. 空白字符元字符

元字符	说明
\s	任何一个空白字符，等价于 [\f\n\r\t\v]
\S	对 \s 取非

\x 匹配十六进制字符，\0 匹配八进制，例如 \x0A 对应 ASCII 字符 10，等价于 \n。

重复匹配

• + 匹配 1 个或者多个字符
• * 匹配 0 个或者多个
• ? 匹配 0 个或者 1 个

应用：匹配邮箱地址。[\w.] 匹配的是字母数字或者 .，在其后面加上 +，表示匹配多次。在字符集合 [ ] 里，. 不是元字符：

正则表达式	匹配结果
[\w.]+@\w+\.\w+	abc.def@qq.com

• {n} 匹配 n 个字符
• {m, n} 匹配 m~n 个字符
• {m,} 至少匹配 m 个字符

* 和 + 都是贪婪型元字符，会匹配最多的内容。在后面加 ? 可以转换为懒惰型元字符，例如 *?、+? 和 {m, n}?。

正则表达式	匹配结果
a.+c	abcabcabc

由于 + 是贪婪型的，因此 .+ 会匹配更可能多的内容，所以会把整个 abcabcabc 文本都匹配，而不是只匹配前面的 abc 文本。用懒惰型可以实现匹配前面的。

位置匹配

单词边界

\b 可以匹配一个单词的边界，边界是指位于 \w 和 \W 之间的位置；\B 匹配一个不是单词边界的位置。

\b 只匹配位置，不匹配字符，因此 \babc\b 匹配出来的结果为 3 个字符。

字符串边界

^ 匹配整个字符串的开头，$ 匹配结尾。

^ 元字符在字符集合中用作求非，在字符集合外用作匹配字符串的开头。

分行匹配模式（multiline）下，换行被当做字符串的边界。

应用：匹配代码中以 // 开始的注释行：

正则表达式	匹配结果
^\s*\/\/.*$	见下方代码中的注释行

public void fun() {
    // 注释 1
    int a = 1;
    int b = 2;
    // 注释 2
    int c = a + b;
}

使用子表达式

使用 ( ) 定义一个子表达式。子表达式的内容可以当成一个独立元素，即可以将它看成一个字符，并且使用 * 等元字符。

子表达式可以嵌套，但是嵌套层次过深会变得很难理解。

正则表达式	匹配结果
(ab){2,}	ababab

| 是或元字符，它把左边和右边所有的部分都看成单独的两个部分，两个部分只要有一个匹配就行。

正则表达式	匹配结果
(19|20)\d{2}	1. 1900 2. 2010 3. 1020

应用：匹配 IP 地址。

IP 地址中每部分都是 0-255 的数字，用正则表达式匹配时以下情况是合法的：

• 一位数字
• 不以 0 开头的两位数字
• 1 开头的三位数
• 2 开头，第 2 位是 0-4 的三位数
• 25 开头，第 3 位是 0-5 的三位数

正则表达式	匹配结果
((25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))\.){3}(25[0-5]|(2[0-4]\d)|(1\d{2})|([1-9]\d)|(\d))	1. 192.168.0.1 2. 00.00.00.00 3. 555.555.555.555

回溯引用

回溯引用使用 \n 来引用某个子表达式，其中 n 代表的是子表达式的序号，从 1 开始。它和子表达式匹配的内容一致，比如子表达式匹配到 abc，那么回溯引用部分也需要匹配 abc。

应用：匹配 HTML 中合法的标题元素。

\1 将回溯引用子表达式 (h[1-6]) 匹配的内容，也就是说必须和子表达式匹配的内容一致。

正则表达式	匹配结果
<(h[1-6])>\w*?<\/\1>	1. <h1>x</h1> 2. <h2>x</h2> 3. <h3>x</h1>

替换

需要用到两个正则表达式。

应用：修改电话号码格式。

文本：

313-555-1234

查找正则表达式	替换正则表达式
(\d{3})(-)(\d{3})(-)(\d{4})	($1) $3-$5

在第一个子表达式查找的结果加上 ()，然后加一个空格，在第三个和第五个字表达式查找的结果中间加上 - 进行分隔。

结果：(313) 555-1234

大小写转换

元字符	说明
\l	把下个字符转换为小写
\u	把下个字符转换为大写
\L	把 \L 和 \E 之间的字符全部转换为小写
\U	把 \U 和 \E 之间的字符全部转换为大写
\E	结束 \L 或者 \U

应用：把文本的第二个和第三个字符转换为大写。

文本：

abcd

查找	替换	结果
(\w)(\w{2})(\w)	$1\U$2\E$3	aBCd

前后查找

前后查找规定了匹配的内容首尾应该匹配的内容，但是又不包含首尾匹配的内容。向前查找用 ?= 来定义，它规定了尾部匹配的内容，这个匹配的内容在 ?= 之后定义。所谓向前查找，就是规定了一个匹配的内容，然后以这个内容为尾部向前面查找需要匹配的内容。向后匹配用 ?<= 定义（注：javaScript 不支持向后匹配，java 对其支持也不完善）。

应用：查找出邮件地址 @ 字符前面的部分。

正则表达式	文本	结果
\w+(?=@)	abc @qq.com	abc

对向前和向后查找取非，只要把 = 替换成 ! 即可，比如 (?=) 替换成 (?!)。取非操作使得匹配那些首尾不符合要求的内容。

嵌入条件

回溯引用条件

条件判断为某个子表达式是否匹配，如果匹配则需要继续匹配条件表达式后面的内容。

子表达式 (\() 匹配一个左括号，其后的 ? 表示匹配 0 个或者 1 个。?(1) 为条件，当子表达式 1 匹配时条件成立，需要执行 \) 匹配，也就是匹配右括号。

正则表达式	结果
(\()?abc(?(1)\))	1. (abc) 2. abc 3. (abc

前后查找条件

条件为定义的首尾是否匹配，如果匹配，则继续执行后面的匹配。注意，首尾不包含在匹配的内容中。

?(?=-) 为前向查找条件，只有在以 - 为前向查找的结尾能匹配 \d{5}，才继续匹配 -\d{4}。

正则表达式	结果
\d{5}(?(?=-)-\d{4})	1. 11111 2. 22222- 3. 33333-4444

参考资料

• BenForta. 正则表达式必知必会 [M]. 人民邮电出版社， 2007.

系列导航

• 上一篇：开发工具 012：Maven 项目构建
• 下一篇：开发工具 014：常用正则表达式