(八) 正则表达式
正则表达式(regular expression)用于指定字符串的模式
(1)字符类(character class)是一个括在括号中的可选字符集，例如，[Jj]、[0-9]、[A-Za-z]或[^0-9]。这里"-"是表示范围，而"^"表示补集(除了指定字符之外的所有字符)
(2)预定的字符类，例如\d(数字)和\p{Sc}(Unicode货币符号)
(3)大部分字符都可以与它们自身匹配
(4)"."符合可以匹配任何字符
(5)使用"\"作为转义字符，例如，"\."匹配句号而"\\"匹配反斜线
(6)"^"和"$"分别匹配一行的开头和结尾
(7)如果X和Y是正则表达式，那么XY表示"任何X匹配后面跟随着Y的匹配"，X|Y表示"任何X或Y的匹配"
(8)可以将量词运用到表达式X : X+(1个或多个)、X*(0或多个)和X?(0个或1个)
(9)一般情况下，量词要匹配能够使整个匹配成功的最大可能的重复次数。可以修改这种行为使用后缀?(最小匹配次数)或使用+(即使整个匹配失败，也要匹配最大的重复次数)
(10)使用群组来定义子表达式，其中群组使用括号()号括起来，例如([+-]?)([0-9]+)
正则表达式的最简单用法就是测试某个特定的字符串是否与它匹配。
e.g.使用Java来编写测试，首先用表示正则表达式的字符串创建一个Pattern对象，然后从这个模式中获得一个Matcher，并调用它的matcher方法
??? Pattern pattern = Pattern.compile(patternString)
??? Matcher matcher = pattern.matcher(input)
??? if(matcher.matcher()){...}
这个匹配器的输入可以是任何实现了CharSequence接口的类的对象，例如String、StringBuilder和CharBuffer
e.g.在编译这个模式时，可以设置一个或多个标志
??? Pattern pattern = Pattern.compile(patternString, Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);
支持的六个标示
(1)CASE_INSENSITIVE : 匹配字符时忽略字母的大小写。默认情况下，只考虑USASCII字符。
(2)UNICODE_CASE : 当于CASE_INSENSITIVE组合时，用Unicode字符大小写来匹配。
(3)MULTILINE : ^和$匹配行的开头和结尾，而不是整个输入的开头和结尾。
(4)UNIX_LINES : 在多行模式中匹配^和$时，只有'\n'被识别成行终止符。
(5)DOTALL : 当使用这个标志时，"."符合匹配所有字符，包括行终止符。
(6)CANON_EQ : 考虑Unicode字符规范的等价性，例如，u后面跟随''(分音符号)匹配u上面两点。
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 : int start(int groupIndex) 和 int end(int groupIndex) 将产生指定群组的开始索引和结束之后的索引。
可以直接抽取匹配的字符串 : String group(int groupIndex)
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。调用groupCount可以获得全部群组的数量。
嵌套群组是按照前括号排序的，例如((1?[0-9]):(0-5)[0-9])[ap]m和11:59am
匹配器会报告的群组:
群组索引??? 开始? 结束? 字符串
????? 0???????????? 0?????? 7?????? 11:59am
????? 1???????????? 0?????? 5?????? 11:59
????? 2???????????? 0?????? 2?????? 11
????? 3???????????? 3?????? 5?????? 59
?
正则表达式语法 语法 解释字符 c 字符c \unnn,\xnn,\0n,\0nnn 具有给定十六进制或十进制的码元 \t,\n,\r,\f,\a,\e 控制符:制表符、换行符、回车符、换行符、警告符、逃逸符 \Cc 与字符c相关的控制符字符类 [C1C2...] 任何由C1、C2...表示的字符，其中C1可以是多个字符，字符范围(c1-c2)和字符类 [^...] 字符集的补集 [...&&...] 两个字符集的交集预定义字符类 \d 一个数字[0-9] \D 一个非数字[^0-9] \s 一个空白字符[\t\n\r\f\x0B] \S 一个非空白字符 \w 一个词语字符[a-zA-Z] \W 一个非词语字符 \p[name] 一个命名字符类 \P[name] 一个非命名字符类边界匹配符 ^ $ 输入的开头和结尾(或者在多行模式下行的开头和结尾) \b 一个词语边界 \B 一个非词语边界 \A 输入的开头 \z 输入的结尾 \Z 除了行终止符之外的输入结尾 \G 前一个匹配的结尾量词 X? 可选的X X* X，0或多次 X+ X，1或多次 X{n} X{n,} X{n,m} X为n次，至少n次，在n到m次之间量词后缀 ? 勉强匹配 + 占有匹配集合操作 XY 任何X中的字符串，后面跟随任何Y中的字符串 X|Y 任何X中或Y中的字符串群组 (X) 捕获将X作为群组匹配的字符串 \n 第n个群组的匹配转义 \c 字符c(必须是不在字母表中的字符) \Q...\E 逐字的引用 (?...) 特殊结构??
DEMO
?
import java.security.acl.Group;import java.util.Scanner;import java.util.regex.Matcher;import java.util.regex.Pattern;import java.util.regex.PatternSyntaxException;public class RegexTest {public static void main(String[] args) {Scanner in = new Scanner(System.in);System.out.println("Enter pattern:");String patternString = in.nextLine();Pattern pattern = null;try{pattern = Pattern.compile(patternString);}catch(PatternSyntaxException e){e.printStackTrace();System.out.println("error");System.exit(1);}while(true){System.out.println("Enter string to match:");String input = in.nextLine();if(input==null || "".equals(input)){return;}Matcher matcher = pattern.matcher(input);if(matcher.matches()){System.out.println("Match");int groupCount = matcher.groupCount();if(groupCount>0){for(int i=0;i<input.length();i++){for(int j=1;j<=groupCount;j++){if(i == matcher.start(j)){System.out.print("(");}}System.out.print(input.charAt(i));for(int j=1;j<=groupCount;j++){if(i+1==matcher.end(j)){System.out.print(")");}}}System.out.println();}}else{System.out.println("No Match");}}}}