[TOC] # 第 1 章 概述 正则表达式用于文本内容的查找和替换。 正则表达式内置于其它语言或者软件产品中，它本身不是一种语言或者软件。 一个问题往往可以用多种正则表达式方案来解决。 [ 正则表达式在线工具 ](http://tool.chinaz.com/regex) # 第 2 章 匹配单个字符 正则表达式一般是区分大小写的，但是也有些实现是不区分。 **.** 可以用来匹配任何的单个字符，但是在绝大多数实现里面，不能匹配换行符； **\\** 是元字符，表示它有特殊的含义，而不是字符本身的含义。如果需要匹配 . ，那么要用 \ 进行转义，即在 . 前面加上 \ 。 **正则表达式** ``` nam. ``` **匹配结果** My **name** is Zheng. # 第 3 章 匹配一组字符 **[ ]** 定义一个字符集合； 0-9、a-z 定义了一个字符区间，区间使用 ASCII 码来确定。字符区间只能用在 [ ] 之间，因此 **-** 元字符只有在 [ ] 之间才是元字符，在 [ ] 之外就是一个普通字符； **^** 是取非操作，必须在 [ ] 字符集合中使用； **应用** 匹配以 abc 为开头，并且最后一个字母不为数字的字符串： **正则表达式** ``` abc[^0-9] ``` **匹配结果** **abcd** abc1 abc2 # 第 4 章 使用元字符 ## 4.1 匹配空白字符 |  元字符 | 说明  | | ------------ | ------------ | |  [\b] | 回退（删除）一个字符   | |  \f |  换页符 | |  \n |  换行符 | |  \r |  回车符 | |  \t |  制表符 | |  \v |  垂直制表符 | \r\n 是 Windows 中的文本行结束标签，在 Unix/Linux 则是 \n ；\r\n\r\n 可以匹配 Windows 下的空白行，因为它将匹配两个连续的行尾标签，而这正是两条记录之间的空白行； . 是元字符，前提是没有对它们进行转义； f 和 n 也是元字符，但是前提是对他们进行了转义。 ## 4.2 匹配特定的字符类别 **1. 数字元字符** |  元字符 | 说明  | | ------------ | ------------ | | \d  | 数字字符，等价于 [0-9]  | | \D  | 非数字字符，等价于 [^0-9]   | **2. 字母数字元字符** |  元字符 | 说明  | | ------------ | ------------ | | \w  |  大小写字母，下划线和数字，等价于 [a-zA-Z0-9\_] | |  \W |  对 \w 取非 | **3. 空白字符元字符** | 元字符  | 说明  | | ------------ | ------------ | |  \s | 任何一个空白字符，等价于 [\f\n\r\t\v]  | | \S  |  对 \s 取非  | \x 匹配十六进制字符，\0 匹配八进制，例如 \x0A 对应 ASCII 字符 10 ，等价于 \n，也就是它会匹配 \n 。 ## 4.3 使用 POSIX 字符类 | 字符类 | 说明 | | --- | --- | | [:alnum:] | 字母数字字符 | | [:alpha:] | 字母字符 | | [:cntrl:] | 控制字符 | | [:digit:] | 数字字符 | | [:graph:] | 非空白字符 ( 非空格、控制字符等 ) | | [:lower:] | 小写字母 | | [:print:] | 与 [:graph:] 相似，但是包含空格字符 | | [:punct:] | 标点字符 | | [:space:] | 所有的空白字符 ( 换行符、空格、制表符 ) | | [:upper:] | 大写字母 | | [:xdigit:] | 允许十六进制的数字 (0-9a-fA-F) | 并不是所有正则表达式实现都支持 POSIX 字符类，也不一定使用它。 使用时需要用两对方括号，例如 [[:alpha:]]。 # 第 5 章 重复匹配 **\+** 匹配 1 个或者多个字符， **\*** 匹配 0 个或者多个，**?** 匹配 0 个或者 1 个。 **应用** 匹配邮箱地址。 **正则表达式** ``` [\w.]+@\w+.\w+ ``` [\w.] 匹配的是字母数字或者 . ，在其后面加上 + ，表示匹配多次。在字符集合 [ ] 里，. 不是元字符； **匹配结果** **abc.def@qq.com** 为了可读性，常常把转义的字符放到字符集合 [ ] 中，但是含义确实相同的。 ``` \w+@\w+.\w+ [\w]+@[\w]+.[\w]+ ``` **{n}** 匹配 n 个字符，**{m, n}** 匹配 m~n 个字符，**{m,}** 至少匹配 m 个字符； \* 和 + 都是贪婪型元字符，会匹配最多的内容，在元字符后面加 ? 可以转换为懒惰型元字符，例如 \*?、+? 和 {m, n}? 。 **正则表达式** ``` a.+c ``` 由于 + 是贪婪型的，因此 .+ 会匹配更可能多的内容，所以会把整个 abcabcabc 文本都匹配，而不是只匹配前面的 abc 文本。用懒惰型可以实现匹配前面的。 **匹配结果** **abcabcabc** # 第 6 章 位置匹配 ## 6.1 单词边界 **\b** 可以匹配一个单词的边界，边界是指位于 \w 和 \W 之间的位置；**\B** 匹配一个不是单词边界的位置。 \b 只匹配位置，不匹配字符，因此 \babc\b 匹配出来的结果为 3 个字符。 ## 6.2 字符串边界 **^** 匹配整个字符串的开头，**$** 匹配结尾。 ^ 元字符在字符集合中用作求非，在字符集合外用作匹配字符串的开头。 使用 (?m) 来打开分行匹配模式，在该模式下，换行被当做字符串的边界。 **应用** 匹配代码中以 // 开始的注释行 **正则表达式** ``` (?m)^\s*//.*$ ``` 如果没用 (?m)，则只会匹配 // 注释 1 以及之后的所有内容，因为 * 是贪婪型的。用了分行匹配模式之后，换行符被当成是字符串分隔符，因此能正确匹配出两个注释内容。 **匹配结果** public void fun() {         **// 注释 1**         int a = 1;         int b = 2;         **// 注释 2**         int c = a + b; } # 第 7 章 使用子表达式 使用 **( )** 定义一个子表达式。子表达式的内容可以当成一个独立元素，即可以将它看成一个字符，并且使用 * 等元字符。 子表达式可以嵌套，但是嵌套层次过深会变得很难理解。 **正则表达式** ``` (ab) {2,} ``` **匹配结果** **ababab** **|** 是或元字符，它把左边和右边所有的部分都看成单独的两个部分，两个部分只要有一个匹配就行。 ``` (19|20)\d{2} ``` **匹配结果** **1900 2010** 1020 **应用** 匹配 IP 地址。IP 地址中每部分都是 0-255 的数字，用正则表达式匹配时以下情况是合法的： ① 一位或者两位的数字 ② 1 开头的三位数 ③ 2 开头，第 2 位是 0-4 的三位数 ④ 25 开头，第 3 位是 0-5 的三位数 **正则表达式** ``` (((\d{1, 2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.) {3}(((\d{1, 2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))) ``` **匹配结果** **192.168.0.1** 555.555.555.555 # 第 8 章 回溯引用 回溯引用使用 **\n** 来引用某个子表达式，其中 n 代表的是子表达式的序号，从 1 开始。它和子表达式匹配的内容一致，比如子表达式匹配到 abc ，那么回溯引用部分也需要匹配 abc 。 **应用** 匹配 HTML 中合法的标题元素。 **正则表达式** \1 将回溯引用 子表达式 (h[1-6]) 匹配的内容，也就是说必须和子表达式匹配的内容一致。 ``` <(h[1-6])>\w*? ``` **匹配结果** **<h1>x</h1> <h2>x</h2>** <h3>x</h1> ## 替换 需要用到两个正则表达式。 **应用** 修改电话号码格式。 **文本** 313-555-1234 **查找正则表达式** ``` (\d{3})(-)(\d{3})(-)(\d{4}) ``` **替换正则表达式** 在第一个子表达式查找的结果加上 () ，然后加一个空格，在第三个和第五个字表达式查找的结果中间加上 - 进行分隔。 ``` ($1) $3-$5 ``` **结果** (313) 555-1234 ## 大小写转换 |  元字符 | 说明  | | ---| ---| |  \l | 把下个字符转换为小写  | |   \u| 把下个字符转换为大写  | |  \L | 把\L 和\E 之间的字符全部转换为小写  | |  \U | 把\U 和\E 之间的字符全部转换为大写  | |  \E | 结束\L 或者\U  | **应用** 把文本的第二个和第三个字符转换为大写。 **文本** abcd **查找** ``` (\w)(\w{2})(\w) ``` **替换** ``` $1\U$2\E$3 ``` **结果** aBCd # 第 9 章 前后查找 前后查找规定了匹配的内容首尾应该匹配的内容，但是又不包含首尾匹配的内容。向前查找用 **?=** 来定义，它规定了尾部匹配的内容，这个匹配的内容在 ?= 之后定义。所谓向前查找，就是规定了一个匹配的内容，然后以这个内容为尾部向前面查找需要匹配的内容。向后匹配用 ?<= 定义。 **应用** 查找出邮件地址 @ 字符前面的部分。 **正则表达式** ``` \w+(?=@) ``` **结果** **abc**@qq.com 对向前和向后查找取非，只要把 = 替换成 ! 即可，比如 (?=) 替换成 (?!) 。取非操作使得匹配那些首尾不符合要求的内容。 # 第 10 章 嵌入条件 ## 10.1 回溯引用条件 条件判断为某个子表达式是否匹配，如果匹配则需要继续匹配条件表达式后面的内容。 **正则表达式** 子表达式 (\\() 匹配一个左括号，其后的 ? 表示匹配 0 个或者 1 个。 ?(1) 为条件，当子表达式 1 匹配时条件成立，需要执行 \) 匹配。 ``` (\()?abc(?(1)\)) ``` **结果** **(abc)** **abc** (abc ## 10.2 前后查找条件 条件为定义的首尾是否匹配，如果匹配，则继续执行后面的匹配。注意，首尾不包含在匹配的内容中。 **正则表达式**  ?(?=-) 为前向查找条件，只有在以 - 为前向查找的结尾能匹配 \d{5} ，才继续匹配 -\d{4} 。 ``` \d{5}(?(?=-)-\d{4}) ``` **结果** **11111** 22222- **33333-4444**