深入入門正則表達(dá)式（java） - 1 - 入門基礎(chǔ)
?
深入入門正則表達(dá)式（java） - 2 - 基本實(shí)例
深入入門正則表達(dá)式（java） - 3 - 正則在java中的使用
深入入門正則表達(dá)式（java） - 匹配原理 - 1 - 引擎分類與普適原則
深入入門正則表達(dá)式（java） - 匹配原理 - 2 - 回溯
?
1.元字符
很多人對(duì)正則表達(dá)式的印象就是亂碼。。許許多多的符號(hào)組合在一起，偶見單詞，正則確實(shí)是這樣的，所以下面我們要看看這些符號(hào)都是什么意思
有些符號(hào)不是大家看到的字面上的意思：比如 “.”、“!”、“?” ……
這些符號(hào)就稱之為元字符
?
很遺憾，這些字符的意義必須牢記
注意：本文的所有紅色加粗中文引號(hào)內(nèi)的內(nèi)容均為正則表達(dá)式，而不是一般的字符和符號(hào)
?
下面我們逐一說明
“\” ：轉(zhuǎn)義符號(hào)，在字符組內(nèi)依然是元字符。
?
在檢查一行文本時(shí)
“^” ：脫字符：表示一行的開始
“$” ：美元符號(hào)：表示一行的結(jié)束
?
字符組
“[]” ：一對(duì)中括號(hào)，里面可以添加任何內(nèi)容，比如[hate]，括號(hào)里面的內(nèi)容是或者的關(guān)系， 這個(gè)正則的意義是：我想匹配一個(gè)字符，這個(gè)字符可以是h，可以是a，也可以是t或e。
記住：字符組最終只會(huì)匹配一個(gè)字符。 即使你的目標(biāo)字符串是hate，那么一次匹配成功的結(jié)果也只是第一個(gè)字母h，并不是整個(gè)單詞，如果我就想匹配hate這個(gè)單詞怎么辦？很容易，正則內(nèi)容為“hate”，在字符組外面的字符的關(guān)系是“和，并且”的意思。
?
注意：字符組內(nèi)的元字符和字符組外的元字符并不一樣，即使字符一樣，表示的意義也未必相同 （*）
我們先學(xué)習(xí)下一個(gè)內(nèi)容，然后再來給大家解釋上面的這句話
?
“[^]” ： 括號(hào)里面以“^”開頭，是字符組的否定形式 ，比如：[^hate]表示：匹配除了h、a、t、e以外的其他字符，依然 只會(huì)匹配一個(gè)字符
之前剛剛學(xué)過“^”表示一行的開始，但是脫字符位于[]內(nèi)的起始位置則表示否定，這也解釋了 （*） 的內(nèi)容
如果脫字符位于括號(hào)內(nèi)其他位置表示什么呢？那它表示它自己，此時(shí)并不再是一個(gè)元字符
?
“-” ：減號(hào)，可以在字符組內(nèi)表示區(qū)間、范圍。比如“[a-z]”，表示匹配a到z直接的任意一個(gè)小寫字母，如果是“[-z]”，那么“-”只表示它自己，沒有任何特殊意義，它在字符組外也沒有任何特殊意義。
ps：關(guān)于“^”、“$”、“-”的其他用法將在高級(jí)基礎(chǔ)篇講述
?
“.” ：點(diǎn)號(hào)，匹配一個(gè)任意字符的字符組簡便寫法。 “.”在字符組內(nèi)沒不是元字符
ps：“.”也不是萬能的，有些字符無法匹配，之后會(huì)詳細(xì)解釋并給出替代方案
?
“|” ：豎線，表示或者，這個(gè)很容易記憶，如果想匹配hate或者like，那么正則為：“hate|like”
注意：如果想匹配I hate you和I like you。那么正則為：“I (hate|like) you”。如果寫成“I hate|like you”，那么匹配的結(jié)果為“I hate”或者是“l(fā)ike you”了
這里圓括號(hào)的作用是控制豎線的作用范圍，“()”有很多作用，稍后再說
（對(duì)于傳統(tǒng)NFA來說，選擇結(jié)構(gòu)是按順序的，并不是匹配優(yōu)先也不是忽略優(yōu)先，關(guān)于NFA請(qǐng)參看 深入入門正則表達(dá)式（java） - 匹配原理 - 1 - 引擎分類與普適原則 ）
?
“\b” ：它的作用是單詞分隔符，如果我想匹配like，那么正則為“l(fā)ike”，沒錯(cuò)，但是會(huì)得到一些我不想要的結(jié)果，比如likely也會(huì)跑到結(jié)果集中，我可不想要這些單詞。那么修改正則為：“\blike\b”，這回就只能匹配like這個(gè)單詞了。
注意：java中的單詞分隔符為“\b”，有些語言的單詞分隔符為 “\<” 和 “\>” 。
單詞邊界是什么呢？其實(shí)正則沒有那么聰明，它不會(huì)識(shí)別“Ilikeyou”為“I like you”，它只是找到數(shù)字和字母的起始位置和結(jié)束位置而已
?
“\w” ：單詞字符。 在java中相當(dāng)于“[a-zA-Z0-9_]”。 但是java中的“\b”卻支持Unicode字符。
?
下面我們來看看正則中的“數(shù)字” - 量詞
“?” ：表示0個(gè)至1個(gè)
“*” ：表示0個(gè)至任意多個(gè)
“+” ：表示至少一個(gè)
“{min,max}” ：區(qū)間量詞。 “{2,5}”，表示匹配2到5次。“{2,}”表示至少兩次，“{2}”表示只匹配兩次。 “{,2}”，正則錯(cuò)誤，無意義
舉個(gè)例子：正如上面的反面教程所說，如果想匹配一個(gè)正整數(shù)，那么應(yīng)該如何來做
首先我們需要明確：我不想匹配0123，只想匹配123這樣的數(shù)字，0不能開頭，第二個(gè)要求就是除了數(shù)字不能有其他字符了
之前我們學(xué)過字符組了，“[0-9]”可以表示0至9中任意一個(gè)數(shù)字，那么根據(jù)上面的量詞，我們改正則為“[0-9]+”，表示至少有一個(gè)數(shù)字，至多沒有限制。但是0123這樣的數(shù)字也會(huì)滿足要求。那么我們?cè)傩薷囊幌拢紫鹊谝晃徊荒転?，那么這一位可以寫為“[1-9]”，表示匹配1到9的任何一個(gè)數(shù)字，之后呢？后面的數(shù)字有沒有都無所謂了，有，那就是多位數(shù)，沒有，那就是一位數(shù)。所以正則為“[1-9][0-9]*”。
?
貪婪與懶惰
我們?cè)賮砜匆粋€(gè)量詞的例子。比如我想匹配一個(gè)單詞，正則可以這么寫“[a-zA-Z]+”。
RegexBuddy每次匹配顏色交叉，就能知道每次都匹配到的是什么了
我們來看第一次的結(jié)果，是“there”
有個(gè)問題就出來了：“\w+”表示至少一個(gè)“\w”，那么為什么結(jié)果不是“t”、“h”、“e”、“r”、“e”，而是“there”。
上面的量詞，除了“{times}”這種指定匹配次數(shù)的，其余默認(rèn)均為貪婪匹配。也就是說盡可能多的匹配。
相對(duì)的就有惰性匹配，那么惰性匹配如何使用？
下面修改一下例子：“\w*e”表示以e結(jié)尾的單詞，現(xiàn)在這里的*還是貪婪匹配。
如果我想匹配到單詞中的第一個(gè)e，那么如何修改呢？
還是來看there，這回“\w+”只匹配了“th”，并沒有匹配到“ther”才停止。
惰性匹配就是盡可能少的匹配，使用方法就是在量詞后面加上“?”
如果量詞后面沒有“?”等其他量詞，那么就是默認(rèn)的貪婪匹配。
?
“?”，“*”，“+”：也叫匹配優(yōu)先量詞
“*?”，“+?”，“??”：也叫忽略優(yōu)先量詞
?
其實(shí)還有一種量詞：
“?+”，“*+”，“++”：占有優(yōu)先量詞 。 （支持這種量詞的正則引擎很少，java支持）
這節(jié)不討論這種類型量詞，之后的章節(jié)討論
?
() ：將括號(hào)里面的內(nèi)容作為一個(gè)獨(dú)立的單元，理解為一組。
?
反向引用
“\”+數(shù)字 ：好多語言能記住“()”里面匹配到的內(nèi)容，比如java。如果我只想使用“()”匹配到的內(nèi)容，那么可以使用反向引用。
比如我想找兩個(gè)一樣的單詞，總有不小心寫錯(cuò)的時(shí)候，可能會(huì)出現(xiàn)hate hate這樣的時(shí)候，那么正則應(yīng)該如何書寫呢？
“(hate) \1”
這樣就能匹配到了
?
通常我們不只局限于一個(gè)單詞，那么我們可以寫為：“([a-zA-Z]+) \1”,這樣也能找到hate hate形式的錯(cuò)誤。
注意：這里([a-zA-Z]+)表示至少一個(gè)英文字母，后面的\1不表示至少一個(gè)英文字母，而是表示說與()匹配的結(jié)果一致！ “([a-zA-Z]+) \1”不是“([a-zA-Z]+) ([a-zA-Z]+)”的簡寫
比如：目標(biāo)字符串為likely like，“([a-zA-Z]+) ”會(huì)匹配到likely和一個(gè)空格，“\1”不會(huì)匹配“([a-zA-Z]+)”，因?yàn)橹袄ㄌ?hào)的結(jié)果不是like，所以這次查找失敗，無結(jié)果。
?
反向引用中的數(shù)字的確定
例如“((\d)(\d))\d”來匹配123這個(gè)數(shù)字。那么“\1”的結(jié)果是遇見的第一個(gè)括號(hào)，就是最外面的，“\1”結(jié)果為12。按著順序“\2”結(jié)果為1，“\3”結(jié)果為2
?
最后再說下 “()” ， 反向引用 的開始已經(jīng)說出了括號(hào)的另一個(gè)作用，那就是保存捕獲的內(nèi)容，這種類型的括號(hào)叫做 捕獲型括號(hào) ，相對(duì)應(yīng)的就有 非捕獲型括號(hào)“(?:)”
?
“(?:)” ：非捕獲型括號(hào)。“(?:hate)”會(huì)匹配到hate這個(gè)字符串，但是如果你企圖使用反向引用“(?:hate) \1”，那么就會(huì)出現(xiàn)錯(cuò)誤。這樣的操作是非法的。
注意：非捕獲型括號(hào)不影響捕獲計(jì)數(shù) ，獲取“((?:\d)(\d))”中的“(\d)”捕獲的內(nèi)容為\2，不再是\3
好處：
1.提高效率，很容易理解，不記住捕獲的內(nèi)容也就不占用內(nèi)存了
2.結(jié)構(gòu)清晰
?
常用空白字符
“\s” ：表示所有空白字符。
“\t” ：制表符。
“\n” ：換行符。
“\r” ：回車。
?
一些其他常用的縮略表示
“\S” ：除“\s”之外的任何字符
“ \ w” ：等同于[a-zA-Z0-9_]
“ \W ” ：除“\w”之外的任何字符
“ \ d” ：等同于[0-9]
“ \ D” ：除“d”之外的任何字符
有些工具不支持，比如EditPlus v3.10 中的查找就不支持\d等。
?
環(huán)視（零寬斷言）
環(huán)視分為順序和逆序，肯定和否定，組合一下一共4種。下面就看看環(huán)視到底是什么
“(?=)” ：順序肯定環(huán)視：（從左至右）查看文本，如果能夠匹配，就返回匹配成功信息。
“(?<=)” ：逆序肯定環(huán)視：（從右至左）查看文本，如果能夠匹配，就返回匹配成功信息。
“(?!)” ：順序否定環(huán)視：（從左至右）查看文本，如果不能夠匹配，就返回匹配成功信息。
“(?<!)” ：逆序否定環(huán)視：（從右至左）查看文本，如果不能夠匹配，就返回匹配成功信息。
?
下面看幾個(gè)簡單的實(shí)例，然后就很容易明白上面的火星語了
例：下面有兩句話，加入你只想找到book，不想找到books
there is a book on the desk.
there are some books on the desk.
最簡單的辦法是：“book\b”，這很容易理解，book后面跟著單詞分隔符，book后面如果是s，那么肯定被認(rèn)為是一個(gè)單詞，所以這樣不會(huì)匹配到books。如果用環(huán)視，應(yīng)該如何書寫呢
“book(?!\w)”
正則中的book很好理解，依次匹配b、o、o、k，然后呢，\w在上面說過等同于[a-zA-Z0-9]，“(?!\w)”是說：我要找這樣一個(gè)位置，這個(gè)位置的后面不能是\w。
第一句話中，在匹配了book后，發(fā)現(xiàn)緊跟的是一個(gè)空格，恩，不是\w中的內(nèi)容，匹配成功。
?
注意：環(huán)視不會(huì)占用字符！環(huán)視查找的是字符與字符之間的位置。
環(huán)視括號(hào)并沒有捕獲字符的功效，所以不能使用反向引用。
上圖畫三角號(hào)的位置就是這個(gè)環(huán)視匹配的位置
?
如果想匹配books的book怎么辦，很簡單“book(?=s)”
?
上面演示了肯定順序環(huán)視和否定順序環(huán)視。下面演示了環(huán)視不占用字符。
比較容易理解吧，這個(gè)例子沒有任何實(shí)際意義，僅做演示用
之后會(huì)給出一些有意義的例子
?
?
2.正則模式與匹配模式
此部分內(nèi)容基本來自《精通正則表達(dá)式》 v3
1.忽略大小寫模式： （java中使用Pattern.CASE_INSENSITIVE）
2.寬松排列與注釋模式： 此模式會(huì)忽略字符組外部的所有空白字符 ， 但是在java.util.regex中，字符組之外的所有空白字符并非都被忽略，而是作為一個(gè)“無意義字符（do-nothing metacharacter）” 。正則“\12 3”表“3”在“\12”之后，而非表示“\123”（java中使用Pattern.COMMENTS）
ps：“空白字符”的定義取決于所采用的字符編碼的定義，以及此編碼對(duì)空白字符的支持程度。 大多數(shù)程序只能識(shí)別ASCII的空白字符。
3.點(diǎn)號(hào)通配模式（單行模式）： （dot-match-all match mode） 通常點(diǎn)號(hào)是不能匹配換行符的。 但是在java中情況特殊：在sun的正則表達(dá)式包，點(diǎn)號(hào)能夠匹配未使用此模式時(shí)點(diǎn)號(hào)不能匹配的所有單字符Unicode行終止符。 （java中使用Pattern.DOTALL ）
?
符：Unicode行終止符
| 字符 | 描述 | ||||||||||||||||||||||||
|
|
?
4.增強(qiáng)的錨點(diǎn)模式（多行文本模式）： （Enhanced line-anchor match mode） 此模式影響“^”和“$”的匹配。 通常情況下“^”不能匹配字符串內(nèi)部的換行符，而只能匹配目標(biāo)字符串的起始位置。在此增強(qiáng)模式下，它能夠匹配字符串中內(nèi)嵌的文本行的開頭位置。“$”也是這樣，此模式下可以匹配字符串內(nèi)部的換行符。這里可能不是很好理解，之后的實(shí)例會(huì)介紹，其中還包括 “\A”，“\Z” 和 “\z” 的意義（java中使用Pattern.CASE_INSENSITIVE）
5.文字文本模式： 此模式幾乎不能識(shí)別任何元字符 。比如此模式下正則“[a-z]+” 匹配的就是字符串“[a-z]+”而并不是連續(xù)的小寫英文字母（java中使用Pattern.CASE_INSENSITIVE）
?
上面的幾種模式如果沒有理解，可以看之后的教程。
將會(huì)在基本實(shí)例和高級(jí)基礎(chǔ)中討論。
?
?
?
轉(zhuǎn)貼請(qǐng)保留以下鏈接
本人blog地址
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫作最大的動(dòng)力，如果您喜歡我的文章，感覺我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
