正则表达式

2022-05-09 21:11:43 浏览数 (1)

平时用得少，遇到就得到处找。这里总结一下用法，方便复查

1. 正则表达式(regular expression)

描述了字符串的模式匹配，可用于检索、替换、截取符合模式（规则）的串

预习内容：

  • 需正则引擎来进行处理，通常该引擎嵌入程序中（Java正则包嵌到RT里面）
  • 正则会首先返回第一个匹配的串，即使后面还有匹配的模式（急切性）
  • 某些特殊字符需预处理才能传递给引擎（ ，*，？），匹配特殊字符要用 转义
  • 匹配 要用 \，Java匹配路径用到正则，那么地址写法有两种：
    • C:\dir\xxx.txt
    • C:/dir/xxx.txt
    • Windows路径用 ，Linux用 /，为了跨平台性推荐使用 / 来写路径
  • 换行符（n）、回车符（r），二者区别类似上世纪打字机，不同系统对换行有不同要求：
    • Windows：rn
    • Linux：n
    • Max：r

2. 正则的组成

  • 普通字符
    • 字母 abcABC
    • 数字 0123
    • 标点符号 , . ?
    • 其他符号
  • 特殊字符（元字符）
    • 非打印字符 r n
    • 限定符 * ？
    • 定位符 ^ $
    • 选择 ( )
    • 反向引用

2.1 非打印字符

字符

描述

.

除换行符 n之外的任意单字符

|

或

n

换行符

t

回车符

d

数字（digit）

D

除了数字

w

单词（word）,数字，大小写字母，下划线

W

非单词

s

空白符（空格，制表符，换页符等）

S

非空白符

2.2 限定符

字符

描述

*

0或多次

1或多次

？

0或一次

{n}

出现几次

{n, }

至少几次

{n,m}

出现n~m次

2.3 定位符

字符

描述

^

开始

$

结束

b

单词边界（字与空格间的位置）

B

非单词边界

2.4 选择

字符

描述

（）

标记子表达式

补充：

  • 字符集[]仅仅匹配里面的其中的一个
  • [^] 表示取反，即不在字符集里面的内容，[^0-9]，表示不匹配数字

3. 正则优先级

正则表达式从左到右进行计算，并遵循优先级顺序，下表优先级从高到低

运算符

描述

转义符

()、[]

圆括号、方括号

*、 、?、 {n,m}

限定符

^、$、num

定位符、分组编号

|

替换

4. 匹配模式

修饰符

描述

i

ignore：大小写不敏感

g

global：全局匹配

m

multiline：多行匹配，^$会匹配新行符

s

single：单行匹配，.会匹配新行符

5. 选择 ()

5.1 分组

可将括号内容看成一个整体进行匹配

代码语言：javascript复制
（abc ），表示：abc出现1或多次

5.2 分支

使用分支时要用括号包裹

代码语言：javascript复制
a（b | c | d），表示：ab、ac、ad的其中一个

5.3 分组引用

代码语言：javascript复制
字符串：2020-11-07
模式串：(d{4})-(d{2})-(d{2})
不需要分组引用：（?:d{4})-(d{2})-(d{2}），引用需要缓存降低了速度

引用会把匹配到的组按编号存入缓存，0编号表示整体，后面依次是匹配的内容，使用n来访问分组：

  • 0：2020-11-07
  • 1：2020
  • 2：11
  • 3：07

6. 贪婪和惰性

贪婪是尽可能匹配多的字符，而惰性则是尽可能匹配少的字符（后面加 ? 实现惰性）

6.1 引擎工作原理

代码语言：javascript复制
字符串：<h1>This is H1</h1>
贪婪模式串：<. >
惰性模式串：<. ?>

模式串中：< 匹配该字符，.匹配任意非换行字符， 匹配1或多次前置字符直到换行，>匹配该字符，？表示惰性

贪婪流程：

  • <匹配字符串的第一个<
  • .一直匹配前面所有字符，直到最后的换行匹配失败
  • 然后引擎对下一个正则符号匹配，即匹配>，这时会进行回溯，即</h1>的>会被匹配到即立刻急切返回

惰性流程：

  • <匹配字符串的第一个<
  • .匹配h，因为是惰性，所以匹配了.就开启匹配>，尽可能返回少的字符
  • 而>匹配1失败，就会进行后移，用.继续匹配后面的1，然后重复上面一步
  • 最终返回<h1>

7. 正负向预查

  • xxx(?=pattern)：捕获xxx，而xxx是以xxxpattern结尾
  • xxx(?!pattern)：上面的否定，即不以pattern结尾
  • (?<=pattern)xxx：捕获xxx，而xxx是以pattern开头
  • (?<!pattern)xxx：上面的否定，即不以pattern开头

8. Java里的正则使用

java.util.regex 包主要包括以下三个类：

  • Pattern：正则表达式的编译表示，不可变类能多线程使用
    • Pattern.compile(reg，flag)：表示匹配模式
  • Matcher：是对输入字符串进行解释和匹配操作的引擎
  • PatternSyntaxException：是一个非强制异常类，它表示一个正则表达式模式中的语法错误

8.1 匹配查找

代码语言：javascript复制
public static void main(String[] args) throws InterruptedException {

    String str = "123456789";             // 字符串
    String reg = "\d ";     			  // 模式串

    Pattern pattern = Pattern.compile(reg);
    Matcher matcher = pattern.matcher(str);
    boolean b = matcher.matches();		 // true
}

8.2 捕获组

代码语言：javascript复制
public static void main(String[] args) throws InterruptedException {

    String str = "020-123456";             // 字符串
    String reg = "(\d{3})-(\d{6})";     // 模式串

    Pattern pattern = Pattern.compile(reg);
    Matcher matcher = pattern.matcher(str);

    if(matcher.find()){
        System.out.println(matcher.group(0));	// 020-123456
        System.out.println(matcher.group(1));	// 020
        System.out.println(matcher.group(2));	// 123456
    }
}

8.3 替换

代码语言：javascript复制
public static void main(String[] args) throws InterruptedException {

    String str = "The dog is mine which dog is playing";             // 字符串
    String reg = "dog";                                              // 模式串

    Pattern pattern = Pattern.compile(reg);
    Matcher matcher = pattern.matcher(str);
    String strNew = matcher.replaceAll("cat");
    System.out.println(strNew);			// "The cat is mine which cat is playing"
}

8.4 String类的正则

代码语言：javascript复制
public static void main(String[] args) throws InterruptedException {

    String str = "123456789";             // 字符串
    String reg = "\d ";     			  // 模式串
    
    boolean matches = str.matches(reg);
    System.out.println(matches);		  // true
}

参考：

菜鸟教程

摩诘

正则表达式 java 编程算法 windows

0 人点赞