📄 彻底研究正则表达式 __.htm
字号:
* <p>Description:
* 最近在工作中常常用到一些正则表达式的使用问题，到网上去找介绍大多是一鳞半爪。求人不如
* 求已。一狠心，自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来
* 了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说，书归正传。
* 原理：
* 正则表达式的原理是有限状态自动机，自动机内部有有限个状态，有一个初始状态，有一个
* 结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵，这是很久以前学
* 的东东了也记不清了，大家只作参照吧。
* Java中的正则表达式：
* 从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包，这个包中主要有
* 3个类:Pattern,代表模式，就是正则表达式自身，Matcher，是一个有限状态自动机，其实大多
* 数的活还是让Pattern类于了，Matcher往往只是简单的调用Pattern，不知道这是什么模式。这
* 两个类写的都很经典，还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所
* 用正则表达式不正确时抛出，是运行时异常。
* 几个难点：
* 1.line terminator
* line terminator 中文意终结符，是指一个或两个字符组成的字符序列。java中的
* 所有line terminator:
* A newline (line feed) character ('\n'),
* -----------换行符(0A)
* A carriage-return character followed immediately by a newline character ("\r\n"),
* -----------回车+换行(0D0A)
* A standalone carriage-return character ('\r'),
* -----------回车(0D)
* A next-line character ('\u0085'),
* ------------下一行符？(？表示我也不知道是什么，请大家明白的给我发mail
* A line-separator character ('\u2028'), or
* ------------行分隔符？
* A paragraph-separator character ('\u2029).
* ------------段落分隔符？
* If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.
* 如果使用unix模式则只有\n被认为是line terminator，也就是在使用pattern时如下：
* Pattern p=Pattern.compile("正则表达式",Pattern.UNIX_LINE);
* 或 Pattern p=Pattern.compile("(?d)正则表达式")
* "."匹配除line terminator以外的所有字符(未指定DOTALL时)
* 在指定DOTAll模式时"."匹配所有字符
* 2.Quantifiers,Greedy,Reluctant and Possessive.
* 这几个词不太好译，原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive
* Quantifiers凭我这点英语我只好译作贪婪的量子，不情愿的量子和占有欲强的量子？这也太搞笑了，
* 好在我理解了他们的意思。这点等下我细说。
* 3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解
* 对于上述，原文用range,union,negation,intersection,subtraction等来描述
* range表是范围，union是并集，negation是取反，intersection是交集，subtraction
* 是……是减法？？反正是减去一部分的意思
* range a-z 从a到z的小写字母
* negation [^a-f]除了a-f之外所有的，全集是所有字符
* union [a-d[h-i]] a-d并h-i
* subtraction [b-f&&[^cd]] 就是b-f中除了cd以外的都是
* intersection[b-f&&[a-z]] 就是b-f与a-z中的公共部分
* 我总结了一下，其实就是方括号表示一个集合，集合中的元素用列举法表示如[abcd]，但太多
* 了怎么为？总不能把从a到z的全列举吧？那就用a-z表示且省略了方括号，交集用&&表示，并集
* 省略，差集(对subtraction译成差集还差不多)用交集和取反来表示。所以，以上的可表示为：
* [[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]
* 这样是不是和我们的习惯相符了.
* 4.各个标志的意义
* 在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。
* 用法形如：Pattern p=Pattern.compile(".*a?",Pattern.UNIX_LINES);
* 当同时指定多个标志时可以使用"|"操作符连接如：
* Pattern p=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);
* 也可以在表达式中指定如：
* Pattern p=Pattern.compile("(?d).*a?");
* Pattern p=Pattern.compile("(?d)(?s).*a?");
* 以上两个定义和前面两个对应等价
* 所有的标志如下：
* Constant Equivalent Embedded Flag Expression
Pattern.CANON_EQ None Enables canonical equivalence
Pattern.CASE_INSENSITIVE (?i) Enables case-insensitive matching
Pattern.COMMENTS (?x) Permits whitespace and comments in pattern.
Pattern.MULTILINE (?m) Enables multiline mode.
Pattern.DOATALL (?s) Enables dotall mode
Pattern.UNICODE_CASE (?u) Enables Unicode-aware case folding.
Pattern.UNIX_LINES (?d) Enables Unix lines mode
CANON_EQ 指定使用规范等价模式？这个我理解的也有限，是不是说只要指定了这个模式则
ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等？请教各位。(mail to me)
CASE_INSENSITIVE 指定使用大小写不敏感的匹配模式，这个好理解，但要注意这个标志只是
对ascii码有效，要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定
CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)
COMMENTS 指定使用注释和忽略空白，也就是".*a"==". *a #this is comments"我想这个
* 在正则表达式很大，而且是在文件中输入时比较有用，平时我看也用不上。
*
* MULTILINE In multiline mode the expressions ^ and $ match just after
* or just before, respectively, a line terminator or the end of the
* input sequence. By default these expressions only match at the beginning
* and the end of the entire input sequence
* 指定使用多行匹配模式，在默认模式下，^和$分别只匹配一个输入的开始和结束。
* 在这种模式下，^和$ 除了匹配整个输入的开始和结束外还匹配一个line terminator的后边和
* 前边(不是前边和后边，就是说^匹配line terminator的后边$匹配line terminator的前边。
*
* DOATALL 如指定了这个模式则"."可匹配任何字符包括line terminator
*
* UNIX_LINES 指定这个模式时只有\n被认为是line terminator而\r和\r\n都不是
*
* 其他的我一时想不起来了，在具体介绍时再说吧。
* </p>
*/</FONT>
<FONT color=#00a000><B>public</B></FONT> <FONT color=#00a000><B>class</B></FONT> TestReg2
<FONT color=#00a000>{</FONT>
<FONT color=#00a000><B>public</B></FONT> <FONT color=#00a000><B>static</B></FONT> <FONT color=#00a000><B>void</B></FONT> main(String[] args)
<FONT color=#00a000>{</FONT>
String str1 = <FONT color=#00ed0>""</FONT>;
Object str = <FONT color=#00ed0>""</FONT>;
<FONT color=#0d00e0>//注意：\r,\n,\b等转义字符在java字符串常量中要写成\\r,\\n,\\b等，否则编译都过不去</FONT>
<FONT color=#0d00e0>//\s匹配\r,\n,\r和空格</FONT>
System.out.println(<FONT color=#00ed0>"\\s匹配\\r,\\n,\\r和空格 "</FONT>+<FONT color=#00ed0>" \t\n\r"</FONT>.matches(<FONT color=#00ed0>"\\s{4}"</FONT>));
<FONT color=#0d00e0>//\S和\s互逆</FONT>
System.out.println(<FONT color=#00ed0>"\\S和\\s互逆 "</FONT>+<FONT color=#00ed0>"/"</FONT>.matches(<FONT color=#00ed0>"\\S"</FONT>));
<FONT color=#0d00e0>//.不匹配\r和\n</FONT>
System.out.println(<FONT color=#00ed0>".不匹配\\r和\\n "</FONT>+<FONT color=#00ed0>"\r"</FONT>.matches(<FONT color=#00ed0>"."</FONT>));
System.out.println(<FONT color=#00ed0>"\n"</FONT>.matches(<FONT color=#00ed0>"."</FONT>));
<FONT color=#0d00e0>//\w匹配字母，数字和下划线</FONT>
System.out.println(<FONT color=#00ed0>"\\w匹配字母，数字和下划线 "</FONT>+<FONT color=#00ed0>"a8_"</FONT>.matches(<FONT color=#00ed0>"\\w\\w\\w"</FONT>));
<FONT color=#0d00e0>//\W和\w互逆</FONT>
System.out.println(<FONT color=#00ed0>"\\W和\\w互逆 "</FONT>+<FONT color=#00ed0>"&_"</FONT>.matches(<FONT color=#00ed0>"\\W\\w"</FONT>));
<FONT color=#0d00e0>//\d匹配数字</FONT>
System.out.println(<FONT color=#00ed0>"\\d匹配数字 "</FONT>+<FONT color=#00ed0>"8"</FONT>.matches(<FONT color=#00ed0>"\\d"</FONT>));
<FONT color=#0d00e0>//\D与\d互逆</FONT>
System.out.println(<FONT color=#00ed0>"\\D与\\d互逆"</FONT>+<FONT color=#00ed0>"%"</FONT>.matches(<FONT color=#00ed0>"\\D"</FONT>));
<FONT color=#0d00e0>//两者都匹配但意文不同</FONT>
System.out.println(<FONT color=#00ed0>"======================"</FONT>);
System.out.println(<FONT color=#00ed0>"表示\\000a匹配\\000a "</FONT>+<FONT color=#00ed0>"\n"</FONT>.matches(<FONT color=#00ed0>"\n"</FONT>));
System.out.println(<FONT color=#00ed0>"表示\\n匹配换行 "</FONT>+<FONT color=#00ed0>"\n"</FONT>.matches(<FONT color=#00ed0>"\\n"</FONT>));
System.out.println(<FONT color=#00ed0>"======================"</FONT>);
<FONT color=#0d00e0>//两者都匹配但意文不同</FONT>
System.out.println(<FONT color=#00ed0>"\r"</FONT>.matches(<FONT color=#00ed0>"\r"</FONT>));
System.out.println(<FONT color=#00ed0>"\r"</FONT>.matches(<FONT color=#00ed0>"\\r"</FONT>));
System.out.println(<FONT color=#00ed0>"======================"</FONT>);
<FONT color=#0d00e0>//^匹配开头</FONT>
System.out.println(<FONT color=#00ed0>"^匹配开头"</FONT>+<FONT color=#00ed0>"hell"</FONT>.matches(<FONT color=#00ed0>"^hell"</FONT>));
System.out.println(<FONT color=#00ed0>"abc\nhell"</FONT>.matches(<FONT color=#00ed0>"^hell"</FONT>));
<FONT color=#0d00e0>//$匹配结束</FONT>
System.out.println(<FONT color=#00ed0>"$匹配结束"</FONT>+<FONT color=#00ed0>"my car\nabc"</FONT>.matches(<FONT color=#00ed0>".*ar$"</FONT>));
System.out.println(<FONT color=#00ed0>"my car"</FONT>.matches(<FONT color=#00ed0>".*ar$"</FONT>));
<FONT color=#0d00e0>//\b匹配界</FONT>
System.out.println(<FONT color=#00ed0>"\\b匹配界 "</FONT>+<FONT color=#00ed0>"bomb"</FONT>.matches(<FONT color=#00ed0>"\\bbom."</FONT>));
System.out.println(<FONT color=#00ed0>"bomb"</FONT>.matches(<FONT color=#00ed0>".*mb\\b"</FONT>));
<FONT color=#0d00e0>//\B与\b互逆</FONT>
System.out.println(<FONT color=#00ed0>"\\B与\\b互逆"</FONT>+<FONT color=#00ed0>"abc"</FONT>.matches(<FONT color=#00ed0>"\\Babc"</FONT>));
<FONT color=#0d00e0>//[a-z]匹配a到z的小写字母</FONT>
System.out.println(<FONT color=#00ed0>"[a-z]匹配a到z的小写字母"</FONT>+<FONT color=#00ed0>"s"</FONT>.matches(<FONT color=#00ed0>"[a-z]"</FONT>));
System.out.println(<FONT color=#00ed0>"S"</FONT>.matches(<FONT color=#00ed0>"[A-Z]"</FONT>));
System.out.println(<FONT color=#00ed0>"9"</FONT>.matches(<FONT color=#00ed0>"[0-9]"</FONT>));
<FONT color=#0d00e0>//取反</FONT>
System.out.println(<FONT color=#00ed0>"取反"</FONT>+<FONT color=#00ed0>"s"</FONT>.matches(<FONT color=#00ed0>"[^a-z]"</FONT>));
System.out.println(<FONT color=#00ed0>"S"</FONT>.matches(<FONT color=#00ed0>"[^A-Z]"</FONT>));
System.out.println(<FONT color=#00ed0>"9"</FONT>.matches(<FONT color=#00ed0>"[^0-9]"</FONT>));
<FONT color=#0d00e0>//括号的作用</FONT>
System.out.println(<FONT color=#00ed0>"括号的作用"</FONT>+<FONT color=#00ed0>"aB9"</FONT>.matches(<FONT color=#00ed0>"[a-z][A-Z][0-9]"</FONT>));
System.out.println(<FONT color=#00ed0>"aB9bC6"</FONT>.matches(<FONT color=#00ed0>"([a-z][A-Z][0-9])+"</FONT>));
<FONT color=#0d00e0>//或运算</FONT>
System.out.println(<FONT color=#00ed0>"或运算"</FONT>+<FONT color=#00ed0>"two"</FONT>.matches(<FONT color=#00ed0>"two|to|2"</FONT>));
System.out.println(<FONT color=#00ed0>"to"</FONT>.matches(<FONT color=#00ed0>"two|to|2"</FONT>));
System.out.println(<FONT color=#00ed0>"2"</FONT>.matches(<FONT color=#00ed0>"two|to|2"</FONT>));
<FONT color=#0d00e0>//[a-zA-z]==[a-z]|[A-Z]</FONT>
System.out.println(<FONT color=#00ed0>"[a-zA-z]==[a-z]|[A-Z]"</FONT>+<FONT color=#00ed0>"a"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z]"</FONT>));
System.out.println(<FONT color=#00ed0>"A"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z]"</FONT>));
System.out.println(<FONT color=#00ed0>"a"</FONT>.matches(<FONT color=#00ed0>"[a-z]|[A-Z]"</FONT>));
System.out.println(<FONT color=#00ed0>"A"</FONT>.matches(<FONT color=#00ed0>"[a-z]|[A-Z]"</FONT>));
<FONT color=#0d00e0>//体会一下以下四个</FONT>
System.out.println(<FONT color=#00ed0>"体会一下以下四个\n=========================="</FONT>);
System.out.println(<FONT color=#00ed0>")"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z)]"</FONT>));
System.out.println(<FONT color=#00ed0>")"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z)_-]"</FONT>));
System.out.println(<FONT color=#00ed0>"_"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z)_-]"</FONT>));
System.out.println(<FONT color=#00ed0>"-"</FONT>.matches(<FONT color=#00ed0>"[a-zA-Z)_-]"</FONT>));
System.out.println(<FONT color=#00ed0>"=========================="</FONT>);
System.out.println(<FONT color=#00ed0>"b"</FONT>.matches(<FONT color=#00ed0>"[abc]"</FONT>));
<FONT color=#0d00e0>//[a-d[f-h]]==[a-df-h]</FONT>
System.out.println(<FONT color=#00ed0>"[a-d[f-h]]==[a-df-h]"</FONT>+<FONT color=#00ed0>"h"</FONT>.matches(<FONT color=#00ed0>"[a-d[f-h]]"</FONT>));
System.out.println(<FONT color=#00ed0>"a"</FONT>.matches(<FONT color=#00ed0>"[a-z&&[def]]"</FONT>));
<FONT color=#0d00e0>//取交集</FONT>
System.out.println(<FONT color=#00ed0>"取交集"</FONT>+<FONT color=#00ed0>"a"</FONT>.matches(<FONT color=#00ed0>"[a-z&&[def]]"</FONT>));
System.out.println(<FONT color=#00ed0>"b"</FONT>.matches(<FONT color=#00ed0>"[[a-z]&&[e]]"</FONT>));
<FONT color=#0d00e0>//取并</FONT>
System.out.println(<FONT color=#00ed0>"取并"</FONT>+<FONT color=#00ed0>"9"</FONT>.matches(<FONT color=#00ed0>"[[a-c][0-9]]"</FONT>));
<FONT color=#0d00e0>//[a-z&&[^bc]]==[ad-z]</FONT>
System.out.println(<FONT color=#00ed0>"[a-z&&[^bc]]==[ad-z]"</FONT>+<FONT color=#00ed0>"b"</FONT>.matches(<FONT color=#00ed0>"[a-z&&[^bc]]"</FONT>));
System.out.println(<FONT color=#00ed0>"d"</FONT>.matches(<FONT color=#00ed0>"[a-z&&[^bc]]"</FONT>));
<FONT color=#0d00e0>//[a-z&&[^m-p]]==[a-lq-z]</FONT>
System.out.println(<FONT color=#00ed0>"[a-z&&[^m-p]]==[a-lq-z]"</FONT>+<FONT color=#00ed0>"d"</FONT>.matches(<FONT color=#00ed0>"[a-z&&[^m-p]]"</FONT>));
System.out.println(<FONT color=#00ed0>"a"</FONT>.matches(<FONT color=#00ed0>"\\p{Lower}"</FONT>));
<FONT color=#0d00e0>///注意以下体会\b的用法(注意，在字符串常量中十目直接写\b表退格，所以要写\\b</FONT>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -