正则表达式(Java)[精].doc

正则表达式 正则表达式是JDK 1.4的新功能，但是对sed和awk这样的Unix的标准实用工具，以及Python，Perl之类的语言来讲，它早就已经成为其不可或缺的组成部分了(有人甚至认为，它还是Perl能大获成功的最主要的原因)。单从技术角度来讲，正则表达式只是一种处理字符串的工具(过去Java这个任务是交由String，StringBuffer以及StringTokenizer处理的)，但是它常常和I/O一起使用，所以放到这里来讲也不算太离题吧。 正则表达式是一种功能强大但又非常灵活的文本处理工具。它能让你用编程的方式来描述复杂的文本模式，然后在字符串里把它找出来。一旦你找到了这种模式，你就能随心所欲地处理这些文本了。虽然初看起来正则表达式的语法有点让人望而生畏，但它提供了一种精练的动态语言，使我们能用一种通用的方式来解决各种字符串的问题，包括匹配，选择，编辑以及校验。 创建正则表达式 你可以从比较简单的东西入手学习正则表达式。要想全面地掌握怎样构建正则表达式，可以去看JDK文档的java.util.regex的Pattern类的文档。 字符 B 字符B \xhh 16进制值0xhh所表示的字符 \uhhhh 16进制值0xhhhh所表示的Unicode字符 \t Tab \n 换行符 \r 回车符 \f 换页符 \e Escape 正则表达式的强大体现在它能定义字符集(character class)。下面是一些最常见的字符集及其定义的方式，此外还有一些预定义的字符集： 字符集 . 表示任意一个字符 [abc] 表示字符a，b，c中的任意一个(与a|b|c相同) [^abc] 除a，b，c之外的任意一个字符(否定) [a-zA-Z] 从a到z或A到Z当中的任意一个字符(范围) [abc[hij]] a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集) [a-z[hij]] h,i,j中的一个(交集) \s 空格字符(空格键, tab, 换行, 换页, 回车) \S 非空格字符([^\s]) \d 一个数字，也就是[0-9] \D 一个非数字的字符，也就是[^0-9] \w 一个单词字符(word character)，即[a-zA-Z_0-9] \W 一个非单词的字符，[^\w] 如果你用过其它语言的正则表达式，那么你一眼就能看出反斜杠的与众不同。在其它语言里，\的意思是：“只是要在正则表达式里插入一个反斜杠。没什么特别的意思。”但是在Java里，\的意思是：“要插入一个正则表达式的反斜杠，所以跟在它后面的那个字符的意思就变了。”举例来说，如果你想表示一个或更多的单词字符，那么这个正则表达式就应该是\w+。如果你要插入一个反斜杠，那就得用\\。不过像换行，跳格之类的还是只用一根反斜杠：\n\t。 这里只给你讲一个例子；你应该JDK文档的java.util.regex.Pattern加到收藏夹里，这样就能很容易地找到各种正则表达式的模式了。 逻辑运算符 XY X 后面跟着 Y X|Y X或Y (X) 一个要匹配的组(capturing group). 以后可以用\i来表示第i个被匹配的组。 边界匹配符 ^ 一行的开始 $ 一行的结尾 \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 举一个具体一些的例子。下面这些正则表达式都是合法的，而且都能匹配Rudolph： Rudolph [rR]udolph [rR][aeiou][a-z]ol.* R.* 数量表示符 数量表示符(quantifier)的作用是定义模式应该匹配多少个字符。 Greedy(贪婪的)： 除非另有表示，否则数量表示符都是greedy的。Greedy的表达式会一直匹配下去，直到匹配不下去为止。(如果你发现表达式匹配的结果与预期的不符)，很有可能是因为，你以为表达式会只匹配前面几个字符，而实际上它是greedy的，因此会一直匹配下去。 Reluctant(勉强的)： 用问号表示，它会匹配最少的字符。也称为lazy, minimal matching, non-greedy, 或ungreedy。 Possessive(占有的)： 目前只有Java支持(其它语言都不支持)。它更加先进，所以你可能还不太会用。用正则表达式匹配字符串的时候会产生很多中间状态，(一般的匹配引擎会保存这种中间状态，)这样匹配失败的时候就能原路返回了。占有型的表达式不保存这种中间状态，因此也就不会回头重来了。它能防止正则表达式的失控，同时也能提高运行的效率。 Greedy Reluctant Poss