java正則表達式

java 正則表達式   規則

  (2011-03-11 15:12:38)

轉載▼

 

 

先看看一些匹配規則

 

 

1、正則表達式基礎知識

 

 

咱們先從簡單的開始。假設你要搜索一個包含字符「cat」的字符串，搜索用的正則表達式就是「cat」。若是搜索對大小寫不敏感，單詞「catalog」、「Catherine」、「sophisticated」均可以匹配。也就是說：

 

 

 

 

1.1 句點符號

 

 

假設你在玩英文拼字遊戲，想要找出三個字母的單詞，並且這些單詞必須以「t」字母開頭，以「n」字母結束。另外，假設有一本英文字典，你能夠用正則表達式搜索它的所有內容。要構造出這個正則表達式，你可使用一個通配符——句點符號「.」。這樣，完整的表達式就是「t.n」，它匹配「tan」、「ten」、「tin」和「ton」，還匹配「t#n」、「tpn」甚至「t n」，還有其餘許多無心義的組合。這是由於句點符號匹配全部字符，包括空格、Tab字符甚至換行符：

 

 

 

 

1.2 方括號符號

 

 

爲了解決句點符號匹配範圍過於普遍這一問題，你能夠在方括號（「[]」）裏面指定看來有意義的字符。此時，只有方括號裏面指定的字符才參與匹配。也就是說，正則表達式「t[aeio]n」只匹配「tan」、「Ten」、「tin」和「ton」。但「Toon」不匹配，由於在方括號以內你只能匹配單個字符：   圓括號()表示把括號裏的當成一個總體，如： str.replace(/(^/s*)/g,"_"); 表示，將圓括號裏的^/s*當成一個總體（以空格開頭的字符），用下劃線_來替換。

 

 

 

 

1.3 「或」符號

 

 

若是除了上面匹配的全部單詞以外，你還想要匹配「toon」，那麼，你可使用「|」操做符。「|」操做符的基本意義就是「或」運算。要匹配「toon」，使用「t(a|e|i|o|oo)n」正則表達式。這裏不能使用方擴號，由於方括號只容許匹配單個字符；這裏必須使用圓括號「()」。圓括號還能夠用來分組，具體請參見後面介紹。

 

 

 

 

1.4 表示匹配次數的符號

 

 

表一顯示了表示匹配次數的符號，這些符號用來肯定緊靠該符號左邊的符號出現的次數：

 

 

 

 

假設咱們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符（「-」）有着特殊的意義，它表示一個範圍，好比從0到9。所以，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉義字符「\」。

 

 

 

 

圖一：匹配全部123-12-1234形式的社會安全號碼

 

 

假設進行搜索的時候，你但願連字符號能夠出現，也能夠不出現——即，999-99-9999和999999999都屬於正確的格式。這時，你能夠在連字符號後面加上「？」數量限定符號，如圖二所示：

 

 

 

 

圖二：匹配全部123-12-1234和123121234形式的社會安全號碼

 

 

下面咱們再來看另一個例子。美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分「[0-9]{4}」，再加上字母部分「[A-Z]{2}」。圖三顯示了完整的正則表達式。

 

 

 

 

圖三：匹配典型的美國汽車牌照號碼，如8836KV

 

 

1.5 「否」符號

 

 

「^」符號稱爲「否」符號。若是用在方括號內，「^」表示不想要匹配的字符。例如，圖四的正則表達式匹配全部單詞，但以「X」字母開頭的單詞除外。

 

 

 

 

圖四：匹配全部單詞，但「X」開頭的除外

 

 

1.6 圓括號和空白符號

 

 

假設要從格式爲「June 26, 1951」的生日日期中提取出月份部分，用來匹配該日期的正則表達式能夠如圖五所示：

 

 

 

 

圖五：匹配全部Moth DD,YYYY格式的日期

 

 

新出現的「\s」符號是空白符號，匹配全部的空白字符，包括Tab字符。若是字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號建立一個組，而後用ORO API（本文後面詳細討論）提取出它的值。修改後的正則表達式如圖六所示：

 

 

 

 

圖六：匹配全部Month DD,YYYY格式的日期，定義月份值爲第一個組

 

 

1.7 其它符號

 

 

爲簡便起見，你可使用一些爲常見正則表達式建立的快捷符號。如表二所示：

 

 

表二：經常使用符號

 

 

 

 

例如，在前面社會安全號碼的例子中，全部出現「[0-9]」的地方咱們均可以使用「\d」。修改後的正則表達式如圖七所示：

 

 

 

 

圖七：匹配全部123-12-1234格式的社會安全號碼

 

 

更詳細一點規則

正則表達式是一種文本模式，包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱爲「元字符」）。模式描述在搜索文本時要匹配的一個或多個字符串。 正則表達式示例 表達式 匹配  /^\s*$/ 匹配空行。 /\d{2}-\d{5}/ 驗證由兩位數字、一個連字符再加 5 位數字組成的 ID 號。 /<\s*(\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>/ 匹配 HTML 標記。 下表包含了元字符的完整列表以及它們在正則表達式上下文中的行爲： 字符 說明  \ 將下一字符標記爲特殊字符、文本、反向引用或八進制轉義符。例如，「n」匹配字符「n」。「\n」匹配換行符。序列「\\」匹配「\」，「\(」匹配「(」。 ^ 匹配輸入字符串開始的位置。若是設置了 RegExp 對象的 Multiline 屬性，^ 還會與「\n」或「\r」以後的位置匹配。 $ 匹配輸入字符串結尾的位置。若是設置了 RegExp 對象的 Multiline 屬性，$ 還會與「\n」或「\r」以前的位置匹配。 * 零次或屢次匹配前面的字符或子表達式。例如，zo* 匹配「z」和「zoo」。* 等效於 {0,}。 + 一次或屢次匹配前面的字符或子表達式。例如，「zo+」與「zo」和「zoo」匹配，但與「z」不匹配。+ 等效於 {1,}。 ? 零次或一次匹配前面的字符或子表達式。例如，「do(es)?」匹配「do」或「does」中的「do」。? 等效於 {0,1}。 {n} n 是非負整數。正好匹配 n 次。例如，「o{2}」與「Bob」中的「o」不匹配，但與「food」中的兩個「o」匹配。 {n,} n 是非負整數。至少匹配 n 次。例如，「o{2,}」不匹配「Bob」中的「o」，而匹配「foooood」中的全部 o。「o{1,}」等效於「o+」。「o{0,}」等效於「o*」。 {n,m} M 和 n 是非負整數，其中 n <= m。匹配至少 n 次，至多 m 次。例如，「o{1,3}」匹配「fooooood」中的頭三個 o。'o{0,1}' 等效於 'o?'。注意：您不能將空格插入逗號和數字之間。 ? 當此字符緊隨任何其餘限定符（*、+、?、{n}、{n,}、{n,m}）以後時，匹配模式是「非貪心的」。「非貪心的」模式匹配搜索到的、儘量短的字符串，而默認的「貪心的」模式匹配搜索到的、儘量長的字符串。例如，在字符串「oooo」中，「o+?」只匹配單個「o」，而「o+」匹配全部「o」。 . 匹配除「\n」以外的任何單個字符。若要匹配包括「\n」在內的任意字符，請使用諸如「[\s\S]」之類的模式。 (pattern) 匹配 pattern 並捕獲該匹配的子表達式。可使用 $0…$9 屬性從結果「匹配」集合中檢索捕獲的匹配。若要匹配括號字符 ( )，請使用「\(」或者「\)」。 (?:pattern) 匹配 pattern 但不捕獲該匹配的子表達式，即它是一個非捕獲匹配，不存儲供之後使用的匹配。這對於用「or」字符 (|) 組合模式部件的狀況頗有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更經濟的表達式。 (?=pattern) 執行正向預測先行搜索的子表達式，該表達式匹配處於匹配 pattern 的字符串的起始點的字符串。它是一個非捕獲匹配，即不能捕獲供之後使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配「Windows 2000」中的「Windows」，但不匹配「Windows 3.1」中的「Windows」。預測先行不佔用字符，即發生匹配後，下一匹配的搜索緊隨上一匹配以後，而不是在組成預測先行的字符後。 (?!pattern) 執行反向預測先行搜索的子表達式，該表達式匹配不處於匹配 pattern 的字符串的起始點的搜索字符串。它是一個非捕獲匹配，即不能捕獲供之後使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配「Windows 3.1」中的 「Windows」，但不匹配「Windows 2000」中的「Windows」。預測先行不佔用字符，即發生匹配後，下一匹配的搜索緊隨上一匹配以後，而不是在組成預測先行的字符後。 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」中的「p」。 [a-z] 字符範圍。匹配指定範圍內的任何字符。例如，「[a-z]」匹配「a」到「z」範圍內的任何小寫字母。 [^a-z] 反向範圍字符。匹配不在指定的範圍內的任何字符。例如，「[^a-z]」匹配任何不在「a」到「z」範圍內的任何字符。 \b 匹配一個字邊界，即字與空格間的位置。例如，「er\b」匹配「never」中的「er」，但不匹配「verb」中的「er」。 \B 非字邊界匹配。「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 或回車符。x 的值必須在 A-Z 或 a-z 之間。若是不是這樣，則假定 c 就是「c」字符自己。 \d 數字字符匹配。等效於 [0-9]。 \D 非數字字符匹配。等效於 [^0-9]。 \f 換頁符匹配。等效於 \x0c 和 \cL。 \n 換行符匹配。等效於 \x0a 和 \cJ。 \r 匹配一個回車符。等效於 \x0d 和 \cM。 \s 匹配任何空白字符，包括空格、製表符、換頁符等。與 [ \f\n\r\t\v] 等效。 \S 匹配任何非空白字符。與 [^ \f\n\r\t\v] 等效。 \t 製表符匹配。與 \x09 和 \cI 等效。 \v 垂直製表符匹配。與 \x0b 和 \cK 等效。 \w 匹配任何字類字符，包括下劃線。與「[A-Za-z0-9_]」等效。 \W 與任何非單詞字符匹配。與「[^A-Za-z0-9_]」等效。 \xn 匹配 n，此處的 n 是一個十六進制轉義碼。十六進制轉義碼必須正好是兩位數長。例如，「\x41」匹配「A」。「\x041」與「\x04」&「1」等效。容許在正則表達式中使用 ASCII 代碼。 \num 匹配 num，此處的 num 是一個正整數。到捕獲匹配的反向引用。例如，「(.)\1」匹配兩個連續的相同字符。 \n 標識一個八進制轉義碼或反向引用。若是 \n 前面至少有 n 個捕獲子表達式，那麼 n 是反向引用。不然，若是 n 是八進制數 (0-7)，那麼 n 是八進制轉義碼。 \nm 標識一個八進制轉義碼或反向引用。若是 \nm 前面至少有 nm 個捕獲子表達式，那麼 nm 是反向引用。若是 \nm 前面至少有 n 個捕獲，則 n 是反向引用，後面跟有字符 m。若是兩種前面的狀況都不存在，則 \nm 匹配八進制值 nm，其中 n 和 m 是八進制數字 (0-7)。 \nml 當 n 是八進制數 (0-3)，m 和 l 是八進制數 (0-7) 時，匹配八進制轉義碼 nml。 \un 匹配 n，其中 n 是以四位十六進制數表示的 Unicode 字符。例如，\u00A9 匹配版權符號 (?)。