正则表达式好学吗（简单总结正则表达式的语法）

当然，为了指定一种模式，使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时，你需要使用一种特殊的语法。

这里有一个简单例子。正则表达式
[Jj]ava.+
匹配下列形式的任何字符串：

首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成

例如，字符串“javaness”匹配这个特殊的正则表达式，但是字符串“CoreJava”却不匹配。

如你所见，你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途，使用少量的简单构造（straightforwardconstructs）就已足够。

字符类是可选自符的集合，用‘['封装，比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围（Unicode落在两个边界之间的所有字符），^表示求补（指定字符外的所有字符）。
有许多预定以的字符类，像\d（数字）或\p{Sc}（Unicode货币符号），见表12-8和12-9。
大多数字符与它们自身匹配，像上例中的ava字符。
符号.匹配任何字符（可能行终止符（lineterminators）除外，这依赖于标识设置（flagsettings））
\用作转义符，比如\.匹配一个句点，\\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式，则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”
可以将量词（quantifier）用到表达式中，X+表示X重复1次或多次，X*表示X重复0次或多次，X?表示X重复0次或1次
默认地，一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀？（称为reluctant或stingy匹配，用以匹配最小的重复数），和+（称为possessive或贪婪匹配，用以即使在总体匹配失败的情况下也匹配最大的重复数）来更改这种属性。

例如，字符串cab匹配[a-z]*ab，但不匹配[a-z]*+ab。第一种情况下，[a-z]*只匹配字符c，因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配，模式的剩余部分ab就匹配失败（，这样总体也就匹配失败）。

可以使用分组来定义子表达式。将分组封装在（）中，如([+-]?)([0-9]+)。然后你可以让模式匹配符（thepatternmatcher）返回每个分组的匹配，或者使用\n来回引分组（referbacktoagroupwith\n），其中n是组号（以\1起始）

这里有一个稍微有点复杂却又很有用的正则表达式－－它用来描述十进制和十六进制的整数。
[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+

不幸的是，在使用正则表达式的各种程序和库之间，它的语法还没有完全标准化。对基本的构造上已达成了共识，但在细节方面有许多令人“抓狂”的区别（manymaddeningdifferences）。Java的正则表达式类使用了与Perl语言类似的语法，但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息，请参考Pattern类的API文档，或者JeffreyE.F.Friedl的著作《MasteringRegularExpressions》(O'ReillyandAssociates,1997)（刚去第二书店查了一下，东南大学出版社已经引入了其第二版，影印）

表12-8正则表达式语法

--------------------------------------------------------------------------------
语法解释

--------------------------------------------------------------------------------
字符
c字符c
\unnnn,\xnn,\0n,\0nn,\0nnn带有十六或八进制值的代码单元

\0n八进制0n代表的字符（0<=n<=7）

\0nn八进制0nn代表的字符(0<=n<=7)

\0mnn八进制0mnn代表的字符(0<=m<=3,0<=n<=7)

\xnn十六进制0xnn所代表的字符

\uhhhh十六进制0xhhhh所代表的字符

\t,\n,\r,\f,\a,\e控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符
\cc控制字符中出现的相应字符c

--------------------------------------------------------------------------------
字符类
[C1C2...]C1、C2……中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。
[^...]字符类的补集
[...&&...]两个字符类的交集

--------------------------------------------------------------------------------
预定义字符类
.除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）
\d数字[0-9]
\D非数字[^0-9]
\s空白字符[\t\n\r\f\x0B]
\S非空白字符
\w单词字符[a-zA-Z0-9_]
\W非单词字符
\p{name}一个指定的字符类，见表12-9
\P{name}指定字符类的补集

--------------------------------------------------------------------------------
边界匹配符
^$输入的开头和结尾(在多行模式(multilinemode)下是行的开头和结尾)
\b单词边界
\B非单词边界
\A输入的开头
\z输入的结尾
\Z除最后行终止符之外的输入结尾
\G上个匹配的结尾

--------------------------------------------------------------------------------
量词
X?可选的X（即X可能出现，也可能不出现）
X*X，可以重复0次或多次
X+X，可以重复1次或多次
X{n}X{n,}X{n,m}X重复n次，至少重复n次，重复n到m次

--------------------------------------------------------------------------------
量词后缀
?设默认（贪婪）匹配为reluctant匹配
+设默认（贪婪）匹配为possessive匹配

--------------------------------------------------------------------------------
集合操作
XYX的匹配后面跟着Y的匹配
X|YX或Y的匹配

--------------------------------------------------------------------------------
分组
(X)匹配X并且在一个自动计数的分组中捕获它
\n与第n个分组的匹配

--------------------------------------------------------------------------------
转义
\c字符c（必须不是字母）
\Q...\E逐字地引用...
（？...）特殊构造，看Pattern类的API

--------------------------------------------------------------------------------

正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。这里有一个Java写的测试程序。首先从表示正则表达式的字符串构造一个Pattern对象。然后从该模式获得一个Matcher对象，并且调用它的matches()方法：

Patternpattern=Pattern.compile(patternString);

Matchermatcher=pattern.matcher(input);

if(matcher.matches())...

表12.9预定义的字符类名（PredefinedCharacterClassNames）

--------------------------------------------------------------------------------
Lower小写的ASII字符[a-z]
Upper大写的ASCII字符[A-Z]
AlphaASCII字母[A-Za-z]
DigitASCII数字[0-9]
AlnumASCII字母或数字[A-Za-z0-9]
Xdigit十六进制数字[0-9A-Fa-f]
PrintorGraph可打印的ASCII字符[\x21-\x7E]
Punct非字母或数字ASCII[\p{Print}&&\P{Alnum}]
ASCII所有ASCII字符[\x00-\x7F]
CntrlASCII控制字符[\x00-\x1F]
Blank空格符或制表符[\t]
Space空白符[\t\n\r\f\0x0B]
javaLowerCase取决于Character.isLowerCase()的小写字符
javaUpperCase取决于Character.isUpperCase()的大写字符
javaWhitespace取决于Character.isWhitespace()的空白符
javaMirrored取决于Character.isMirrored()的Mirrored（？）
InBlock这里的Block是unicode字符的块名，用空格隔开，比如BasicLatin或Mongolian。块名列表参考http://www.unicode.org
Category或InCategory这里的Category是Unicode字符的种类名，比如L（字母）或者Sc（货币符号）。种类名列表参考http://www.unicode.org

--------------------------------------------------------------------------------

matcher的输入可以是实现CharSequence接口的任何类对象，像String，StringBuilder或CharBuffer。

当编译模式时，可以设置一个或多个标志，例如

Patternpattern=Pattern.compile(patternString,

Pattern.CASE_INSENSITIVE+Pattern.UNICODE_CASE);

下面六个标志都是支持的：

CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑USASCII字符。

UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配

MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入

UNIX_LINES：当在多行模式下匹配^和$时，只将'\n'看作行终止符

DOTALL:当使用此标志时，.符号匹配包括行终止符在内的所有字符

CANON_EQ:考虑Unicode字符的规范等价

如果正则表达式包含分组，Matcher对象能够揭示分组边界。方法

intstart(intgroupIndex)

intend(intgroupIndex)

返回某个特殊分组的起始索引和结尾后索引（past-the-endindex）。
通过调用Stringgroup(intgroupIndex)，你可以简单地得到匹配的字符串。
第0个分组代表所有的分组，第一个实际分组的索引是1。调用groupCount来获得总的分组数。

使用开放圆括号来安排嵌套分组。例如，给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am,Matcher对象报告下列分组
((1?[0-9]):([0-5][0-9]))[ap]m
并输入
11:59am
matcher报告下列分组

--------------------------------------------------------------------------------
分组索引起始结束字符串

--------------------------------------------------------------------------------
00711;59am
10511:59
20211
33559

--------------------------------------------------------------------------------

例12－9提示输入一个模式和一个欲匹配的字符串。它将输出输入的字符串是否匹配模式。如果输入匹配包含分组的模式，程序将会使用圆括号来打印分组边界，如((11):(59))am

Example12-9.RegexTest.java
1.importjava.util.*;
2.importjava.util.regex.*;
3.
4./**
5.Thisprogramtestsregularexpressionmatching.
6.Enterapatternandstringstomatch,orhitCancel
7.toexit.Ifthepatterncontainsgroups,thegroup
8.boundariesaredisplayedinthematch.
9.*/
10.publicclassRegExTest
11.{
12.publicstaticvoidmain(String[]args)
13.{
14.Scannerin=newScanner(System.in);
15.System.out.println("Enterpattern:");
16.StringpatternString=in.nextLine();
17.
18.Patternpattern=null;
19.try
20.{
21.pattern=Pattern.compile(patternString);
22.}
23.catch(PatternSyntaxExceptione)
24.{
25.System.out.println("Patternsyntaxerror");
26.System.exit(1);
27.}
28.
29.while(true)
30.{
31.System.out.println("Enterstringtomatch:");
32.Stringinput=in.nextLine();
33.if(input==null||input.equals(""))return;
34.Matchermatcher=pattern.matcher(input);
35.if(matcher.matches())
36.{
37.System.out.println("Match");
38.intg=matcher.groupCount();
39.if(g>0)
40.{
41.for(inti=0;i<input.length();i++)
42.{
43.for(intj=1;j<=g;j++)
44.if(i==matcher.start(j))
45.System.out.print('(');
46.System.out.print(input.charAt(i));
47.for(intj=1;j<=g;j++)
48.if(i+1==matcher.end(j))
49.System.out.print(')');
50.}
51.System.out.println();
52.}
53.}
54.else
55.System.out.println("Nomatch");
56.}
57.}
58.}

通常地，你不希望匹配整个输入到某个正则表达式，而是希望在输入中找出一个或多个匹配的子字符串。使用Matcher类的find方法来寻找下一个匹配。如果它返回True，再使用start和end方法找出匹配的范围。

while(matcher.find())

{

intstart=matcher.start();

intend=matcher.end();

Stringmatch=input.substring(start,end);

...

}

例12-10用到了这种机制。它在一个网页中定位所有的超文本引用并打印它们。为运行程序，在命令行提供一个URL，比如
javaHrefMatchhttp://www.horstmann.com

Example12-10.HrefMatch.java
1.importjava.io.*;
2.importjava.net.*;
3.importjava.util.regex.*;
4.
5./**
6.ThisprogramdisplaysallURLsinawebpageby
7.matchingaregularexpressionthatdescribesthe
8.<ahref=...>HTMLtag.Starttheprogramas
9.javaHrefMatchURL
10.*/
11.publicclassHrefMatch
12.{
13.publicstaticvoidmain(String[]args)
14.{
15.try
16.{
17.//getURLstringfromcommandlineorusedefault
18.StringurlString;
19.if(args.length>0)urlString=args[0];
20.elseurlString="http://java.sun.com";
21.
22.//openreaderforURL
23.InputStreamReaderin=newInputStreamReader(newURL(urlString).openStream());
24.
25.//readcontentsintostringbuffer
26.StringBuilderinput=newStringBuilder();
27.intch;
28.while((ch=in.read())!=-1)input.append((char)ch);
29.
30.//searchforalloccurrencesofpattern
31.StringpatternString="<a\\s+href\\s*=\\s*(\"[^\"]*\"|[^\\s>])\\s*>";
32.Patternpattern=Pattern.compile(patternString,Pattern.CASE_INSENSITIVE);
33.Matchermatcher=pattern.matcher(input);
34.
35.while(matcher.find())
36.{
37.intstart=matcher.start();
38.intend=matcher.end();
39.Stringmatch=input.substring(start,end);
40.System.out.println(match);
41.}
42.}
43.catch(IOExceptione)
44.{
45.e.printStackTrace();
46.}
47.catch(PatternSyntaxExceptione)
48.{
49.e.printStackTrace();
50.}
51.}
52.}

Matcher类的replaceAll方法用一个替换字符串代替出现的所有正则表达式的匹配。比如，下列指令用#替换所有数字序列

Patternpattern=Pattern.compile("[0-9]+");

Matchermatcher=pattern.matcher(input);

Stringoutput=matcher.replaceAll("#");

替换字符串可以包含模式中的分组引用：$n被第n个分组替换。替换文本中出现$时，使用\$来包含它。
replaceFirst方法只替换模式的第一次出现。

最后讲一点，Pattern类有一个split方法，它类似于字符串tokenizer。它使用正则表达式匹配作边界，将输入分离成字符串数组。比如，下面的指令将输入分离成记号（token），

Patternpattern=Pattern.compile("\\s*\\p{Punct}\\s*");

String[]tokens=pattern.split(input);

类

--------------------------------------------------------------------------------
java.util.regex.Pattern1.4

--------------------------------------------------------------------------------
方法
staticPatterncompile(Stringexpression)
staticPatterncompile(Stringexpression,intflags)
编译正则表达式字符串到pattern对象用以匹配的快速处理
参数:
expression正则表达式
flags下列标志中的一个或多个CASE_INSENSITIVE,UNICODE_CASE,MULTILINE,UNIX_LINES,DOTALL,andCANON_EQ

Matchermatcher(CharSequenceinput)
返回一个matcher对象，它可以用来在一个输入中定位模式匹配

String[]split(CharSequenceinput)
String[]split(CharSequenceinput,intlimit)
将输入字符串分离成记号，并由pattern来指定分隔符的形式。返回记号数组。分隔符并不是记号的一部分。
参数:
input分离成记号的字符串
limit生成的最大字符串数。

--------------------------------------------------------------------------------
类

--------------------------------------------------------------------------------
java.util.regex.Matcher1.4

--------------------------------------------------------------------------------
方法

--------------------------------------------------------------------------------
booleanmatches()
返回输入是否与模式匹配

booleanlookingAt()
如果输入的起始匹配模式则返回True

booleanfind()
booleanfind(intstart)
尝试查找下一个匹配，并在找到匹配时返回True
参数:
start开始搜索的索引

intstart()
intend()
返回当前匹配的起始位置和结尾后位置

Stringgroup()
返回当前匹配

intgroupCount()
返回输入模式中的分组数

intstart(intgroupIndex)
intend(intgroupIndex)
返回一个给定分组当前匹配中的起始位置和结尾后位置
参数:
groupIndex分组索引（从1开始），0表示整个匹配

Stringgroup(intgroupIndex)
返回匹配一个给定分组的字符串
参数:
groupIndex
分组索引（从1开始），0表示整个匹配

StringreplaceAll(Stringreplacement)
StringreplaceFirst(Stringreplacement)
返回从matcher输入得到的字符串，但已经用替换表达式替换所有或第一个匹配
参数:
replacement替换字符串

Matcherreset()
Matcherreset(CharSequenceinput)
复位mather状态。