前言
我想在网上最出名的正则相关的一篇文章就是《正则表达式30分钟入门教程》了,说实话这篇文章确实是我的正则入门,但是随着使用熟练,冗长的文章已经不能满足我了,在此做个归纳总结,用于快速查阅。
以下语法在Java中有效,大部分应该是通用的。
元字符
元字符,又叫字符集,就是用一些特殊符号表示特定种类的字符或位置。
匹配字符
.
匹配除换行符以外的任意字符\w
匹配字母或数字或下划线或汉字\s
匹配任意的空白符\d
匹配数字
匹配位置
\b
匹配单词的开始或结束^
匹配字符串的开始$
匹配字符串的结束\G
上一个匹配的结尾(本次匹配开始)\A
字符串开头(类似^
,但不受处理多行选项的影响)\Z
字符串结尾或行尾(不受处理多行选项的影响)\z
字符串结尾(类似$
,但不受处理多行选项的影响)
重复
*
重复零次或更多次+
重复一次或更多次?
重复零次或一次{n}
重复n次{n,}
重复n次或更多次{n,m}
重复n到m次
字符转义
如果想匹配元字符本身或者正则中的一些特殊字符,使用\
转义。例如匹配*
这个字符则使用\*
,匹配\
这个字符,使用\\
。
需要转义的字符:$
, (
, )
, *
, +
, .
, [
, ]
, ?
, \
, ^
, {
, }
, |
字符类
当需要匹配明确的字符或字符集合时候,就用到字符类。
特殊字符
\0hh
8进制值hh所表示的字符\xhh
16进制值hh所表示的字符\uhhhh
16进制值hhhh所表示的Unicode字符\t
Tab\n
换行符\r
回车符\f
换页符\e
Escape\cN
ASCII控制字符。比如\cC
代表Ctrl+C
\p{name}
Unicode中命名为name的字符类,例如\p{IsGreek}
陈列
[aeiou]
匹配一个元音字符[.?!]
匹配给定的一个标点
范围
[0-9]
匹配0~9的数字,同\d
[a-z]
匹配所有小写字母[a-zA-Z]
匹配所有字母[a-z0-9A-Z_\u4E00-\u9FFF]
等同于\w
反义
表示不属于元字符或者字符类的字符
反义元字符
\W
匹配任意不是字母,数字,下划线,汉字的字符\S
匹配任意不是空白符的字符\D
匹配任意非数字的字符\B
匹配不是单词开头或结束的位置
反义字符类
[^x]
匹配除了x以外的任意字符[^aeiou]
匹配除了aeiou这几个字母以外的任意字符
分枝条件
又叫逻辑运算符,在此X
和Y
表示两个表达式
XY
X紧跟YX|Y
表示X或Y,从左到右,满足第一个条件就不会继续匹配了。
分组
在这里我把表达式统一以\w
为例:
(\w)
被一个括号包围起来是一个整体,表示一个分组(\w)(\w)
自动命名分组,第一个小括号是分组1,第二个小括号是分组2(?'Word'\w+))
表示定义了一个叫做Word
的分组(?<Word>\w+))
表示定义了一个叫做Word
的分组(?:\w+)
匹配exp,不捕获匹配的文本,也不给此分组分配组号
后向引用
后面的表达式可以引用前面的某个分组,用\1
表示,就好像分组1的值赋值给了\1
这个变量,这个变量可以在后面任意位置引用。
\1
表示分组1匹配的文本\k<Word>
表示分组Word
匹配的文本
匹配重复两个的英文,例如匹配Hello Hello
、lei123 lei123
:
(\w+)\s+\1
(?<Word>\w+)\s+\k<Word>
零宽断言(正向和负向)
零宽断言表示匹配字符的时候再添加一些定位条件,使匹配更精准。
\w+(?=ing)
匹配以ing
结尾的多个字符(不包括ing)\w+(?!ing)
匹配不是以ing
结尾的多个字符(?<=re)\w+
匹配以re
开头的多个字符(不包括re)(?<!re)\w+
匹配不是以re
开头的多个字符(?<=\s)\d+(?=\s)
匹配两边是空白符的数字,不包括空白符
贪婪与懒惰
贪婪:匹配尽可能长的字符串
懒惰:匹配尽可能短的字符串
懒惰模式的启用只需在重复元字符之后加?
既可。
*?
重复任意次,但尽可能少重复+?
重复1次或更多次,但尽可能少重复??
重复0次或1次,但尽可能少重复{n,m}?
重复n到m次,但尽可能少重复{n,}?
重复n次以上,但尽可能少重复
处理选项
在表达式里插记号的方式来启用绝大多数的模式,在正则的哪里插入,就从哪里启用。
(?i)
:忽略大小写(CASE_INSENSITIVE)(?x)
:忽略空格字符(COMMENTS)(?s)
:.
匹配任意字符,包括换行符(DOTALL)(?m)
:多行模式(MULTILINE)(?u)
:对Unicode符大小写不敏感(UNICODE_CASE),必须启用CASE_INSENSITIVE(?d)
:只有'\n'才被认作一行的中止(UNIX_LINES)
平衡组/递归匹配
平衡组用于匹配嵌套层次结构,常用于匹配HTML标签(当HTML内容不规范,起始标签和结束标签数量不同时,匹配出正确配对的标签),在此把表达式统一以\w
为例。
(?'group'\w)
捕获的分组(\w
匹配到的内容)命名为group
,并压入堆栈(?'-group'\w)
捕获分组(\w
匹配到的内容)后,弹出group
分组栈的栈顶内容(最后压入的捕获内容),堆栈本来为空,则本分组的匹配失败(?(group)yes|no)
如果group
栈非空匹配表达式yes
,否则匹配表达式no
(?!)
零宽负向先行断言,由于没有后缀表达式,试图匹配总是失败
注释
注释语法:(?#comment)
,这个语法的内容会被正则忽略,用于注释含义。可以放在正则表达式的任意位置。