我的开发笔记--Java正则基础语法

这篇文章本来是写在博客园的，但是博客园对Markdown语法的支持很那个啥，让我很是苦恼啊，故此转过来。另一点CSDN好像不能发技术无关的随笔。

基础符号

这部分我只记录一下我常用的一些符号意义。
下面是基础符号的含义

符号 含义 (X) 捕获组，在正则表达式中，位于”()”中的内容，作为捕获组，如果有多个括号，使用group(int),从0开始捕获 [X] 匹配范围，中括号里面的内容作为匹配标志，如[abc]，可以匹配单独的字符”a”,”b”或者”c” X{} 出现次数，一般有{n},{n,}{n,m}等写法，分别表示X只出现n次，出现至少n次，出现范围在n和m之间。 . 匹配符号，一般表示除了空白字符的任意字符，如果需要注释使用”\.”，就可以注释点其特殊含义。 \d 代表0-9的任意数字，等价于[0-9],\D表示除了0-9的任意字符 \w 代表单词字符。\W等价于非单词字符 \s 空白字符，\S代表非空白字符 ^ 放置行头，表示从一行的起始位置开始匹配。放置在[]里面，如[^a]除了a的任意字符 $ 表示匹配到一行的结尾。

上述这些符号，可以完成一些比较基本的语法匹配了，例如手机号码匹配”^1[3587][\\d]{9}$”。
另外在Java SE的API中还有许多关于正则的符号，个人原因只说一些常用，在Java SE API中还有一些其它符号。

特殊符号

|：表示或。例如X|Y，匹配X或者Y中的一个，如果两个都出现，看具体正则reg，一般匹配符合要求的第一个。
\Q和\E：举个例子，一句reg，中间有.\$等特殊符号，我们需要一个个使用\来转义，如果把reg头加上\Q,尾加上\E，就可以少写很多\
\b：用来匹配单词，但是不匹配单词正确性。例如Hello,He say Hello to me！使用reg=\bHe\b。那么只能匹配中间的He，因为只有He是一个完整的单词，符合\bHe\b的规则。
\B：这个\B不是上面的跟\d和\D意义相反那么容易区分。如果按照和\b意义相反，那么在Hello,He say Hello to me！这句话里面，使用\BHe\B，应该可以匹配出点什么东西来，但是实际上却没有。看API，意思是A non-word boundary。字面了解是非单词边界，可能有点难以理解，它只能匹配一个单词里面，不包含首单词和尾单词的字符。举个例子，hello ella!,使用reg=\Bel\B,那么它会匹配出来一个el来，是hello里面的el，而第二个ella就匹配不出来了。
\A：从开段开始匹配，例如”hellohello”,使用reg=\Ahello，只会匹配出来一个hello，因为这句输入只有一个开头
\G：The end of the previous match。上一次匹配的结尾，这个跟匹配的模式和匹配的指针位置有关，我不太清楚，就不误导人了
\Z：The end of the input but for the final terminator, if any.求指导
\z：The end of the input.求指导

特殊构造

(?:X)：作为非匹配组，X内容不会被捕获
(?=X)：X, via zero-width positive lookahead。直译是零宽度正向的预测先行。首先这个预测先行，指的是左边的字符，而不是右边的字符。如XXabSS，XX是ab的先行，SS是ab的后行。这个东西就匹配在”X”前面的内容。如”XXabcYYabc”，”[\s\S]*?(?=abc)”可以匹配出来XX和YY。
(?!X)：X, via zero-width negative lookahead。直译是零宽度的负向预测先行。负个鸡毛，英死早，不会意译。(?=X)表示的是匹配内容右边是X，这个就表示匹配内容的是右边不是X。如输入”XXabcYYabc”，reg是”[\w]{2}(?!X)[\w]{2}”，匹配出来XXab和cYYa。
(?<=X)：X, via zero-width positive lookbehind.直译是零宽度的正向预测后行。表示匹配内容右边的字符串是X。测试一下，输入”XXabcYYabc”，正表是”[\w].*?(?<=abc)”，匹配到了”XXabc”和”YYabc”。
(?<!X)：直译是零宽度的负向预测后行。表示匹配内容右边不是X。测试一下，输入”XXabcYYabc”，reg是”[\w].*?(?<!abc)abc”，可以匹配到XXabc和YYabc。
(?>X)：作为一个独立的非捕获组。

捕获模式

有三种捕获模式，如下
分别是饥饿模式Greedy quantifiers，懒惰模式Reluctant quantifiers和占有模式Reluctant quantifiers。这个三个模式，分别是在匹配符后面不加符号，加”?”和加”+”。
对于饥饿模式和懒惰模式，通过下面这个例子，分析一下。
input是

<font size=4>叔叔好，我叫小明</font><font size=4>小明啊，啥时候再到王叔叔家玩</font><font size=4>老王啊，你不用跟我家宋小明客套，你巴不得他不去你家吧，他跟你家小红很熟络，我都快愁死了</font><font size=4>是啊，老宋啊，这的确让我很苦恼，小孩子早恋不好啊，但是她俩从小玩到大，哎！</font>我们需要捕获<font size=4></font>这对标签里面的内容，如果是饥饿模式，他的reg如下<font size=4>([\s\S]*)</font>只会得出一个匹配结果，叔叔好，我叫小明</font><font size=4>小明啊，啥时候再到王叔叔家玩</font><font size=4>老王啊，你不用跟我家宋小明客套，你巴不得他不去你家吧，他跟你家小红很熟络，我都快愁死了</font><font size=4>是啊，老宋啊，这的确让我很苦恼，小孩子早恋不好啊，但是她俩从小玩到大，哎！可以看出来，饥饿模式只匹配了一对标签的内容，而使用懒惰模式，他跟饥饿模式的区别是把reg改成如下<font size=4>([\s\S]*?)</font>可以得出四对匹配结果，这里不贴结果了

从上述的内容可以得出，饥饿模式，他会匹配最大长度的字符。而懒惰模式只匹配最小长度的字符。
至于独占模式，这个我用的不多，它匹配时，会占据整个字符串，并且向前匹配时绝不会完后回退，在大部分情况下，它如果一次匹配没有找到符合条件的，他的匹配指针是不会向后回退的。

Java中的常用类

写完写常用正则符号以后，对于Java中的一些类和方法也做下记录。

Pattern

Pattern有两个静态方法可以获取Pattern的实例，分别是
compile(String regex)和compile(String regex,int flag)，第二个方法可以指定Pattern匹配式的工作模式。

常量值 含义 CANON_EQ Enables canonical equivalence.（启用规范的等价，应该是默认的，只匹配） CASE_INSENSITIVE Enables case-insensitive matching.（不区分大小写） COMMENTS Permits whitespace and comments in pattern.（模式中允许空白和注释） DOTALL Enables dotall mode.（这种模式下.匹配行尾） LITERAL Enables literal parsing of the pattern.（启动字面量解析模式） MULTILINE Enables multiline mode.（多行模式） UNICODE_CASE Enables Unicode-aware case folding.（If your code is intended to be portable and uses case-insensitive matching on non-ASCII characters, you should use this flag.） UNICODE_CHARACTER_CLASS Enables the Unicode version of Predefined character classes and POSIX character classes.(启用预定义的字符类和POSIX字符类的Unicode版本) UNIX_LINES Enables Unix lines mode.（启动Unix的行模式）

上述几个常量我也就用过MULTILINE，其他的我暂时没有用过，所以不做解释。

Matcher

使用Patter的实例patter，调用patter.matcher(CharSequence input)，input需要传入实现的CharSequence接口的实参，一般就是字符串。Matcher中有大量的方法，我只写下少量我常用的。

方法名 用途 boolean find() 从下个子序列中找出符合规则的内容，返回true表示捕获到内容,同时根据匹配模式，匹配指针会做出后移，或者其他操作 boolean find(int n) 直接捕获n处符合匹配的字符串，如果没有捕获到内容，会报错 String group() 返回符合规则的捕获组内容，没有指定参数返回gourp(0)内容 String group(int n) 返回n组的捕获内容，如果输入的int值无捕获组，会报错 int gourpCount() 返回匹配到捕获组的个数，在使用group(int)时，可以使用这个方法来避免异常 int end() 返回最后一个匹配字符的偏移量 int start() 返回匹配字符串的起始位置 void reset() 将Matcher置为初始状态