一段时间没用连之前自己写的匹配模式都看不懂了。不过本来学得也不咋地，重新学习。示例使用Java Pattern/Matcher类验证。
这里有一份不知哪里来的正则表达式手册
元字符
^ |
匹配字符串的开始位置 |
$ |
匹配字符串的结束位置 |
* |
匹配前面的表达式0次或多次, “zo*“可匹配”z”, “zo”, “zoo”等, 等价于{0,} |
+ |
匹配前面的表达式1次或多次, “zo+”可匹配”zoo”, 不可匹配”z”, 等价于{1,} |
? |
匹配前面的表达式0次或1次, “zo”可匹配”z”, “zo”, 不可匹配”zoo”, 等价于{0,1} |
? |
(懒惰匹配)符号”?”跟在其他限制符如*, +, ?, {n}, {n,m}后时, 匹配尽可能短的字符串, 例如: “ooo,ooo”, 模式”o+?”匹配单个”o”共6个, 而”o+”匹配得到两个”ooo” |
. |
匹配除”\n”以外的任意字符 |
x|y |
匹配x或y |
\b |
匹配单词边界-bound | “er\b”可以匹配”hacker die”中的er，不能匹配”verb”中的er |
\B |
匹配非单词边界 | “er\b”可以匹配”verb”中的er，不能匹配”hacker die”中的er |
\d |
匹配一个数字字符-digit | 等价于[0-9] |
\D |
匹配一个非数字字符 | 等价于[^0-9] |
\s |
匹配一个任意的空白字符-space | 等价于[\f\n\r\t\v] (按顺序分为换页符, 换行, 回车, 制表符, 垂直制表符) |
\w |
匹配一个包括下划线的任意单词字符-word | 等价于[A-Za-z0-9_] 注意包含下划线 |
\W |
匹配任何非单词字符 | [^A-Za-z0-9_] |
\*num* |
正整数num表示第几个分组的引用 | 如(s)-(a)-\2匹配”s-a-a”，\1得到第一个分组,这里是”s”,\2是第二个分组) |
获取分组
使用小括号捕获分组, 自左向右, 第一个分组为1, 第二个为2, 以此类推
(pattern) |
匹配并捕获这一分组，之后可以通过$num引用,若有嵌套, 则按照左括号出现的顺序捕获 |
(?:pattern) |
匹配但不捕获 |
(?<name>pt) |
给分组命名,用\k<name>在模式中引用, 例如用(?<myword>\w)\k<myword>捕获两个连续的单词字符 |
(?=pattern) |
正向预查, pattern部分不在匹配范围内 如 Java(?=6)匹配”Java6, Java8”中的第一个”Java”, 不包含”6” |
(?!pattern) |
正向否定预查 |
(?<=pattern) |
反向预查 (?<=J)a匹配”Java6, Java7”的结果为Java6, Java7 |
(?<!pattern) |
反向否定预查 |
正/反向预查部分例子来自于https://my.oschina.net/lxpan/blog/27907
Q: 为什么要使用(?:pattern)匹配但是不捕获分组?
……为什么呢? 是不是存在可以不捕获但是必须分组的情况? 那么这种情况下就算捕获了会出现什么影响呢?
这里说捕获组是要占用内存的。那么答案应该是为了节省内存降低开销吧。
| Class Matcher Method | |
|---|---|
String |
group(int group) Returns the input subsequence captured by the given group during the previous match operation. |
String |
group(String name) Returns the input subsequence captured by the given named-capturing group during the previous match operation. |
补充：使用Java进行验证的时候，从API可以看出，每个捕获分组都对应一个String，验证了上述说法。
实际上组号分配过程是要从左向右扫描两遍的：第一遍只给未命名组分配，第二遍只给命名组分配－－因此所有命名组的组号都大于未命名的组号
对于文本
1
一段时间没用连之前自己写的匹配模式都看不懂了
模式一段(.*)连(.*)匹配(.*)(?<n1>懂)(.*)匹配得到一段时间没用连之前自己写的匹配模式都看不懂了
$1为"时间没用", $2为"之前自己写的", $3为"模式都看不", $4为"懂"（与$<n1>相同。Java中获取命名分组使用String group(String name), 获取分组数groupCount()），$5为"了"。与上面说法不符
嵌套分组捕获
前面说了，嵌套是按照左括号从左到右出现的先后来捕获的，下面是示例：
对于文本
1
2
3
4
a1a2ba2
a1a2ba1
a1a2ba1a2
a1a2ba1a2b
模式((a1(a2))b)\1匹配第4行a1a2ba1a2b
模式((a1(a2))b)\2匹配第3、4行的a1a2ba1a2
模式((a1(a2))b)\3匹配第1行a1a2ba2