重新發布於2020年09月27日，寫於2016年
看了好些天的正則表達式，終於有時間來寫一篇關於它的博客了。也是因為前段時間做標簽處理的工作用到，用正則匹配標簽規則，少寫了不少代碼。在有的地方使用正則表達式確實特別棒。參考博文http://blog.csdn.net/yaerfeng/article/details/28855587 ，文中提到程序員的七種基本技能，確實各種語言，系統里幾乎都有對正則的支持，雖說不用精通，但也要基本運用沒問題。
元字符
元字符標識在正則表達式中有特殊含義的字符，正是由它們，正則表達式才真正存在。JAVA中支持的元字符列表有：([{\^-$|}])?*+.
()：正則組中使用[]：字符類中表示一個字符{}：數量范圍標識\：預定義字符類中使用^$：邊界標識-：字符類中表示某個范圍時使用，和"[]"配合使用|：邏輯或?*+：預定義數量詞^：邏輯非.：點號匹配除換行符的任意字符 (這個地方任然有點疑問)
這里要特別說明一個符號&，雖然&&在字符類中扮演着邏輯與運算，但卻不在元字符行列中
檢測工具
為了學習簡單，寫了一段測試代碼做檢測用，當然你也可以使用網上的檢測工具，由於目前各個語言正則的引擎各有取舍，所以在線工具的檢測結果不一定和代碼檢測結果相同（基本上沒太大出入），但用於理解正則，還是很有用的。
簡單案例：匹配5個連續的數字
正則表達式為[0-9]{5}，先用開源中國的在線測試工具測試一下。待匹配的字符串為“自由12345飛翔”
JAVA檢測代碼如下
/**
* 檢測簡單方法
* @param target //待查找匹配的字符串
* @param regex //匹配規則的正則表達式
*/
public static void simpletest(String target,String regex) {
Pattern p = Pattern.compile(regex);//java.util.regex.Pattern;
Matcher matcher = p.matcher(target);//java.util.regex.Pattern;
while (matcher.find()) {
System.out.println(matcher.group(0));
}
}
simpletest("自由12345飛翔", "[0-9]{5}");
//執行結果如下
12345
普通字符
所謂普通字符即為非元字符，上文中提到的元字符列表，即不是上面列表中的字符，就視為普通字符，普通字符為原樣匹配
案例1，普通字符
simpletest("自123由飛12333翔", "123");
//執行結果如下
123
123
如上案例中，會去目標字符串"自123由飛12333翔"中查找123，由於123為普通字符，沒有特殊含義，此時原樣匹配，所以匹配到"自123由飛12333翔"中兩組123
案例2，元字符
simpletest("自[]由飛翔", "[");
//執行結果如下
直接報錯 Exception in thread "main" java.util.regex.PatternSyntaxException: Unclosed character class
如果要讓元字符原樣匹配，則需要用\轉義元字符，JAVA中\\才表示普通字符串的\，所以為\\[
simpletest("自[]由飛翔", "\\[");
//執行結果如下
[
如上，通過轉義，匹配到 “自[]由飛翔”中的元字符 [
而在線工具可以直接將字符讀入，所以不用\\，\[就表示匹配字符[，如下
案例3，普通字符&
simpletest("自&&由飛翔", "&&");
//執行結果如下
&&
simpletest("自&由&飛翔", "&");
//執行結果如下
&
&
案例3可以看出，雖然&&有特殊含義，但單獨用時，不用轉義，和普通字符完全相同
字符類
字符類（character class），這里這個詞語是個專用名詞，在JAVA API 中的Pattern類中我們可以看到字符類的一個列表。一個[]中的規則叫一個字符類，一個字符類僅匹配一個字符(一個位置)
- [abc] a、b 或 c（簡單類）
- [^abc] 任何字符，除了 a、b 或 c（否定）
- [a-zA-Z] a 到 z 或 A 到 Z，兩頭的字母包括在內（范圍） 數字范圍也能類似表示如[0-9]代表0到9中任意一個數字
- [a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（並集） **等同於[a-d|[m-p]] 等同與 [[a-d]|[m-p]] **
- [a-z&&[def]] d、e 或 f（交集）
- [a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（減去） 差集
- [a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（減去）差集
案例
simpletest("abcd", "[abc]");
//執行結果如下
a
b
c
simpletest("abcd", "[^abc]");
//執行結果如下
d
simpletest("abcd", "[a-zA-Z]");
//執行結果如下
a
b
c
simpletest("an", "[a-d[m-p]]");
//執行結果如下
a
n
simpletest("abcd", "[a-z&&[def]]");
//執行結果如下
d
simpletest("abcd", "[a-z&&[^bc]]");
//執行結果如下
a
d
simpletest("an", "[a-z&&[^m-p]]");
//執行結果如下
a
現在我們清楚的看出來，一個字符類，也就是[]及中間內容代表一個范圍，表示匹配一個字符，中括號中包含這個字符可能出現的所有情況，由於檢測工具中使用了循環查找匹配，所以輸出結果會查找到多個字符打印出來
預定義字符類
預定義字符類，是正則表達式中代表一組字符的特殊表示，由\打頭，如下為JAVA API 中Pattern類的預定義字符類列表
.： 任何字符（與行結束符可能匹配也可能不匹配）
\d：數字：[0-9]
\D：非數字： [^0-9]
\s：空白字符：[ \t\n\x0B\f\r]
\S：非空白字符：[^\s]
\w：單詞字符：[a-zA-Z_0-9]
\W：非單詞字符：[^\w]
案例
simpletest("自由12345飛翔", "\\d{5}"); //同理，\d在JAVA中需要轉義
//執行結果如下
12345
simpletest("自由12345飛翔", "\\D+"); //預定義數量詞稍后再說
//執行結果如下
自由
飛翔
simpletest("自由 \t飛翔", "\\s+");
//執行結果如下
` `//此處匹配到一個空格和一個制表符
simpletest("自由 \t飛翔", "\\S+");
//執行結果如下
自由
飛翔
simpletest("自由abc飛翔", "\\w+");
//執行結果如下
abc
simpletest("自由abc飛翔", "\\W+");
//執行結果如下
自由
飛翔
數量詞
默認數量詞
正則匹配中字符都有要匹配的數量，如果沒有加數量詞，默認數量為1，匹配一個的意思
案例1
simpletest("自由12345飛翔", "\\D");
//執行結果如下
自
由
飛
翔
simpletest("自由12345飛翔", "\\D+");
//執行結果如下
自由
飛翔
如上案例中\\D代表匹配查找非數字字符，默認數量詞為1，所以查找到一個非數字字符后直接打印后，便進入下次查找，結果如上第一段代碼
如上案例中\\D+中引入+號預定義量詞，代表匹配大於等於1次的連續非數字字符，所以匹配到自由后進入下一次查找
自定義量詞
用戶希望匹配幾次，就給定匹配次數，我這里姑且叫它自定義量詞吧。由大括號，上下限數量組成，上限數量可以缺少
{n}：恰好n個{n,}：大於等於n個{n,m}：大於等於n個，小於等於m個
注意：並沒有{,m}這種寫法
案例
simpletest("自由12345飛翔", "\\d{2}");
//執行結果如下
12
simpletest("自由12345飛翔", "\\d{2,}");
//執行結果如下
12345
simpletest("自由12345飛翔", "\\d{2,4}");
//執行結果如下
1234
simpletest("自由12345飛翔", "\\d{,7}");
//執行結果如下
報錯 Exception in thread "main" java.util.regex.PatternSyntaxException: Illegal repetition near index 1
從上面案例中我們已經看出，量詞只形容最近字符的數量，大括號中可以指定具體字符的具體數量或者范圍。
預定義量詞
預定義量詞是正則中用?,+,* 三個符號表示特定意思的量詞
?：一次或者零次+：一次或者多次*：零次或者零次以上
案例1
simpletest("自由12345飛翔", "\\d?");
//執行結果如下
//空行
//空行
1
2
3
4
5
//空行
//空行
這里要特別解釋一下兩個空行的產生，正則引擎去自由12345飛翔查找\\d?時，逐個字符從左到右查找，由於?表示一個或者零個，所以第一個字符匹配成功得到0個數字，也就是一個空字符，所以打印出來，而后面匹配到1個數字“1”打印出來，在匹配到1個數字“2”打印出來、、
案例2
simpletest("自由12345飛翔", "\\d+");
//執行結果如下
12345
這里匹配至少一個數字，直接匹配到5個數字“12345”輸出
案例3
simpletest("自由12345飛翔", "\\d*");
//執行結果如下
//空行
//空行
12345
//空行
//空行
這里出現空行的原因和案例1中相同，因為\d*代表0次或者0次以上
邊界標識符
如下為JAVA API 中Pattern類的邊界標識符列表
^ ：行的開頭
$ ：行的結尾
\b ：單詞邊界
\B ：非單詞邊界
\A ：輸入的開頭
\G ：上一個匹配的結尾
\Z ：輸入的結尾，僅用於最后的結束符（如果有的話）
\z ：輸入的結尾
目前並沒完全弄明白所有邊界標識符的用法，抱歉，僅演示幾個。
案例1
simpletest("自由12345飛翔", "^\\d+");
simpletest("12345飛翔", "^\\d+");
//執行結果如下
12345
^\\d+查找行開頭緊跟1次或多次數字，顯然自由12345飛翔匹配失敗，因為12345並非行首，而12345飛翔匹配成功得到12345
案例2
simpletest("自由12345飛翔", "^\\d+$");
simpletest("12345飛翔", "^\\d+$");
simpletest("自由12345", "^\\d+$");
simpletest("12345", "^\\d+$");
//執行結果如下
12345
當\\d+前面加上行首邊界，后面加上行尾邊界后，該正則只能匹配到一串純數字，且數量滿足+量詞
案列3
simpletest("自由12345飛翔", "\\b\\d+");
//執行結果如下
//啥也沒有
simpletest("自由 12345飛翔", "\\b\\d+");
//執行結果如下
12345
simpletest("自由12345 飛翔", "\\d+\\b");
//執行結果如下
12345
simpletest("12345", "\\d+\\b");
//執行結果如下
12345
simpletest("12345", "\\b\\d+");
//執行結果如下
12345
從案例3中我們可以看出所謂的\b單詞邊界就是指空格或者行首行位（或許還有其他，反正匹配到一個連續的詞的結束或者開始位置）
案例4
simpletest("自由12345飛翔", "\\B\\d+");
//執行結果如下
12345
simpletest("自由 12345飛翔", "\\B\\d+");
//執行結果如下
2345
\B為非單詞邊界，和\b恰好相反，但案例4中效果卻和案例3中不是相反，不能匹配到12345，因為前面有空格，但2345前面是1，是非單詞邊界，所以匹配成功
正則組
至此前面，基本上把正則表達式簡單運用講完，現在我們來引入一個詞正則組，正則組是用()把一組字符當做一個整體，可以通過方法將這個組匹配到的字符單獨取出，同樣可以通過下標引用之前匹配到的該組的字符
簡單應用
案例
@Test
public void grouptest( ){
String regex="\\d(\\d+)(\\D+)";
String target="520LiLing";
Pattern p = Pattern.compile(regex);
Matcher matcher = p.matcher(target);
while (matcher.find()) {
System.out.println(matcher.group(0));
System.out.println(matcher.group(1));
System.out.println(matcher.group(2));
System.out.println(matcher.group(3));
}
}
//執行結果如下
520LiLing
20
LiLing
Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 3
從簡單案例中可以看出()中匹配到的數字可以用matcher.group(1)方法取出，1代表第一組，案例中第一組為(\d+)，第二組為(\D+)，第三組沒找到，報錯。而matcher.group(1)代表整個正則表達式匹配到的內容。
復雜組序
JAVA API 中Pattern類中有關於正則組順序的介紹，當遇到復雜的正則組時，怎么來確定組的序號。
((A)(B(C)))表示一個正則表達式,A,B,C分別代表隨意一個表達式
- group(1)：
((A)(B(C))) - group(2)：
(A) - group(3)：
(B(C)) - group(4)：
(C)
從上面的列表說明不難總結出一個規律，將正則表達式從左到右讀過來，依次遇到()中的左括號(依次編號，先遇到哪一組的左括號先編號
案例
@Test
public void grouptest( ){
String regex="((\\d)(\\d+(\\D+)))";
String target="520LiLing";
Pattern p = Pattern.compile(regex);
Matcher matcher = p.matcher(target);
while (matcher.find()) {
System.out.println(matcher.group(1));
System.out.println(matcher.group(2));
System.out.println(matcher.group(3));
System.out.println(matcher.group(4));
}
}
//執行結果如下
520LiLing
5
20LiLing
LiLing
案例和上文說明完全一致，1組為((\\d)(\\d+(\\D+)))，2組為(\\d)，3組為(\\d+(\\D+))，4組為(\\D+)
捕獲組
前面已經講過關於正則組的編號，以及引用，但這樣的作用似乎還不夠強大。捕獲組，就是將之前的正則組通過\組序號捕獲，如\1(任然需要轉義\\1)，再次利用。（解釋起來太費勁，看案例吧)
@Test
public void grouptest( ){
String regex="(\\d+).+\\1";
String target="520Li320Ling";
Pattern p = Pattern.compile(regex);
Matcher matcher = p.matcher(target);
while (matcher.find()) {
System.out.println(matcher.group(0));
System.out.println(matcher.group(1));
}
}
//執行結果如下
20Li320
20
上面案例中，正則表達式(\\d+).+\\1 的意思就是先查找到數字標記為組1，然后跟着任意字符，跟着\\1表示捕獲和組1一模一樣的內容。