正则表达式【Pattern 】
public final class Patternextends Object implements Serializable
正则表达式的编译表示形式。
指定为字符串的正则表达式必须首先被编译为此类的实例。然后，可将得到的模式用于创建 Matcher 对象，依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。
因此，典型的调用顺序是
Pattern p = Pattern.compile("a*b"); Matcher m = p.matcher("aaaaab"); boolean b = m.matches();
在仅使用一次正则表达式时，可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句
boolean b = Pattern.matches("a*b", "aaaaab");
等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式。
此类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。
正则表达式的构造摘要
的 非捕获组
构造 | 匹配 |
|---|---|
字符 | |
x | 字符 x |
\\ | 反斜线字符 |
\0n | 带有八进制值 0 的字符 n (0 <= n <= 7) |
\0nn | 带有八进制值 0 的字符 nn (0 <= n <= 7) |
\0mnn | 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7） |
\xhh | 带有十六进制值 0x 的字符 hh |
\uhhhh | 带有十六进制值 0x 的字符 hhhh |
\t | 制表符 ('\u0009') |
\n | 新行（换行）符 ('\u000A') |
\r | 回车符 ('\u000D') |
\f | 换页符 ('\u000C') |
\a | 报警 (bell) 符 ('\u0007') |
\e | 转义符 ('\u001B') |
\cx | 对应于 x 的控制符 |
字符类 | |
[abc] | a、b 或 c（简单类） |
[^abc] | 任何字符，除了 a、b 或 c（否定） |
[a-zA-Z] | a 到 z 或 A 到 Z，两头的字母包括在内（范围） |
[a-d[m-p]] | a 到 d 或 m 到 p：[a-dm-p]（并集） |
[a-z&&[def]] | d、e 或 f（交集） |
[a-z&&[^bc]] | a 到 z，除了 b 和 c：[ad-z]（减去） |
[a-z&&[^m-p]] | a 到 z，而非 m 到 p：[a-lq-z]（减去） |
预定义字符类 | |
. | 任何字符（与行结束符可能匹配也可能不匹配） |
\d | 数字：[0-9] |
\D | 非数字： [^0-9] |
\s | 空白字符：[ \t\n\x0B\f\r] |
\S | 非空白字符：[^\s] |
\w | 单词字符：[a-zA-Z_0-9] |
\W | 非单词字符：[^\w] |
POSIX 字符类（仅 US-ASCII） | |
\p{Lower} | 小写字母字符：[a-z] |
\p{Upper} | 大写字母字符：[A-Z] |
\p{ASCII} | 所有 ASCII：[\x00-\x7F] |
\p{Alpha} | 字母字符：[\p{Lower}\p{Upper}] |
\p{Digit} | 十进制数字：[0-9] |
\p{Alnum} | 字母数字字符：[\p{Alpha}\p{Digit}] |
\p{Punct} | 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ |
\p{Graph} | 可见字符：[\p{Alnum}\p{Punct}] |
\p{Print} | 可打印字符：[\p{Graph}\x20] |
\p{Blank} | 空格或制表符：[ \t] |
\p{Cntrl} | 控制字符：[\x00-\x1F\x7F] |
\p{XDigit} | 十六进制数字：[0-9a-fA-F] |
\p{Space} | 空白字符：[ \t\n\x0B\f\r] |
java.lang.Character 类（简单的 java 字符类型） | |
\p{javaLowerCase} | 等效于 java.lang.Character.isLowerCase() |
\p{javaUpperCase} | 等效于 java.lang.Character.isUpperCase() |
\p{javaWhitespace} | 等效于 java.lang.Character.isWhitespace() |
\p{javaMirrored} | 等效于 java.lang.Character.isMirrored() |
Unicode 块和类别的类 | |
\p{InGreek} | Greek 块（简单块）中的字符 |
\p{Lu} | 大写字母（简单类别） |
\p{Sc} | 货币符号 |
\P{InGreek} | 所有字符，Greek 块中的除外（否定） |
[\p{L}&&[^\p{Lu}]] | 所有字母，大写字母除外（减去） |
边界匹配器 | |
^ | 行的开头 |
$ | 行的结尾 |
\b | 单词边界 |
\B | 非单词边界 |
\A | 输入的开头 |
\G | 上一个匹配的结尾 |
\Z | 输入的结尾，仅用于最后的结束符（如果有的话） |
\z | 输入的结尾 |
Greedy 数量词 | |
X? | X，一次或一次也没有 |
X* | X，零次或多次 |
X+ | X，一次或多次 |
X{n} | X，恰好 n 次 |
X{n,} | X，至少 n 次 |
X{n,m} | X，至少 n 次，但是不超过 m 次 |
Reluctant 数量词 | |
X?? | X，一次或一次也没有 |
X*? | X，零次或多次 |
X+? | X，一次或多次 |
X{n}? | X，恰好 n 次 |
X{n,}? | X，至少 n 次 |
X{n,m}? | X，至少 n 次，但是不超过 m 次 |
Possessive 数量词 | |
X?+ | X，一次或一次也没有 |
X*+ | X，零次或多次 |
X++ | X，一次或多次 |
X{n}+ | X，恰好 n 次 |
X{n,}+ | X，至少 n 次 |
X{n,m}+ | X，至少 n 次，但是不超过 m 次 |
Logical 运算符 | |
XY | X 后跟 Y |
X|Y | X 或 Y |
(X) | X，作为捕获组 |
Back 引用 | |
\n | 任何匹配的 nth 捕获组 |
引用 | |
\ | Nothing，但是引用以下字符 |
\Q | Nothing，但是引用所有字符，直到 \E |
\E | Nothing，但是结束从 \Q 开始的引用 |
特殊构造（非捕获） | |
(?:X) | X，作为非捕获组 |
(?idmsux-idmsux) | Nothing，但是将匹配标志i d m s u x on - off |
(?idmsux-idmsux:X) | X，作为带有给定标志 i d m s u x on - off |
(?=X) | X，通过零宽度的正 lookahead |
(?!X) | X，通过零宽度的负 lookahead |
(?<=X) | X，通过零宽度的正 lookbehind |
(?X) | X，通过零宽度的负 lookbehind |
(?>X) | X，作为独立的非捕获组 |
反斜线、转义和引用
反斜线字符 ('\') 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。
根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\\b" 与单词边界匹配。字符串字面值 "\(hello\)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\\(hello\\)"。
字符类
字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示，按从最高到最低的顺序排列：
1 字面值转义 \x 2 分组[...] 3 范围a-z 4 并集[a-e][i-u] 5 交集[a-z&&[aeiou]]
注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。以下代码被识别为行结束符：
- 新行（换行）符 ('\n')、
- 后面紧跟新行符的回车符 ("\r\n")、
- 单独的回车符 ('\r')、
- 下一行字符 ('\u0085')、
- 行分隔符 ('\u2028') 或
- 段落分隔符 ('\u2029)。
如果激活 UNIX_LINES 模式，则新行符是唯一识别的行结束符。
如果未指定 DOTALL 标志，则正则表达式 . 可以与任何字符（行结束符除外）匹配。
默认情况下，正则表达式 ^ 和 忽略行结束符，仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式，则 ^ 在输入的开头和行结束符之后（输入的结尾）才发生匹配。处于 MULTILINE 模式中时， 仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：
1 ((A)(B(C))) 2 \A 3 (B(C)) 4 (C)
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串 "aba" 与表达式 (a(b)?)+ 相匹配，会将第二组设置为 "b"。在每个匹配的开头，所有捕获的输入都会被丢弃。
以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。
Unicode 支持
此类符合 Unicode Technical Standard #18:Unicode Regular Expression Guidelines 第 1 级和 RL2.1 Canonical Equivalents。
Java 源代码中的 Unicode 转义序列（如 \u2014）是按照 Java Language Specification 的 第 3.3 节中的描述处理的。这样的转义序列还可以由正则表达式解析器直接实现，以便在从文件或键盘击键读取的表达式中使用 Unicode 转义。因此，可以将不相等的字符串 "\u2014" 和 "\\u2014" 编译为相同的模式，从而与带有十六进制值 0x2014 的字符匹配。
受支持的类别是由 Character 类指定版本中的 The Unicode Standard 的类别。类别名称是在 Standard 中定义的，即标准又丰富。Pattern 所支持的块名称是 UnicodeBlock.forName 所接受和定义的有效块名称。
与 Perl 5 相比较
Pattern 引擎用有序替换项执行传统上基于 NFA 的匹配，与 Perl 5 中进行的相同。
此类不支持 Perl 构造：
- 条件构造 (?{X}) 和 (?(condition)X|Y)、
- 嵌入式代码构造 (?{code}) 和 (??{code})、
- 嵌入式注释语法 (?#comment) 和
- 预处理操作 \l \u、\L 和 \U。
此类支持但 Perl 不支持的构造：
- Possessive 数量词，它可以尽可能多地进行匹配，即使这样做导致所有匹配都成功时也如此。
- 字符类并集和交集，如上文所述。
与 Perl 的显著不同点是：
- 在 Perl 中，\1 到 \9 始终被解释为 Back 引用；如果至少存在多个子表达式，则大于 9 的反斜线转义数按 Back 引用对待，否则在可能的情况下，它将被解释为八进制转义。在此类中，八进制转义必须始终以零开头。在此类中，\1 到 \9 始终被解释为 Back 引用，较大的数被接受为 Back 引用，如果在正则表达式中至少存在多个子表达式的话；否则，解析器将删除数字，直到该数小于等于组的现有数或者其为一个数字。
- Perl 使用 g 标志请求恢复最后匹配丢失的匹配。此功能是由
Matcher类显式提供的：重复执行find方法调用可以恢复丢失的最后匹配，除非匹配器被重置。 - 在 Perl 中，位于表达式顶级的嵌入式标记对整个表达式都有影响。在此类中，嵌入式标志始终在它们出现的时候才起作用，不管它们位于顶级还是组中；在后一种情况下，与在 Perl 中类似，标志在组的结尾处还原。
- Perl 允许错误匹配构造，如在表达式 *a 中，以及不匹配的括号，如在在表达式 abc] 中，并将其作为字面值对待。此类还接受不匹配的括号，但对 +、? 和 * 不匹配元字符有严格限制；如果遇到它们，则抛出
PatternSyntaxException。 方法摘要staticPatterncompile(Stringregex)将给定的正则表达式编译到模式中。staticPatterncompile(Stringregex, int flags)将给定的正则表达式编译到具有给定标志的模式中。intflags()返回此模式的匹配标志。Matchermatcher(CharSequenceinput)创建匹配给定输入与此模式的匹配器。static booleanmatches(Stringregex,CharSequenceinput)编译给定正则表达式并尝试将给定输入与其匹配。Stringpattern()返回在其中编译过此模式的正则表达式。staticStringquote(Strings)返回指定String的字面值模式String。String[]split(CharSequenceinput)围绕此模式的匹配拆分给定输入序列。String[]split(CharSequenceinput, int limit)围绕此模式的匹配拆分给定输入序列。StringtoString()返回此模式的字符串表示形式。
腾讯云开发者
