正则表达式
Java正则表达式学习：（转载）
\\反斜杠
\t间隔('\u0009')
\n换行('\u000A')
\r回车('\u000D')
\d数字等价于[0-9]
\D非数字等价于[^0-9]
\s空白符号[\t\n\x0B\f\r]
\S非空白符号[^\t\n\x0B\f\r]
\w单独字符[a-zA-Z_0-9]
\W非单独字符[^a-zA-Z_0-9]
\f换页符
\eEscape
\b一个单词的边界
\B一个非单词的边界
\G前一个匹配的结束
^为限制开头
^java条件限制为以Java为开头字符
$为限制结尾
java$条件限制为以java为结尾字符
.条件限制除\n以外任意一个单独字符
java..条件限制为java后除换行外任意两个字符
加入特定限制条件「[]」
[a-z]条件限制在小写atoz范围中一个字符
[A-Z]条件限制在大写AtoZ范围中一个字符
[a-zA-Z]条件限制在小写atoz或大写AtoZ范围中一个字符
[0-9]条件限制在小写0to9范围中一个字符
[0-9a-z]条件限制在小写0to9或atoz范围中一个字符
[0-9[a-z]]条件限制在小写0to9或atoz范围中一个字符(交集)
[]中加入^后加再次限制条件「[^]」
[^a-z]条件限制在非小写atoz范围中一个字符
[^A-Z]条件限制在非大写AtoZ范围中一个字符
[^a-zA-Z]条件限制在非小写atoz或大写AtoZ范围中一个字符
[^0-9]条件限制在非小写0to9范围中一个字符
[^0-9a-z]条件限制在非小写0to9或atoz范围中一个字符
[^0-9[a-z]]条件限制在非小写0to9或atoz范围中一个字符(交集)
在限制条件为特定字符出现0次以上时，可以使用「*」
J*0个以上J
.*0个以上任意字符
J.*DJ与D之间0个以上任意字符
在限制条件为特定字符出现1次以上时，可以使用「+」
J+1个以上J
.+1个以上任意字符
J.+DJ与D之间1个以上任意字符
在限制条件为特定字符出现有0或1次以上时，可以使用「?」
JA?J或者JA出现
限制为连续出现指定次数字符「{a}」
J{2}JJ
J{3}JJJ
文字a个以上，并且「{a,}」
J{3,}JJJ,JJJJ,JJJJJ,???(3次以上J并存)
文字个以上，b个以下「{a,b}」
J{3,5}JJJ或JJJJ或JJJJJ
两者取一「|」
J|AJ或A
Java|HelloJava或Hello
「()」中规定一个组合类型
比如，我查询<ahref=\"index.html\">index</a>中<ahref></a>间的数据，可写作<a.*href=\".*\">(.+?)</a>
在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：
PatternPattern.compile(Stringregex,intflag)
flag的取值范围如下：
Pattern.CANON_EQ当且仅当两个字符的"正规分解(canonicaldecomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a\u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonicalequivalence)"。
Pattern.CASE_INSENSITIVE(?i)默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配，只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x)在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：不是指表达式里的"\\s"，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用unix行模式。
Pattern.DOTALL(?s)在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。
Pattern.MULTILINE
(?m)在这种模式下，'^'和'$'分别匹配一行的开始和结束。此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE
(?u)在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d)在这个模式下，只有'\n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。
viewplaincopytoclipboardprint?
抛开空泛的概念，下面写出几个简单的Java正则用例：
◆比如，在字符串包含验证时
//查找以Java开头,任意结尾的字符串
Patternpattern=Pattern.compile("^Java.*");
Matchermatcher=pattern.matcher("Java不是人");
booleanb=matcher.matches();
//当条件满足时，将返回true，否则返回false
System.out.println(b);
◆以多条件分割字符串时
Patternpattern=Pattern.compile("[,|]+");
String[]strs=pattern.split("JavaHelloWorldJava,Hello,,World|Sun");
for(inti=0;i<strs.length;i++){
System.out.println(strs[i]);
}
◆文字替换（首次出现字符）
Patternpattern=Pattern.compile("正则表达式");
Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");
//替换第一个符合正则的数据
System.out.println(matcher.replaceFirst("Java"));
◆文字替换（全部）
Patternpattern=Pattern.compile("正则表达式");
Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");
//替换第一个符合正则的数据
System.out.println(matcher.replaceAll("Java"));
◆文字替换（置换字符）
Patternpattern=Pattern.compile("正则表达式");
Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");
StringBuffersbr=newStringBuffer();
while(matcher.find()){
matcher.appendReplacement(sbr,"Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());
◆验证是否为邮箱地址
Stringstr="[email protected]";
Patternpattern=Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);
Matchermatcher=pattern.matcher(str);
System.out.println(matcher.matches());
◆去除html标记
Patternpattern=Pattern.compile("<.+?>",Pattern.DOTALL);
Matchermatcher=pattern.matcher("<ahref=\"index.html\">主页</a>");
Stringstring=matcher.replaceAll("");
System.out.println(string);
◆查找html中对应条件字符串
Patternpattern=Pattern.compile("href=\"(.+?)\"");
Matchermatcher=pattern.matcher("<ahref=\"index.html\">主页</a>");
if(matcher.find())
System.out.println(matcher.group(1));
}
◆截取http://地址
//截取url
Patternpattern=Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");
Matchermatcher=pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBufferbuffer=newStringBuffer();
while(matcher.find()){
buffer.append(matcher.group());
buffer.append("\r\n");
System.out.println(buffer.toString());
}
◆替换指定{}中文字
Stringstr="Java目前的发展史是由{0}年-{1}年";
String[][]object={newString[]{"\\{0\\}","1995"},newString[]{"\\{1\\}","2007"}};
System.out.println(replace(str,object));
publicstaticStringreplace(finalStringsourceString,Object[]object){
Stringtemp=sourceString;
for(inti=0;i<object.length;i++){
String[]result=(String[])object[i];
Patternpattern=Pattern.compile(result[0]);
Matchermatcher=pattern.matcher(temp);
temp=matcher.replaceAll(result[1]);
}
returntemp;
}
◆以正则条件查询指定目录下文件
//用于缓存文件列表
privateArrayListfiles=newArrayList();
//用于承载文件路径
privateString_path;
//用于承载未合并的正则公式
privateString_regexp;
classMyFileFilterimplementsFileFilter{
/**
*匹配文件名称
*/
publicbooleanaccept(Filefile){
try{
Patternpattern=Pattern.compile(_regexp);
Matchermatch=pattern.matcher(file.getName());
returnmatch.matches();
}catch(Exceptione){
returntrue;
}
}
}
/**
*解析输入流
*@paraminputs
*/
FilesAnalyze(Stringpath,Stringregexp){
getFileName(path,regexp);
}
/**
*分析文件名并加入files
*@paraminput
*/
privatevoidgetFileName(Stringpath,Stringregexp){
//目录
_path=path;
_regexp=regexp;
Filedirectory=newFile(_path);
File[]filesFile=directory.listFiles(newMyFileFilter());
if(filesFile==null)return;
for(intj=0;j<filesFile.length;j++){
files.add(filesFile[j]);
}
return;
}
/**
*显示输出信息
*@paramout
*/
publicvoidprint(PrintStreamout){
Iteratorelements=files.iterator();
while(elements.hasNext()){
Filefile=(File)elements.next();
out.println(file.getPath());
}
}
publicstaticvoidoutput(Stringpath,Stringregexp){
FilesAnalyzefileGroup1=newFilesAnalyze(path,regexp);
fileGroup1.print(System.out);
}
publicstaticvoidmain(String[]args){
output("C:\\","[A-z|.]*");
}
匹配中文字符的正则表达式：[\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行
匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*?/>
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用
匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如0511-4405222或021-87888822
匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字
匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数（正整数+0）
^-[1-9]\d*|0$ //匹配非正整数（负整数+0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数+0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数+0）
评注：处理大量数据时有用，具体应用时注意修正
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
"^[\\w-]+(\\.[\\w-]+)*@[\\w-]+(\\.[\\w-]+)+___FCKpd___0quot; //email地址
"^[a-zA-z]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?___FCKpd___0quot; //url
匹配中文字符的正则表达式：[\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行
匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*?/>
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力
匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用
匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如0511-4405222或021-87888822
匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字
匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配非负整数（正整数+0）
^-[1-9]\d*|0$ //匹配非正整数（负整数+0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配非负浮点数（正浮点数+0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配非正浮点数（负浮点数+0）
评注：处理大量数据时有用，具体应用时注意修正
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^\w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
"^[\\w-]+(\\.[\\w-]+)*@[\\w-]+(\\.[\\w-]+)+___FCKpd___0quot; //email地址
"^[a-zA-z]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?___FCKpd___0quot; //urlviewplaincopytoclipboardprint?
正则几个基本概念：
正则几个基本概念：viewplaincopytoclipboardprint?
1.贪婪：+,*,?,{m,n}等默认是贪婪匹配，即尽可能多匹配，也叫最大匹配
如果后面加上?，就转化为非贪婪匹配，需要高版本支持
1.贪婪：+,*,?,{m,n}等默认是贪婪匹配，即尽可能多匹配，也叫最大匹配
如果后面加上?，就转化为非贪婪匹配，需要高版本支持viewplaincopytoclipboardprint?
2.获取：默认用(x|y)是获取匹配，很多时候只是测试，不一定要求得到所匹配的数据，尤其在嵌套匹配或大数据中就要用非获取匹配(?:x|y)，这样提高了效率，优化了程序。
2.获取：默认用(x|y)是获取匹配，很多时候只是测试，不一定要求得到所匹配的数据，尤其在嵌套匹配或大数据中就要用非获取匹配(?:x|y)，这样提高了效率，优化了程序。viewplaincopytoclipboardprint?
3.消耗：默认是消耗匹配，一般在预查中是非消耗匹配。
举个例子，2003-2-8要变为2003-02-08
如果用/-(\d)-/第二次匹配将从8开始，从而只替换第一个2，错误
如果用/-(\d)(?=-)/则第二次匹配从第二个-开始，即不消耗字符-
3.消耗：默认是消耗匹配，一般在预查中是非消耗匹配。
举个例子，2003-2-8要变为2003-02-08
如果用/-(\d)-/第二次匹配将从8开始，从而只替换第一个2，错误
如果用/-(\d)(?=-)/则第二次匹配从第二个-开始，即不消耗字符-viewplaincopytoclipboardprint?
4.预查：js中分为正向预查和负向预查
如上面的(?=pattern)是正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。还有(?!pattern)是负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。负向预查有时会用在对[^]的扩充，[^]只是一些字符，而?!可以使整个字符串。
4.预查：js中分为正向预查和负向预查
如上面的(?=pattern)是正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。还有(?!pattern)是负向预查，在任何不匹配pattern的字符串开始处匹配查找字符串。负向预查有时会用在对[^]的扩充，[^]只是一些字符，而?!可以使整个字符串。viewplaincopytoclipboardprint?
5.回调：一般用在替换上，即根据不用的匹配内容返回不用的替换值，从而简化了程序，需要高版本支持
5.回调：一般用在替换上，即根据不用的匹配内容返回不用的替换值，从而简化了程序，需要高版本支持viewplaincopytoclipboardprint?
6.引用：\num对所获取的第num个匹配的引用。
例如，'(.)\1\1'匹配AAA型。'(.)(.)\2\1'匹配ABBA型。
6.引用：\num对所获取的第num个匹配的引用。
例如，'(.)\1\1'匹配AAA型。'(.)(.)\2\1'匹配ABBA型。viewplaincopytoclipboardprint?
正则表达式保留字
^(carat)
.(period)
[(leftbracket}
$(dollarsign)
((leftparenthesis)
)(rightparenthesis)
|(pipe)
*(asterisk)
+(plussymbol)
?(questionmark)
{(leftcurlybracket,orleftbrace)
\backslash
正则表达式保留字
^(carat)
.(period)
[(leftbracket}
$(dollarsign)
((leftparenthesis)
)(rightparenthesis)
|(pipe)
*(asterisk)
+(plussymbol)
?(questionmark)
{(leftcurlybracket,orleftbrace)
\backslashviewplaincopytoclipboardprint?
构造匹配于
构造匹配于viewplaincopytoclipboardprint?
字符
x字符x
\\反斜线字符
\0n八进制值的字符0n(0<=n<=7)
\0nn八进制值的字符0nn(0<=n<=7)
\0mnn八进制值的字符0mnn0mnn(0<=m<=3,0<=n<=7)
\xhh十六进制值的字符0xhh
\uhhhh十六进制值的字符0xhhhh
\t制表符('\u0009')
\n换行符('\u000A')
\r回车符('\u000D')
\f换页符('\u000C')
\a响铃符('\u0007')
\e转义符('\u001B')
\cxT对应于x的控制字符x
字符
x字符x
\\反斜线字符
\0n八进制值的字符0n(0<=n<=7)
\0nn八进制值的字符0nn(0<=n<=7)
\0mnn八进制值的字符0mnn0mnn(0<=m<=3,0<=n<=7)
\xhh十六进制值的字符0xhh
\uhhhh十六进制值的字符0xhhhh
\t制表符('\u0009')
\n换行符('\u000A')
\r回车符('\u000D')
\f换页符('\u000C')
\a响铃符('\u0007')
\e转义符('\u001B')
\cxT对应于x的控制字符xviewplaincopytoclipboardprint?
字符类
[abc]a,b,orc(简单类)
[^abc]除了a、b或c之外的任意字符（求反）
[a-zA-Z]a到z或A到Z，包含（范围)
[a-z-[bc]]a到z，除了b和c：[ad-z]（减去）
[a-z-[m-p]]a到z，除了m到p：[a-lq-z]
[a-z-[^def]]d,e,或f
字符类
[abc]a,b,orc(简单类)
[^abc]除了a、b或c之外的任意字符（求反）
[a-zA-Z]a到z或A到Z，包含（范围)
[a-z-[bc]]a到z，除了b和c：[ad-z]（减去）
[a-z-[m-p]]a到z，除了m到p：[a-lq-z]
[a-z-[^def]]d,e,或fviewplaincopytoclipboardprint?
预定义的字符类
.任意字符（也许能与行终止符匹配，也许不能）
\d数字:[0-9]
\D非数字:[^0-9]
\s空格符:[\t\n\x0B\f\r]
\S非空格符:[^\s]
\w单词字符:[a-zA-Z_0-9]
\W非单词字符:[^\w]