正则表达式学习

Posted 2022-12-08 xjz729827161

正则表达式 就是为了查找到制定的字符串。
学习它没有那么难的，最简单的表达方式就是 在哪里 什么字符 匹配多少次

一、定位符(在哪里)

字符	描述
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \\n 或 \\r 之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \\n 或 \\r 之前的位置匹配。
\\b	匹配一个单词边界，即字与空格间（这个描述不精准，测试看应该非单词）的位置
\\B	非单词边界匹配。

这里的单词特指二十六个英文字母的大小写
开始的和结束很好理解

二.、字符(什么字符)

普通字符 非打印字符 特殊字符（保留的一个[之类），这里我就飘过了~~~

一些转移字符转换后代表的特殊字符，就需自己练习和记忆下，没什么可说的。
比如 \\w 代表 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’
需要注意的在组合过程有两种方式 字符 | 或者 中括号[] 需要注意

• x|y 代表匹配x或者Y
• [xyz] 代表者匹配x 或者 y 或者 z其中的一个
• [^xyz] 负值字符集合。匹配未包含的任意字符。
• [a-z] 字符范围。匹配指定范围内的任意字符。例如，’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。
• [^a-z] 负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。

三、 量词，限定符（匹配多少次）

• m,n：m到n个 这个是最基本的，下面的都是它的简写
• *：等价于0,任意多个
• +：等价于1,一个到多个
• ？：等价于0,10或一个

贪婪匹配 : 正则表达式一般趋向于最大长度匹配，也就是所谓的贪婪匹配。默认的都是贪婪匹配
非贪婪匹配：就是匹配到结果就好，就少的匹配字符。需要在量词后面加上? ,比如 * 就是 *？ 就只会匹配零次，如果是+？就只会匹配一次，如果2,3则只会匹配两次

学会这三个，就可以基本使用了，哈哈下一段java的测试代码。

来来来，福利一波，你可以上原始字符串，说要求，我来帮你完成匹配规则

下一节会降到组的概念。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegMain 

    public static void main(String[] args) 
        // TODO Auto-generated method stub
        String source = "this---is a test abcd abcd ef";

        //测试开始限定符
        printReg(source, "t");
        printReg(source, "^t");
        //测试 单词边界 限定符
        printReg(source, "is");
        printReg(source, "is\\\\b");
        printReg(source, "i\\\\b");
        printReg(source, "\\\\bis\\\\b"); 
        //测试 非单词边界 限定符
        printReg(source, "\\\\Bis\\\\b"); 

        //测试量词
        printReg(source, "^this-*"); 
        printReg(source, "^this-+"); 
        printReg(source, "^this-?"); 
        printReg(source, "^this-2,3"); 

        //测试量词非贪婪的匹配
        printReg(source, "^this-*?"); 
        printReg(source, "^this-+?"); 
        printReg(source, "^this-??"); 
        printReg(source, "^this-2,3?"); 
    

    private static void printReg(String source, String pattern) 
        System.out.println("source text: \\" " + source + "\\" parttern: \\"" + pattern + "\\"");
        // 创建 Pattern 对象
        Pattern r = Pattern.compile(pattern);
        Matcher m = r.matcher(source);
        while (m.find()) 
            int groupCount = m.groupCount();
            for (int i = 0; i < groupCount + 1; i++) 
                System.out.println("group: " + i + " ----> " + m.group(i));
            
        
        System.out.println(" \\r\\n --------------\\r\\n ");
    

---

附录：

元字符	描述
\\	将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\\n。“\\n”匹配换行符。序列“\\”匹配“\\”而“(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念
^	匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配“\\n”或“\\r”之后的位置
$	匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配“\\n”或“\\r”之前的位置
*	匹配前面的子表达式任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于0,
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于1,
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于0,1
n	n是一个非负整数。匹配确定的n次。例如，“o2”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o
n,	n是一个非负整数。至少匹配n次。例如，“o2,”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o1,”等价于“o+”。“o0,”则等价于“o*”
n,m	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o1,3”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o0,1”等价于“o?”。请注意在逗号和两个数之间不能有空格
?	当该字符紧跟在任何一个其他限制符（*,+,?，n，n,，n,m）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 [‘o’, ‘o’, ‘o’, ‘o’]
.点	匹配除“\\n”和”\\r”之外的任何单个字符。要匹配包括“\\n”和”\\r”在内的任何字符，请使用像“[\\s\\S]”的模式
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“(”或“)”
(?:pattern)	非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式
(?=pattern)	非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始
(?!pattern)	非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”
(?<=pattern)	非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。“(?<=95|98|NT|2000)Windows”目前在python3.6中re模块测试会报错，用“|”连接的字符串长度必须一样，这里“95|98|NT”的长度都是2，“2000”的长度是4，会报错
(?	非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。例如“(?
x|y	匹配x或y。例如，“z
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符
\\b	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\\b就是匹配位置的）。例如，“er\\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”
\\B	匹配非单词边界。“er\\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”
\\cx	匹配由x指明的控制字符。例如，\\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符
\\d	匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持
\\D	匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持
\\f	匹配一个换页符。等价于\\x0c和\\cL
\\n	匹配一个换行符。等价于\\x0a和\\cJ。
\\r	匹配一个回车符。等价于\\x0d和\\cM
\\s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \\f\\n\\r\\t\\v]。
\\S	匹配任何可见字符。等价于[^ \\f\\n\\r\\t\\v]。
\\t	匹配一个制表符。等价于\\x09和\\cI。
\\v	匹配一个垂直制表符。等价于\\x0b和\\cK。
\\w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的”单词”字符使用Unicode字符集
\\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”
\\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\\x41”匹配“A”。“\\x041”则等价于“\\x04&1”。正则表达式中可以使用ASCII编码
\\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\\1”匹配两个连续的相同字符
\\n	标识一个八进制转义值或一个向后引用。如果\\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值
\\nm	标识一个八进制转义值或一个向后引用。如果\\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\\nm将匹配八进制转义值nm
\\nml	如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml
\\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\\u00A9匹配版权符号（©）
\\pP	小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。中括号内的“P”表示Unicode 字符集七个字符属性之一：标点字符。其他六个属性：L：字母；M：标记符号（一般不会单独出现）；Z：分隔符（比如空格、换行等）；S：符号（比如数学符号、货币符号等）；N：数字（比如阿拉伯数字、罗马数字等）；C：其他字符。