與心靈對話

正則表達式規則

String.matches() 這個方法主要是返回是否匹配指定的字符串，如果匹配則為true,否則為false; 如：/**     * 判斷字符創是否是一個有效的日期     *     * @param theStr     * @return true 是，false否     */ public static boolean isDate(String theStr) {     return theStr.matches("\\d{4}\\-\\d{1,2}\\-\\d{1,2}"); } 這個方法的參數為正則表達式，關于正則表達式的用法如下：     正則表達式（regular expression）描述了一種字符串匹配的模式，可以用來：（1）檢查一個串中是否含有符合某個規則的子串，并且可以得到這個子串；（2）根據匹配規則對字符串進行靈活的替換操作。       正則表達式學習起來其實是很簡單的，不多的幾個較為抽象的概念也很容易理解。之所以很多人感覺正則表達式比較復雜，一方面是因為大多數的文檔沒有做到由淺入深地講解，概念上沒有注意先后順序，給讀者的理解帶來困難；另一方面，各種引擎自帶的文檔一般都要介紹它特有的功能，然而這部分特有的功能并不是我們首先要理解的。       文章中的每一個舉例，都可以點擊進入到測試頁面進行測試。閑話少說，開始。   1. 正則表達式規則 1.1 普通字符       字母、數字、漢字、下劃線、以及后邊章節中沒有特殊定義的標點符號，都是"普通字符"。表達式中的普通字符，在匹配一個字符串的時候，匹配與之相同的一個字符。     舉例1：表達式 "c"，在匹配字符串 "abcde" 時，匹配結果是：成功；匹配到的內容是："c"；匹配到的位置是：開始于2，結束于3。（注：下標從0開始還是從1開始，因當前編程語言的不同而可能不同）     舉例2：表達式 "bcd"，在匹配字符串 "abcde" 時，匹配結果是：成功；匹配到的內容是："bcd"；匹配到的位置是：開始于1，結束于4。 1.2 簡單的轉義字符       一些不便書寫的字符，采用在前面加 "\" 的方法。這些字符其實我們都已經熟知了。   表達式 可匹配 \r, \n 代表回車和換行符 \t 制表符 \\ 代表 "\" 本身       還有其他一些在后邊章節中有特殊用處的標點符號，在前面加 "\" 后，就代表該符號本身。比如：^, $ 都有特殊意義，如果要想匹配字符串中 "^" 和 "$" 字符，則表達式就需要寫成 "\^" 和 "\$"。   表達式 可匹配 \^ 匹配 ^ 符號本身 \$ 匹配 $ 符號本身 \. 匹配小數點（.）本身       這些轉義字符的匹配方法與 "普通字符" 是類似的。也是匹配與之相同的一個字符。     舉例1：表達式 "\$d"，在匹配字符串 "abc$de" 時，匹配結果是：成功；匹配到的內容是："$d"；匹配到的位置是：開始于3，結束于5。 1.3 能夠與 '多種字符' 匹配的表達式       正則表達式中的一些表示方法，可以匹配 '多種字符' 其中的任意一個字符。比如，表達式 "\d" 可以匹配任意一個數字。雖然可以匹配其中任意字符，但是只能是一個，不是多個。這就好比玩撲克牌時候，大小王可以代替任意一張牌，但是只能代替一張牌。   表達式 可匹配 \d 任意一個數字，0~9 中的任意一個 \w 任意一個字母或數字或下劃線，也就是 A~Z,a~z,0~9,_ 中任意一個 \s 包括空格、制表符、換頁符等空白字符的其中任意一個 . 小數點可以匹配除了換行符（\n）以外的任意一個字符     舉例1：表達式 "\d\d"，在匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："12"；匹配到的位置是：開始于3，結束于5。     舉例2：表達式 "a.\d"，在匹配 "aaa100" 時，匹配的結果是：成功；匹配到的內容是："aa1"；匹配到的位置是：開始于1，結束于4。 1.4 自定義能夠匹配 '多種字符' 的表達式       使用方括號 [ ] 包含一系列字符，能夠匹配其中任意一個字符。用 [^ ] 包含一系列字符，則能夠匹配其中字符之外的任意一個字符。同樣的道理，雖然可以匹配其中任意一個，但是只能是一個，不是多個。   表達式 可匹配 [ab5@] 匹配 "a" 或 "b" 或 "5" 或 "@" [^abc] 匹配 "a","b","c" 之外的任意一個字符 [f-k] 匹配 "f"~"k" 之間的任意一個字母 [^A-F0-3] 匹配 "A"~"F","0"~"3" 之外的任意一個字符     舉例1：表達式 "[bcd][bcd]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："bc"；匹配到的位置是：開始于1，結束于3。     舉例2：表達式 "[^abc]" 匹配 "abc123" 時，匹配的結果是：成功；匹配到的內容是："1"；匹配到的位置是：開始于3，結束于4。 1.5 修飾匹配次數的特殊符號       前面章節中講到的表達式，無論是只能匹配一種字符的表達式，還是可以匹配多種字符其中任意一個的表達式，都只能匹配一次。如果使用表達式再加上修飾匹配次數的特殊符號，那么不用重復書寫表達式就可以重復匹配。       使用方法是："次數修飾"放在"被修飾的表達式"后邊。比如："[bcd][bcd]" 可以寫成 "[bcd]{2}"。   表達式 作用 {n} 表達式重復n次，比如："\w{2}" 相當于 "\w\w"；"a{5}" 相當于 "aaaaa" {m,n} 表達式至少重復m次，最多重復n次，比如："ba{1,3}"可以匹配 "ba"或"baa"或"baaa" {m,} 表達式至少重復m次，比如："\w\d{2,}"可以匹配 "a12","_456","M12344"... ? 匹配表達式0次或者1次，相當于 {0,1}，比如："a[cd]?"可以匹配 "a","ac","ad" + 表達式至少出現1次，相當于 {1,}，比如："a+b"可以匹配 "ab","aab","aaab"... * 表達式不出現或出現任意次，相當于 {0,}，比如："\^*b"可以匹配 "b","^^^b"...     舉例1：表達式 "\d+\.?\d*" 在匹配 "It costs $12.5" 時，匹配的結果是：成功；匹配到的內容是："12.5"；匹配到的位置是：開始于10，結束于14。     舉例2：表達式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 時，匹配的結果是：成功；匹配到的內容是："goooooogle"；匹配到的位置是：開始于7，結束于17。 1.6 其他一些代表抽象意義的特殊符號       一些符號在表達式中代表抽象的特殊意義：   表達式 作用 ^ 與字符串開始的地方匹配，不匹配任何字符 $ 與字符串結束的地方匹配，不匹配任何字符 \b 匹配一個單詞邊界，也就是單詞和空格之間的位置，不匹配任何字符       進一步的文字說明仍然比較抽象，因此，舉例幫助大家理解。     舉例1：表達式 "^aaa" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "^" 要求與字符串開始的地方匹配，因此，只有當 "aaa" 位于字符串的開頭的時候，"^aaa" 才能匹配，比如："aaa xxx xxx"。     舉例2：表達式 "aaa$" 在匹配 "xxx aaa xxx" 時，匹配結果是：失敗。因為 "$" 要求與字符串結束的地方匹配，因此，只有當 "aaa" 位于字符串的結尾的時候，"aaa$" 才能匹配，比如："xxx xxx aaa"。     舉例3：表達式 ".\b." 在匹配 "@@@abc" 時，匹配結果是：成功；匹配到的內容是："@a"；匹配到的位置是：開始于2，結束于4。       進一步說明："\b" 與 "^" 和 "$" 類似，本身不匹配任何字符，但是它要求它在匹配結果中所處位置的左右兩邊，其中一邊是 "\w" 范圍，另一邊是 非"\w" 的范圍。     舉例4：表達式 "\bend\b" 在匹配 "weekend,endfor,end" 時，匹配結果是：成功；匹配到的內容是："end"；匹配到的位置是：開始于15，結束于18。       一些符號可以影響表達式內部的子表達式之間的關系：   表達式 作用 | 左右兩邊表達式之間 "或" 關系，匹配左邊或者右邊 ( ) (1). 在被修飾匹配次數的時候，括號中的表達式可以作為整體被修飾 (2). 取匹配結果的時候，括號中的表達式匹配到的內容可以被單獨得到     舉例5：表達式 "Tom|Jack" 在匹配字符串 "I'm Tom, he is Jack" 時，匹配結果是：成功；匹配到的內容是："Tom"；匹配到的位置是：開始于4，結束于7。匹配下一個時，匹配結果是：成功；匹配到的內容是："Jack"；匹配到的位置時：開始于15，結束于19。     舉例6：表達式 "(go\s*)+" 在匹配 "Let's go go go!" 時，匹配結果是：成功；匹配到內容是："go go go"；匹配到的位置是：開始于6，結束于14。     舉例7：表達式 "￥(\d+\.?\d*)" 在匹配 "＄10.9,￥20.5" 時，匹配的結果是：成功；匹配到的內容是："￥20.5"；匹配到的位置是：開始于6，結束于10。單獨獲取括號范圍匹配到的內容是："20.5"。 2. 正則表達式中的一些高級規則 2.1 匹配次數中的貪婪與非貪婪       在使用修飾匹配次數的特殊符號時，有幾種表示方法可以使同一個表達式能夠匹配不同的次數，比如："{m,n}", "{m,}", "?", "*", "+"，具體匹配的次數隨被匹配的字符串而定。這種重復匹配不定次數的表達式在匹配過程中，總是盡可能多的匹配。比如，針對文本 "dxxxdxxxd"，舉例如下：   表達式 匹配結果 (d)(\w+) "\w+" 將匹配第一個 "d" 之后的所有字符 "xxxdxxxd" (d)(\w+)(d) "\w+" 將匹配第一個 "d" 和最后一個 "d" 之間的所有字符 "xxxdxxx"。雖然 "\w+" 也能夠匹配上最后一個 "d"，但是為了使整個表達式匹配成功，"\w+" 可以 "讓出" 它本來能夠匹配的最后一個 "d"       由此可見，"\w+" 在匹配的時候，總是盡可能多的匹配符合它規則的字符。雖然第二個舉例中，它沒有匹配最后一個 "d"，但那也是為了讓整個表達式能夠匹配成功。同理，帶 "*" 和 "{m,n}" 的表達式都是盡可能地多匹配，帶 "?" 的表達式在可匹配可不匹配的時候，也是盡可能的 "要匹配"。這 種匹配原則就叫作 "貪婪" 模式 。       非貪婪模式：       在修飾匹配次數的特殊符號后再加上一個 "?" 號，則可以使匹配次數不定的表達式盡可能少的匹配，使可匹配可不匹配的表達式，盡可能的 "不匹配"。這種匹配原則叫作 "非貪婪" 模式，也叫作 "勉強" 模式。如果少匹配就會導致整個表達式匹配失敗的時候，與貪婪模式類似，非貪婪模式會最小限度的再匹配一些，以使整個表達式匹配成功。舉例如下，針對文本 "dxxxdxxxd" 舉例：   表達式 匹配結果 (d)(\w+?) "\w+?" 將盡可能少的匹配第一個 "d" 之后的字符，結果是："\w+?" 只匹配了一個 "x" (d)(\w+?)(d) 為了讓整個表達式匹配成功，"\w+?" 不得不匹配 "xxx" 才可以讓后邊的 "d" 匹配，從而使整個表達式匹配成功。因此，結果是："\w+?" 匹配 "xxx"       更多的情況，舉例如下：     舉例1：表達式 "<td>(.*)</td>" 與字符串 "<td><p>aa</p></td> <td><p>bb</p></td>" 匹配時，匹配的結果是：成功；匹配到的內容是 "<td><p>aa</p></td> <td><p>bb</p></td>" 整個字符串， 表達式中的 "</td>" 將與字符串中最后一個 "</td>" 匹配。     舉例2：相比之下，表達式 "<td>(.*?)</td>" 匹配舉例1中同樣的字符串時，將只得到 "<td><p>aa</p></td>"， 再次匹配下一個時，可以得到第二個 "<td><p>bb</p></td>"。 2.2 反向引用 \1, \2...       表達式在匹配時，表達式引擎會將小括號 "( )" 包含的表達式所匹配到的字符串記錄下來。在獲取匹配結果的時候，小括號包含的表達式所匹配到的字符串可以單獨獲取。這一點，在前面的舉例中，已經多次展示了。在實際應用場合中，當用某種邊界來查找，而所要獲取的內容又不包含邊界時，必須使用小括號來指定所要的范圍。比如前面的 "<td>(.*?)</td>"。       其實，"小括號包含的表達式所匹配到的字符串" 不僅是在匹配結束后才可以使用，在匹配過程中也可以使用。表達式后邊的部分，可以引用前面 "括號內的子匹配已經匹配到的字符串"。引用方法是 "\" 加上一個數字。"\1" 引用第1對括號內匹配到的字符串，"\2" 引用第2對括號內匹配到的字符串……以此類推，如果一對括號內包含另一對括號，則外層的括號先排序號。換句話說，哪一對的左括號 "(" 在前，那這一對就先排序號。       舉例如下：     舉例1：表達式 "('|")(.*?)(\1)" 在匹配 " 'Hello', "World" " 時，匹配結果是：成功；匹配到的內容是：" 'Hello' "。再次匹配下一個時，可以匹配到 " "World" "。     舉例2：表達式 "(\w)\1{4,}" 在匹配 "aa bbbb abcdefg ccccc 111121111 999999999" 時，匹配結果是：成功；匹配到的內容是 "ccccc"。再次匹配下一個時，將得到 999999999。這個表達式要求 "\w" 范圍的字符至少重復5次，注意與 "\w{5,}" 之間的區別。     舉例3：表達式 "<(\w+)\s*(\w+(=('|").*?\4)?\s*)*>.*?</\1>" 在匹配 "<td id='td1' style="bgcolor:white"></td>" 時，匹配結果是成功。如果 "<td>" 與 "</td>" 不配對，則會匹配失敗；如果改成其他配對，也可以匹配成功。