你的位置:首页 > Java教程

[Java教程]正则表达式快速入门


首先简单介绍下正则表达式:

      在编写处理字符串的程序或网页时,经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说,正则表达式就是记录文本规则的代码。

下面就看看正则表达式里乱七八糟的字符都是什么意思:

1、常用的元字符

      代码                              说明                    
.匹配除换行符以外的任意字符
\w匹配字母或数字或下划线或汉字
\s匹配任意的空白符
\d匹配数字
\b匹配单词的开始或结束
^匹配字符串的开始
$匹配字符串的结束

 

 

 

 

 

 

 

那我们试着理解下:

\bhello\b  其实就是查找单词hello了——先是某个单词开始处(\b),然后是字符串hello,最后是单词结束处(\b)。

010-\d\d\d\d\d\d\d\d  比如北京的固定电话——先是010-,然后是8个数字(\d)。

^\d{18}$ 比如身份证号——先是字符串开始(^),然后是18位数字(\d),最后字符串结束($)。

2、常用的限定符

       代码                             说明                        
*重复零次或更多次
+重复一次或更多次
?重复零次或一次
{n}重复n次
{n, }重复n次或更多次
{n,m}重复n到m次

 

 

 

 

 

 

 

\ba\w*\b 匹配以字母a开头的单词——先是某个单词开始处(\b),然后是字母a,然后是任意数量的字母或数字(\w*),最后是单词结束处(\b)。

windows\d+ 匹配windows开头后面是一位或多位数字的,windows7、windows10等等——\d+即匹配一次或多次数字。

010-\d{8} 也是匹配北京固定电话,跟上面010-\d\d\d\d\d\d\d\d是一个意思,这个更简便——\d{8}就是连续匹配八次数字的意思。

3、常用的反义代码

  代码 说明
\W 匹配任意非字母或数字或下划线或汉字的字符
\S匹配任意非空白符的字符 
\D匹配任意非数字字符
\B匹配非单词开始或结束的地方 
[^x]匹配除x以外的任意字符 
[^aeiou]匹配除元音以外的任意字符

 

 

 

 

 

 

 

"s[^"]+" 匹配用引号括起来的以s开头的字符串。

4、常用分组语法

代码说明
(exp)匹配exp,并捕获文本到自动命名的组里
(?<name>exp)匹配exp,并捕获文本到名称为name的组里,也可以写成(?'name'exp)
(?:exp)匹配exp,不捕获匹配的文本,也不给此分组分配组号
(?=exp)匹配exp前面的位置
(?<=exp)匹配exp后面的位置
(?!exp)匹配后面跟的不是exp的位置
(?<!exp)匹配前面不是exp的位置

 

 

 

 

 

 

 

\b\w*h(?!e)\w*\b 这个相对复杂一点,但是借助上面的表格,应该也能读懂,下面详细分析下——单词开始(\b);然后跟零个或多个字母(\w*),因为是单词嘛,就只能是字母啦;接着是字母h,后面接一个不是e的字符(?!e),然后又是零个或多个字母(\w*),直到单词结束(\b)。那我们就清楚了,也就是找“含有h字母,但h后面不是e的单词”,比如him、honey。而把诸如hello、help这样的单词排除。

5、懒惰限定符

      代码                                   说明                              
*?重复任意次,但尽可能少重复
+?重复1次或更多次,但尽可能少重复
??重复0次或1次,但尽可能少重复
{n,m}?重复n到m次,但尽可能少重复
{n, }?重复n次以上,但尽可能少重复

 

 

 

 

 

 

当正则表达式中包含能接受重复的限定符时,通常的行为是匹配尽可能多的字符。例如:a.*b 它将会匹配最长的以a开始,以b结束的字符串。如果用它来搜索aabab的话,它会匹配整个字符串aabab。这被称为贪婪匹配;但是用 a.*?b 搜索的话会匹配aab(第一到第三个字符)和ab(第四到第五个字符),这叫懒惰匹配

6、常用的其他符号

代码说明
\.元字符转义。.是元字符,你没有办法匹配它,因为会被理解成别的意思,这时你就得使用\来取消这些字符的特殊意义,即\.。同样的,其他元字符像*?+等等都需要转义。
[]字符集。例如[0-9]匹配数字0到9,等同于\d;[a-z]匹配小写字母;[.?!]匹配标点符号.?!
()分组。每个组自动拥有组号,从左向右,第一个出现的分组的组号为1,第二个为2,以此类推。(\d{1,3}\.){3}\d{1,3} 是一个简单的IP地址匹配表达式——\d{1,3}匹配1到3位的数字,(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次,最后再加上一个一到三位的数字(\d{1,3})。\b(\w+)\b\s+\1\b 可以用来匹配重复的单词,像go go——首先是一个单词,这个单词含有一个或多个字母\b(\w+)\b,该单词会被捕获到编号为1的分组中,然后是1个或多个空白符(\s+),最后是分组1中捕获的内容(也就是前面匹配的那个单词)(\1),单词结束(\b)。
| 分枝。^\d{17}(\d|[xX])$ 可用来验证是否为身份证号码——字符串开始(^),接着匹配17位数字(\d{17}),然后是个数字(\d)或者(|)字母x或X([xX]),字符串结束($)。
//i 一次匹配。举例见下文。
//g全局匹配。 举例见下文。

 下面是//i和//g的用法,我们从一段代码中加深理解:

 1 <html> 2 <body> 3 4 <script type="text/javascript"> 5 6   var str="Welcome to Microsoft! "; 7    str=str + "We are proud to announce that Microsoft has "; 8    str=str + "one of the largest Web Developers sites in the world."; 9    document.write(str.replace(/Microsoft/i, "W3School"));10 11 </script>12 13 </body>14 </html>

上面的代码呢,是想把字符串中的Microsoft替换成W3School,当正则表达式为/Microsoft/i时,运行结果:Welcome to W3School! We are proud to announce that Microsoft has one of the largest Web Developers sites in the world.  可以看出只有第一个Microsoft被替换了,即一次匹配

我们将正则表达式/Microsoft/i改为/Microsoft/g,结果就变为:Welcome to W3School! We are proud to announce that W3School has one of the largest Web Developers sites in the world. 也就是说全文凡是有Microsoft的地方都被替换成W3School,即全局匹配。 

  

当然还有很多代码没有涉及到,但是很多正则表达式应该能看懂了,入门了后面的学习就相对简单了。如果没懂可能确实我讲得不清楚。大家可以去搜索相关更多文章,每个作者表达事情的方式都不一样,你可以看看你能更快更好地接收谁的说法。

以上内容如果有误,深表抱歉,也希望大家能及时指出,不吝赐教,谢谢。