正则表达式
平时用得少，遇到就得到处找。这里总结一下用法，方便复查
1. 正则表达式(regular expression)
描述了字符串的模式匹配，可用于检索、替换、截取符合模式（规则）的串
预习内容：
- 需正则引擎来进行处理，通常该引擎嵌入程序中（Java正则包嵌到RT里面）
- 正则会首先返回第一个匹配的串，即使后面还有匹配的模式（急切性）
- 某些特殊字符需预处理才能传递给引擎（+，*，？），匹配特殊字符要用
\转义 - 匹配
\要用\\，Java匹配路径用到正则，那么地址写法有两种：C:\\dir\\xxx.txtC:/dir/xxx.txt- Windows路径用
\，Linux用/，为了跨平台性推荐使用/来写路径
- 换行符（\n）、回车符（\r），二者区别类似上世纪打字机，不同系统对换行有不同要求：
- Windows：
\r\n - Linux：
\n - Max：
\r
- Windows：
2. 正则的组成
- 普通字符
- 字母 abcABC
- 数字 0123
- 标点符号 , . ?
- 其他符号
- 特殊字符（元字符）
- 非打印字符 \r \n
- 限定符 * + ？
- 定位符 ^ $
- 选择 ( )
- 反向引用
2.1 非打印字符
| 字符 | 描述 |
|---|---|
| . | 除换行符 \n之外的任意单字符 |
| | | 或 |
| \n | 换行符 |
| \t | 回车符 |
| \d | 数字（digit） |
| \D | 除了数字 |
| \w | 单词（word）,数字，大小写字母，下划线 |
| \W | 非单词 |
| \s | 空白符（空格，制表符，换页符等） |
| \S | 非空白符 |
2.2 限定符
| 字符 | 描述 |
|---|---|
| * | 0或多次 |
| + | 1或多次 |
| ？ | 0或一次 |
| 出现几次 | |
| 至少几次 | |
| 出现n~m次 |
2.3 定位符
| 字符 | 描述 |
|---|---|
| ^ | 开始 |
| $ | 结束 |
| \b | 单词边界（字与空格间的位置） |
| \B | 非单词边界 |
2.4 选择
| 字符 | 描述 |
|---|---|
| （） | 标记子表达式 |
补充：
- 字符集
[]仅仅匹配里面的其中的一个 - [^] 表示取反，即不在字符集里面的内容，
[^0-9]，表示不匹配数字
3. 正则优先级
正则表达式从左到右进行计算，并遵循优先级顺序，下表优先级从高到低
| 运算符 | 描述 |
|---|---|
| \ | 转义符 |
| ()、[] | 圆括号、方括号 |
| *、+、?、 | 限定符 |
| ^、$、\num | 定位符、分组编号 |
| | | 替换 |
4. 匹配模式
| 修饰符 | 描述 |
|---|---|
| i | ignore：大小写不敏感 |
| g | global：全局匹配 |
| m | multiline：多行匹配，^$会匹配新行符 |
| s | single：单行匹配，.会匹配新行符 |
5. 选择 ()
5.1 分组
可将括号内容看成一个整体进行匹配
（abc+），表示：abc出现1或多次
5.2 分支
使用分支时要用括号包裹
a（b | c | d），表示：ab、ac、ad的其中一个
5.3 分组引用
字符串：2020-11-07
模式串：(\d{4})-(\d{2})-(\d{2})
不需要分组引用：（?:\d{4})-(\d{2})-(\d{2}），引用需要缓存降低了速度
引用会把匹配到的组按编号存入缓存，0编号表示整体，后面依次是匹配的内容，使用\n来访问分组：
- 0：2020-11-07
- 1：2020
- 2：11
- 3：07
6. 贪婪和惰性
贪婪是尽可能匹配多的字符，而惰性则是尽可能匹配少的字符（后面加 ? 实现惰性）
6.1 引擎工作原理
字符串：<h1>This is H1</h1>
贪婪模式串：<.+>
惰性模式串：<.+?>
模式串中：< 匹配该字符，.匹配任意非换行字符，+匹配1或多次前置字符直到换行，>匹配该字符，？表示惰性
贪婪流程：
<匹配字符串的第一个<.一直匹配前面所有字符，直到最后的换行匹配失败- 然后引擎对下一个正则符号匹配，即匹配
>，这时会进行回溯，即</h1>的>会被匹配到即立刻急切返回
惰性流程：
<匹配字符串的第一个<.匹配h，因为是惰性，所以匹配了.就开启匹配>，尽可能返回少的字符- 而
>匹配1失败，就会进行后移，用.继续匹配后面的1，然后重复上面一步 - 最终返回
<h1>
7. 正负向预查
- xxx(?=pattern)：捕获xxx，而xxx是以xxxpattern结尾
- xxx(?!pattern)：上面的否定，即不以pattern结尾
- (?<=pattern)xxx：捕获xxx，而xxx是以pattern开头
- (?<!pattern)xxx：上面的否定，即不以pattern开头
8. Java里的正则使用
java.util.regex 包主要包括以下三个类：
- Pattern：正则表达式的编译表示，不可变类能多线程使用
- Pattern.compile(reg，flag)：表示匹配模式
- Matcher：是对输入字符串进行解释和匹配操作的引擎
- PatternSyntaxException：是一个非强制异常类，它表示一个正则表达式模式中的语法错误
8.1 匹配查找
public static void main(String[] args) throws InterruptedException {
String str = "123456789"; // 字符串
String reg = "\\d+"; // 模式串
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(str);
boolean b = matcher.matches(); // true
}
8.2 捕获组
public static void main(String[] args) throws InterruptedException {
String str = "020-123456"; // 字符串
String reg = "(\\d{3})-(\\d{6})"; // 模式串
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(str);
if(matcher.find()){
System.out.println(matcher.group(0)); // 020-123456
System.out.println(matcher.group(1)); // 020
System.out.println(matcher.group(2)); // 123456
}
}
8.3 替换
public static void main(String[] args) throws InterruptedException {
String str = "The dog is mine which dog is playing"; // 字符串
String reg = "dog"; // 模式串
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(str);
String strNew = matcher.replaceAll("cat");
System.out.println(strNew); // "The cat is mine which cat is playing"
}
8.4 String类的正则
public static void main(String[] args) throws InterruptedException {
String str = "123456789"; // 字符串
String reg = "\\d+"; // 模式串
boolean matches = str.matches(reg);
System.out.println(matches); // true
}
参考：
