首页 > 代码库 > JAVA正则表达式

JAVA正则表达式

1.  一般来说,正则表达式就是以某种方式来描述字符串。

  在其他语言中,\\表示“我想要在正则表达式中插入一个普通的(字面上的)反斜线,请不要给它任何特殊的意义。”而在Java中,\\的意思是“我要插入一个正则表达式的反斜线,所以其后的字符具有特殊的意义。”例如,如果你想表示一位数字,那么正则表达式应该是\\d。如果你想插入一个普通的反斜线,则应该这样\\\\。不过换行和制表符之类的东西只需使用单反斜线:\n\t。

  ?表示可能有某个字符。如-?表示可能有一个负号在前面。

  +表示一个或多个之前的表达式。

2.  String类自带正则表达式工具:

  1)matches , 检查string是否匹配正则表达式

"-1234".matches("-?\\d+"); //true
  2) split , 将字符串从正则表达式匹配的地方切开(匹配的部分被删除)

"you must do it".split("\\W+");//you, must, do, it

  3) replaceFirst ,replaceAll , 替换

"you found it".replaceFirst("f\\w+","located"); //"you located it"
"you found it".replaceAll("f\\w+","located"); //"you located it"
3. 创建正则表达式(导入java.util.regex)
在JDK文档的java.util.regex.Pattern那一页有完整的下述表达式。

  • ConstructMatches
     
    Characters
    xThe character x
    \\The backslash character
    \0nThe character with octal value 0n (0 <= n <= 7)
    \0nnThe character with octal value 0nn (0 <= n <= 7)
    \0mnnThe character with octal value 0mnn (0 <= m <= 3, 0 <= n <= 7)
    \xhhThe character with hexadecimal value 0xhh
    \uhhhhThe character with hexadecimal value 0xhhhh
    \x{h...h}The character with hexadecimal value 0xh...h (Character.MIN_CODE_POINT  <= 0xh...h <= Character.MAX_CODE_POINT)
    \tThe tab character (‘\u0009‘)
    \nThe newline (line feed) character (‘\u000A‘)
    \rThe carriage-return character (‘\u000D‘)
    \fThe form-feed character (‘\u000C‘)
    \aThe alert (bell) character (‘\u0007‘)
    \eThe escape character (‘\u001B‘)
    \cxThe control character corresponding to x
     
    Character classes
    [abc]a, b, or c (simple class)
    [^abc]Any character except a, b, or c (negation)
    [a-zA-Z]a through z or A throughZ, inclusive (range)
    [a-d[m-p]]a through d, or m throughp:[a-dm-p] (union)
    [a-z&&[def]]d, e, or f (intersection)
    [a-z&&[^bc]]a through z, except for b andc:[ad-z] (subtraction)
    [a-z&&[^m-p]]a through z, and not m throughp:[a-lq-z](subtraction)
     
    Predefined character classes
    .Any character (may or may not match line terminators)
    \dA digit: [0-9]
    \DA non-digit: [^0-9]
    \hA horizontal whitespace character: [ \t\xA0\u1680\u180e\u2000-\u200a\u202f\u205f\u3000]
    \HA non-horizontal whitespace character: [^\h]
    \sA whitespace character: [ \t\n\x0B\f\r]
    \SA non-whitespace character: [^\s]
    \vA vertical whitespace character: [\n\x0B\f\r\x85\u2028\u2029]
    \VA non-vertical whitespace character: [^\v]
    \wA word character: [a-zA-Z_0-9]
    \WA non-word character: [^\w]

4. 量词
量词描述了一个模式吸收输入文本的方式:
1)贪婪型:为所有可能的模式发现尽可能多的匹配。
2)勉强型:用问号来指定,匹配满足模式所需的最少字符数
3)占有型。
5. CharSequence
接口CharSequence从CharBuffer、String、StringBuffer、StringBuilder类之中抽象出了字符序列的一般化定义:
interface CharSequence {
    charAt(int i);
    length();
    subSequence(int start, int end);
    toString();
}
6. Pattern和Matcher
Pattern p=Pattern.compile("abc+");
Matcher m=p.matcher("abcabcac");
while(m.find){
    println("Match \""+m.group()+"\" at positions "+m.start()+"-"+(m.end()-1));
    //Match "abc" at positions 0-2
    //Match "abc" at positions 3-5
}
Matcher还有matches,
lookingAt(判断字符串的始部分能否匹配模式),
start(返回先前匹配的起始位置的索引),
end返回所匹配的最后字符的索引加一的值,
split,replaceFirst,replaceAll,
appendReplacement进行渐进式的替换(即对每一匹配的字符串进行逐个的替换,例如对匹配的元音字母转换成对应的大写形式),
appendTail(StringBuffer sbuf)在执行了一次或多次appendReplacement之后调用此方法可以将输入字符串余下的部分复制到sbuf中,
reset可以将现有的Matcher对象应用于一个新的字符序列。