正则表达式

1 语法

在使用正则表达式的各种程序和类库之间，表达式语法并未完全标准化。

1.1 字符

• 字符类是一个括在括号中的可选择的字符集，例如，[Jj]、[0-9]、[A-Za-z]或 1。这里“-”表示是一个范围，而 ^ 表示补集。
• 如果字符类中包含-，必须第一项或最后一项；如果包含[，必须第一项；包含^，不能开始位置。其中，你只需要转义[和\。
• 有许多预定的字符类，例如\d（数字）和\p{Sc}（Unicode货币符号）。

1.2 边界

• .符号可以匹配任何字符。
• 使用\作为转义字符，例如，\.匹配句号而\\匹配反斜线。
• ^和$分别匹配一行的开头和结尾。
• 如果X和Y是正则表达式，那么XY表示“任何X的匹配后面跟随Y的匹配”，X | Y表示“任何X或Y的匹配”。

1.3 量词

• 量词：X+（1个或多个）、X*（0 个或多个）与 X？（0 个或 1 个）。
• 量词默认匹配最大重复次数。可以修改，使用吝啬匹配(后缀?)匹配最小的重复次数，或使用贪婪匹配（后缀+），即使让整个匹配失败，也要匹配最大的重复次数。

1.4 群组

• 我们使用群组来定义子表达式，其中群组用括号()括起来。例如，([+-]?)([0-9]+)。然后你可以询问模式匹配器，让其返回每个组的匹配，或者用 n 来引用某个群组，其中 n 是群组号（从 1 开始）。

2 使用

2.1 匹配

首先用正则表达式的字符串构建一个 Pattern 对象，然后从这个模式中获得一个 Matcher，并调用他的 matches 方法。

Pattern pattern = Pattern.compile(patternString);
Matcher matcher = pattern.matcher(input);
if(matcher.matches()) ...

1）编译标志

在编译这个表达式时，可以设置一个或多个标志

Pattern pattern = Pattern.compile(expression,Pattern.CASE_INTENSIVE + Pattern.UNICODE_CASE);

或在表达式中指定：

String regex = "(?iU:expression)";

各个标志：

• Pattern.CASE_INSENSITIVE 或 r：忽略字母大小写，默认只考虑 US ASCII 字符。
• Pattern.UNICODE_CASE 或 u：与 CASE_INSENSITIVE 组合使用，用 Unicode 字母匹配大小写。
• Pattern.UNICODE_SHARACTER_CLASS 或 U：选择 Unicode 字符类代替 POSIX，其中蕴含了 UNICODE_CASE;
• Pattern.MULTILINE 或 m: ^和$匹配行的开头和结尾，而不是整个输入的开头和结尾。
• Pattern.UNIX_LINES 或 d: 在多行模式中匹配^和$时，只有\n被识别成行终止符。
• Pattern.DOTALL 或 s: .符号匹配所有字符，包括行终止符。
• Pattern.LITERAL: 逐字采纳，精确匹配，字母大小差异除外。
• Pattern.CANON_EQ: 考虑 Unicode 字符规范的等价性

2）匹配集合或流

如果想要在集合或流中匹配元素，可以将模式转换为谓词：

Stream<String> strings = ...;
Stream<String> result = strings.fiter(pattern.asPredicate());

其结果中包含了匹配正则表达式的所有字符串。

3）匹配群组

如果正则表达式包含群组，那么Matcher对象可以揭示群组的边界。下面的方法

int start(int groupIndex)
int end(int groupIndex)

将产生指定群组的开始索引和结束之后的索引。

4）抽取匹配

可以直接通过调用下面的方法抽取匹配的字符串
群组 0 是整个输入，而用于第一个实际群组的群组索引是 1。

String group(int groupIndex)

2.2 查找

使用 Matcher 类的 find 方法来查找匹配内容，如果返回 true，在使用 start 和 end 方法来查找匹配的内容,或使用不带引元的 group 方法来获取匹配的字符串。

whiel(matcher.find()){
    int start = matcher.start();
    int end = matcher.end();
    String match = input.group();
}

2.3 替换

Matcher 类的 replaceAll 方法将正则表达式出现的所有地方都用替换字符串来替换。

Matcher 类的 replaceFirst 方法将只替换模式的第一次出现。

2.4 分割

最后，Pattern 类有一个 split 方法，它可以用正则表达式来匹配边界，从而将输入分割成字符串数组。