正则表达式规则

喜欢ヅ旅行 2022-08-06 15:09 248阅读 0赞

摘自地址：http://blog.chinaunix.net/uid-7702825-id-2566669.html

String.matches() 这个方法主要是返回是否匹配指定的字符串，如果匹配则为true,否则为false;

如：/\*\*  
    \* 判断字符创是否是一个有效的日期  
    \*   
    \* @param theStr  
    \* @return true 是，false否  
    \*/  
public static boolean isDate(String theStr) \{  
    return theStr.matches("\\\\d\{4\}\\\\-\\\\d\{1,2\}\\\\-\\\\d\{1,2\}");  
\}

这个方法的参数为正则表达式，关于正则表达式的用法如下：

正则表达式（regular expression）描述了一种字符串匹配的模式，可以用来：（1）检查一个串中是否含有符合某个规则的子串，并且可以得到这个子串；（2）根据匹配规则对字符串进行灵活的替换操作。  
  
      正则表达式学习起来其实是很简单的，不多的几个较为抽象的概念也很容易理解。之所以很多人感觉正则表达式比较复杂，一方面是因为大多数的文档没有做到由浅入深地讲解，概念上没有注意先后顺序，给读者的理解带来困难；另一方面，各种引擎自带的文档一般都要介绍它特有的功能，然而这部分特有的功能并不是我们首先要理解的。  
  
      文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。

#### 1. 正则表达式规则 ####

##### 1.1 普通字符 #####

字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是"普通字符"。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。  
  
    [举例1：表达式 "c"，在匹配字符串 "abcde" 时][1_ _c_ _abcde_]，匹配结果是：成功；匹配到的内容是："c"；匹配到的位置是：开始于2，结束于3。（注：下标从0开始还是从1开始，因当前编程语言的不同而可能不同）  
  
    [举例2：表达式 "bcd"，在匹配字符串 "abcde" 时][2_ _bcd_ _abcde_]，匹配结果是：成功；匹配到的内容是："bcd"；匹配到的位置是：开始于1，结束于4。

--------------------

##### 1.2 简单的转义字符 #####

一些不便书写的字符，采用在前面加 "\\" 的方法。这些字符其实我们都已经熟知了。

还有其他一些在后边章节中有特殊用处的标点符号，在前面加 "\\" 后，就代表该符号本身。比如：^, $ 都有特殊意义，如果要想匹配字符串中 "^" 和 "$" 字符，则表达式就需要写成 "\\^" 和 "\\$"。

这些转义字符的匹配方法与 "普通字符" 是类似的。也是匹配与之相同的一个字符。  
  
    [举例1：表达式 "\\$d"，在匹配字符串 "abc$de" 时][1_ _d_ _abc_de_]，匹配结果是：成功；匹配到的内容是："$d"；匹配到的位置是：开始于3，结束于5。

--------------------

##### 1.3 能够与 '多种字符' 匹配的表达式 #####

正则表达式中的一些表示方法，可以匹配 '多种字符' 其中的任意一个字符。比如，表达式 "\\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

[举例1：表达式 "\\d\\d"，在匹配 "abc123" 时][1_ _d_d_ _abc123_]，匹配的结果是：成功；匹配到的内容是："12"；匹配到的位置是：开始于3，结束于5。  
  
    [举例2：表达式 "a.\\d"，在匹配 "aaa100" 时][2_ _a._d_ _aaa100_]，匹配的结果是：成功；匹配到的内容是："aa1"；匹配到的位置是：开始于1，结束于4。

--------------------

##### 1.4 自定义能够匹配 '多种字符' 的表达式 #####

使用方括号 \[ \] 包含一系列字符，能够匹配其中任意一个字符。用 \[^ \] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

[举例1：表达式 "\[bcd\]\[bcd\]" 匹配 "abc123" 时][1_ _bcd_bcd_ _ _abc123_]，匹配的结果是：成功；匹配到的内容是："bc"；匹配到的位置是：开始于1，结束于3。  
  
    [举例2：表达式 "\[^abc\]" 匹配 "abc123" 时][2_ _abc_ _ _abc123_]，匹配的结果是：成功；匹配到的内容是："1"；匹配到的位置是：开始于3，结束于4。

--------------------

##### 1.5 修饰匹配次数的特殊符号 #####

前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。  
  
      使用方法是："次数修饰"放在"被修饰的表达式"后边。比如："\[bcd\]\[bcd\]" 可以写成 "\[bcd\]\{2\}"。

<table style="word-wrap:break-word; color:rgb(102,102,102); font-family:宋体,Arial; font-size:16px; line-height:26px; border-collapse:collapse"> 
 <tbody style="word-wrap:break-word"> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式 </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 作用 </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> {n} </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式重复n次，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=%20w%7B2%7D&amp;txt=ab+c6" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"\w{2}" 相当于 "\w\w"</a>；<a href="http://www.regexlab.com/zh/workshop.asp?pat=a%7B5%7D&amp;txt=bbaaaaaddee" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"a{5}" 相当于 "aaaaa"</a> </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> {m,n} </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式至少重复m次，最多重复n次，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=ba%7B1,3%7D&amp;txt=a,baaa,baa,b,ba" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"ba{1,3}"可以匹配 "ba"或"baa"或"baaa"</a> </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> {m,} </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式至少重复m次，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=%20w%20d%7B2,%7D&amp;txt=b1,a12,_456,_4AA,M12344,12346546547446534543543" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"\w\d{2,}"可以匹配 "a12","_456","M12344"...</a> </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> ? </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 匹配表达式0次或者1次，相当于 {0,1}，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=a%5Bcd%5D%3F&amp;txt=a,c,d,ac,ad" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"a[cd]?"可以匹配 "a","ac","ad"</a> </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> + </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式至少出现1次，相当于 {1,}，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=a%2Bb&amp;txt=a%2Cb%2Cab%2Caab%2Caaab" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"a+b"可以匹配 "ab","aab","aaab"...</a> </td> 
 </tr> 
 <tr style="word-wrap:break-word"> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> * </td> 
 <td style="word-wrap:break-word; margin:0px; padding:0px"> 表达式不出现或出现任意次，相当于 {0,}，比如：<a href="http://www.regexlab.com/zh/workshop.asp?pat=%5C%5E*b&amp;txt=%5E%2Cb%2C%5E%5E%5Eb%2C%5E%5E%5E%5E%5E%5E%5Eb" style="word-wrap:break-word; text-decoration:none; color:rgb(25,89,155)" rel="nofollow">"\^*b"可以匹配 "b","^^^b"...</a> </td> 
 </tr> 
 </tbody> 
</table>

[举例1：表达式 "\\d\+\\.?\\d\*" 在匹配 "It costs $12.5" 时][1_ _d_._d_ _ _It costs _12.5_]，匹配的结果是：成功；匹配到的内容是："12.5"；匹配到的位置是：开始于10，结束于14。  
  
    [举例2：表达式 "go\{2,8\}gle" 在匹配 "Ads by goooooogle" 时][2_ _go_2_8_gle_ _ _Ads by goooooogle_]，匹配的结果是：成功；匹配到的内容是："goooooogle"；匹配到的位置是：开始于7，结束于17。

--------------------

##### 1.6 其他一些代表抽象意义的特殊符号 #####

一些符号在表达式中代表抽象的特殊意义：

进一步的文字说明仍然比较抽象，因此，举例帮助大家理解。  
  
    [举例1：表达式 "^aaa" 在匹配 "xxx aaa xxx" 时][1_ _aaa_ _ _xxx aaa xxx_]，匹配结果是：失败。因为 "^" 要求与字符串开始的地方匹配，因此，只有当 "aaa" 位于字符串的开头的时候，"^aaa" 才能匹配，[比如："aaa xxx xxx"][aaa xxx xxx]。  
  
    [举例2：表达式 "aaa$" 在匹配 "xxx aaa xxx" 时][2_ _aaa_ _ _xxx aaa xxx_]，匹配结果是：失败。因为 "$" 要求与字符串结束的地方匹配，因此，只有当 "aaa" 位于字符串的结尾的时候，"aaa$" 才能匹配，[比如："xxx xxx aaa"][xxx xxx aaa]。  
  
    [举例3：表达式 ".\\b." 在匹配 "@@@abc" 时][3_ _._b._ _ _abc_]，匹配结果是：成功；匹配到的内容是："@a"；匹配到的位置是：开始于2，结束于4。  
      进一步说明："\\b" 与 "^" 和 "$" 类似，本身不匹配任何字符，但是它要求它在匹配结果中所处位置的左右两边，其中一边是 "\\w" 范围，另一边是 非"\\w" 的范围。  
  
    [举例4：表达式 "\\bend\\b" 在匹配 "weekend,endfor,end" 时][4_ _bend_b_ _ _weekend_endfor_end_]，匹配结果是：成功；匹配到的内容是："end"；匹配到的位置是：开始于15，结束于18。

一些符号可以影响表达式内部的子表达式之间的关系：

[举例5：表达式 "Tom|Jack" 在匹配字符串 "I'm Tom, he is Jack" 时][5_ _Tom_Jack_ _ _I_m Tom_ he is Jack_]，匹配结果是：成功；匹配到的内容是："Tom"；匹配到的位置是：开始于4，结束于7。匹配下一个时，匹配结果是：成功；匹配到的内容是："Jack"；匹配到的位置时：开始于15，结束于19。  
  
    [举例6：表达式 "(go\\s\*)\+" 在匹配 "Let's go go go!" 时][6_ _go_s_ _ _Let_s go go go_]，匹配结果是：成功；匹配到内容是："go go go"；匹配到的位置是：开始于6，结束于14。  
  
    [举例7：表达式 "￥(\\d\+\\.?\\d\*)" 在匹配 "＄10.9,￥20.5" 时][7_ _d_._d_ _ _10.9_20.5_]，匹配的结果是：成功；匹配到的内容是："￥20.5"；匹配到的位置是：开始于6，结束于10。单独获取括号范围匹配到的内容是："20.5"。

--------------------

#### 2. 正则表达式中的一些高级规则 ####

##### 2.1 匹配次数中的贪婪与非贪婪 #####

在使用修饰匹配次数的特殊符号时，有几种表示方法可以使同一个表达式能够匹配不同的次数，比如："\{m,n\}", "\{m,\}", "?", "\*", "+"，具体匹配的次数随被匹配的字符串而定。这种重复匹配不定次数的表达式在匹配过程中，总是尽可能多的匹配。比如，针对文本 "dxxxdxxxd"，举例如下：

由此可见，"\\w+" 在匹配的时候，总是尽可能多的匹配符合它规则的字符。虽然第二个举例中，它没有匹配最后一个 "d"，但那也是为了让整个表达式能够匹配成功。同理，带 "\*" 和 "\{m,n\}" 的表达式都是尽可能地多匹配，带 "?" 的表达式在可匹配可不匹配的时候，也是尽可能的 "要匹配"。这 种匹配原则就叫作 "贪婪" 模式 。

非贪婪模式：  
  
      在修饰匹配次数的特殊符号后再加上一个 "?" 号，则可以使匹配次数不定的表达式尽可能少的匹配，使可匹配可不匹配的表达式，尽可能的 "不匹配"。这种匹配原则叫作 "非贪婪" 模式，也叫作 "勉强" 模式。如果少匹配就会导致整个表达式匹配失败的时候，与贪婪模式类似，非贪婪模式会最小限度的再匹配一些，以使整个表达式匹配成功。举例如下，针对文本 "dxxxdxxxd" 举例：

更多的情况，举例如下： 
 
    [举例1：表达式 "<td>(.\*)</td>" 与字符串 "<td>aa</td> <td>bb</td>" 匹配时][1_ _td_._td_ _ _td_p_aa_p_td_ _td_p_bb_p_td_]，匹配的结果是：成功；匹配到的内容是 "<td>aa</td> <td>bb</td>" 整个字符串， 表达式中的 "</td>" 将与字符串中最后一个 "</td>" 匹配。  
 
    [举例2：相比之下，表达式 "<td>(.\*?)</td>" 匹配举例1中同样的字符串时][2_ _td_._td_ _1]，将只得到 "<td>aa</td>"， 再次匹配下一个时，可以得到第二个 "<td>bb</td>"。

--------------------

##### 2.2 反向引用 \\1, \\2... #####

表达式在匹配时，表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到的字符串可以单独获取。这一点，在前面的举例中，已经多次展示了。在实际应用场合中，当用某种边界来查找，而所要获取的内容又不包含边界时，必须使用小括号来指定所要的范围。比如前面的 "<td>(.\*?)</td>"。 
 
      其实，"小括号包含的表达式所匹配到的字符串" 不仅是在匹配结束后才可以使用，在匹配过程中也可以使用。表达式后边的部分，可以引用前面 "括号内的子匹配已经匹配到的字符串"。引用方法是 "\\" 加上一个数字。"\\1" 引用第1对括号内匹配到的字符串，"\\2" 引用第2对括号内匹配到的字符串……以此类推，如果一对括号内包含另一对括号，则外层的括号先排序号。换句话说，哪一对的左括号 "(" 在前，那这一对就先排序号。

举例如下： 
 
    [举例1：表达式 "('|")(.\*?)(\\1)" 在匹配 " 'Hello', "World" " 时][1_ _._1_ _ _ _Hello_ _World_ _]，匹配结果是：成功；匹配到的内容是：" 'Hello' "。再次匹配下一个时，可以匹配到 " "World" "。 
 
    [举例2：表达式 "(\\w)\\1\{4,\}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 时][2_ _w_1_4_ _ _aa bbbb abcdefg ccccc 111121111 999999999_]，匹配结果是：成功；匹配到的内容是 "ccccc"。再次匹配下一个时，将得到 999999999。这个表达式要求 "\\w" 范围的字符至少重复5次，[注意与 "\\w\{5,\}" 之间的区别][_w_5_]。 
 
    [举例3：表达式 "<(\\w\+)\\s\*(\\w\+(=('|").\*?\\4)?\\s\*)\*>.\*?</\\1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 时][3_ _w_s_w_._4_s_._1_ _ _td id_td1_ style_bgcolor_white_td_]，匹配结果是成功。如果 "<td>" 与 "</td>" 不配对，则会匹配失败；如果改成其他配对，也可以匹配成功。

[1_ _c_ _abcde_]: http://www.regexlab.com/zh/workshop.asp?pat=c&txt=abcde
[2_ _bcd_ _abcde_]: http://www.regexlab.com/zh/workshop.asp?pat=bcd&txt=abcde
[1_ _d_ _abc_de_]: http://www.regexlab.com/zh/workshop.asp?pat=%5C$d&txt=abc$de
[1_ _d_d_ _abc123_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Cd%5Cd&txt=abc123
[2_ _a._d_ _aaa100_]: http://www.regexlab.com/zh/workshop.asp?pat=a.%5Cd&txt=aaa100
[1_ _bcd_bcd_ _ _abc123_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Bbcd%5D%5Bbcd%5D&txt=abc123
[2_ _abc_ _ _abc123_]: http://www.regexlab.com/zh/workshop.asp?pat=%5B%5Eabc%5D&txt=abc123
[1_ _d_._d_ _ _It costs _12.5_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Cd%2B%5C.%3F%5Cd*&txt=It%20costs%20%2412.5
[2_ _go_2_8_gle_ _ _Ads by goooooogle_]: http://www.regexlab.com/zh/workshop.asp?pat=go%7B2,8%7Dgle&txt=Ads%20by%20goooooogle%2C%20or%20gooogle
[1_ _aaa_ _ _xxx aaa xxx_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Eaaa&txt=xxx+aaa+xxx
[aaa xxx xxx]: http://www.regexlab.com/zh/workshop.asp?pat=%5Eaaa&txt=aaa+xxx+xxx
[2_ _aaa_ _ _xxx aaa xxx_]: http://www.regexlab.com/zh/workshop.asp?pat=aaa$&txt=xxx+aaa+xxx
[xxx xxx aaa]: http://www.regexlab.com/zh/workshop.asp?pat=aaa$&txt=xxx+xxx+aaa
[3_ _._b._ _ _abc_]: http://www.regexlab.com/zh/workshop.asp?pat=.%5Cb.&txt=@@@abc
[4_ _bend_b_ _ _weekend_endfor_end_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Cbend%5Cb&txt=weekend,endfor,end
[5_ _Tom_Jack_ _ _I_m Tom_ he is Jack_]: http://www.regexlab.com/zh/workshop.asp?pat=Tom%7CJack&txt=I%27m+Tom%2C+he+is+Jack
[6_ _go_s_ _ _Let_s go go go_]: http://www.regexlab.com/zh/workshop.asp?pat=%28go%5Cs*%29%2B&txt=Let%27s%20go%20go%20go%21
[7_ _d_._d_ _ _10.9_20.5_]: http://www.regexlab.com/zh/workshop.asp?pat=%uFFE5%28%5Cd%2B%5C.%3F%5Cd*%29&txt=%uFF0410.9%2C%uFFE520.5
[1_ _td_._td_ _ _td_p_aa_p_td_ _td_p_bb_p_td_]: http://www.regexlab.com/zh/workshop.asp?pat=%3Ctd%3E%28%2E%2A%29%3C%2Ftd%3E&txt=%3Ctd%3E%3Cp%3Eaa%3C%2Fp%3E%3C%2Ftd%3E%3Ctd%3E%3Cp%3Ebb%3C%2Fp%3E%3C%2Ftd%3E
[2_ _td_._td_ _1]: http://www.regexlab.com/zh/workshop.asp?pat=%3Ctd%3E%28%2E%2A%3F%29%3C%2Ftd%3E&txt=%3Ctd%3E%3Cp%3Eaa%3C%2Fp%3E%3C%2Ftd%3E%3Ctd%3E%3Cp%3Ebb%3C%2Fp%3E%3C%2Ftd%3E
[1_ _._1_ _ _ _Hello_ _World_ _]: http://www.regexlab.com/zh/workshop.asp?pat=%28%27%7C%22%29%28%2E%2A%3F%29%28%5C1%29&txt=%27Hello%27%2C+%22World%22
[2_ _w_1_4_ _ _aa bbbb abcdefg ccccc 111121111 999999999_]: http://www.regexlab.com/zh/workshop.asp?pat=%28%5Cw%29%5C1%7B4%2C%7D&txt=aa%20bbbb%20abcdefg%20ccccc%20111121111%20999999999
[_w_5_]: http://www.regexlab.com/zh/workshop.asp?pat=%5Cw%7B5%2C%7D&txt=aa%20bbbb%20abcdefg%20ccccc%20111121111%20999999999
[3_ _w_s_w_._4_s_._1_ _ _td id_td1_ style_bgcolor_white_td_]: http://www.regexlab.com/zh/workshop.asp?pat=%3C%28%5Cw%2B%29%5Cs%2A%28%5Cw%2B%28%3D%28%27%7C%22%29%2E%2A%3F%5C4%29%3F%5Cs%2A%29%2A%3E%2E%2A%3F%3C%2F%5C1%3E&txt=%3Ctd+id%3D%27td1%27+style%3D%22bgcolor%3Awhite%22%3E%3C%2Ftd%3E%0D%0A%3Cbody+onload%3D%22doit%28%29%22%3E%3C%2Fbody%3E