正则表达式简易教程

一、简介

正则表达式简单来讲是一种文本模式，用来匹配某个规则的字符串，虽然规则比较繁琐，但是功能却很强大，应用在某些地方能够大大提高效率。正则表达式的应用也十分广泛，比如网站注册时Email格式校验、文件搜索的表达式、Nginx的路由规则等等。各种语言对正则表达式都有很好的支持，所以学习正则表达式绝对是超值的买卖，只不过需要记的东西比较多，但是常用的正则表达式还是比较容易记的。

二、正则表达式语法

1、界定符

界定符就是正则表达式开始、结束的标志。这个可以告诉解析器正则表达式从哪里开始，从哪里结束；不同语言对界定符规定不一样，我们可以认为界定符不属于正则表达式的内容。

2、元字符

元字符属于字符，也叫原子，是不可分割的一个单位。字符分为可打印字符和不可打印字符，可打印字符比如常见的字母、数字等，不可见字符比如换行符、制表符。由于篇幅限制本文选取常用的元字符，按照其分类来讲解。

3、筛选方式

“|”匹配两边的分支，比如“abc | d”，表示匹配abc或者d；

“[]”匹配中括号中的任意一个元字符，比如“[ab]”表示匹配a或者b；

“[^]”匹配中括号里面原子之外的任意字符，比如“[^ab]”，表示匹配a、b以外的任何字符；

这里面有几个注意的地方，“[]”里面只能填元字符，但是“|”两边可以写任何东西； “[^]”中“^”必须在”[”后面，否则就不是取反了，比如“[3^4-7]”就是匹配3、^、4到7的数字。如果要匹配一些特殊字符比如“*”，“\”,“.”就需要使用“\”转义。

4、元字符集合

“.”匹配换行符之外的任何字符；

“\d”匹配任意一个十进制数字，即[0-9]；

“\D”匹配任意一个非十进制数字，即[^0-9]；

“\s”匹配一个不可见元字符，即[\f\n\r\t\v]，其中\f表示换页符，\n表示换行符，\r回车符、\t表示制表符，\v表示垂直制表符；

“\S”匹配一个可见原子，即[^\f\n\r\t\v]；

“\w”匹配任意一个数字、字母或下划线，即[0-9a-zA-Z]；

“\W”匹配任意一个非数字、字母或下划线，即[^0-9a-zA-Z]；在中括号里面，0-9是一个元字符，a-z是一个元字符，A-Z是一个元字符；

5、量词

“”表示前面的原子恰好出现n次；

“”表示前面的原子最少出现n次；

“”表示前面的原子最少出现n次，最多出现m次；

“*”表示前面的原子出现0次、1次或多次，即“”；

“+”表示前面的原子出现1次或多次，即“”

“?”表示前面的原子出现0次或1次，即“”

量词不仅支持元字符，还支持元字符的集合，比如“[a-zA-Z]”匹配两个连续出现的字母。

6、边界控制

“^”匹配字符串开始的位置，比如“^abc”表示匹配abc开头的字符串；

“$”匹配字符串结束的位置；“78$”78结尾的字符串，；

“()”将括号内的字符当成一个元字符，比如“(J|j)ay”表示匹配Jay或jay；

7、修正模式

当我们使用正则表达式的时候，可能会出现多个匹配结果，比如“jay.+6”的匹配结果有多个，jaychou6能匹配的到，jaychou666也能匹配的到，但是正则表达式默认是贪婪模式的，贪婪模式就是尽量匹配多的字符串，另一种模式是懒惰模式，就是尽可能少的匹配，当我们要使用懒惰模式时，需要指定它为懒惰模式。另外还有其他比如忽略字母大小写、忽略空白等。

三、两个小例子

1、匹配邮箱：^\w+(.\w+)@\w+(.\w+)+$

^\w+表示字母、数字、下划线开头出现1次或多次，然后看第一个括号，里面的“.”本来表示匹配换行符之外的任何字符，但是这里用“\”转义了，在这里就直接匹配“.”，接着“\w+”和前面一样，括号不是把里面的都当成一个元字符吗，后面的“”表示括号这整个元字符可以出现0次1次或多次，然后@表示匹配@符号，后面的“\w+”、“(.\w+)+”和前面一样，最后一个$表示必须以“.”加字母数字下划线结尾。

2、匹配两位小数：\d+.\d$

按照上面的思路，“\d+”表示数字出现一次或多次，后面接着匹配一个“.”，然后数字又出现两次，但是必须是以这两个数字结尾。

四、Java中的正则表达式

Pattern类

这个类是正则表达式的编译表现形式。指定的正则表达式必须被编译成此类的实例，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。

典型的调用顺序是

Pattern pattern = Pattern.compile("a*e");

Matcher matcher = pattern.matcher("aaaae");

boolean b = m.matches();

当仅使用一次正则表达式时，可以方便地通过该类的matches()方法，代码为boolean b = Pattern.matches(“a*b”, “aaaaab”);等效于上面三个语句，因为它不允许重用已编译的模式，所以对于重复匹配它效率不高。另外一点就是Pattern类的实例是不可变的，可供多个并发线程安全使用。

Matcher类

通过解释模式（Pattern），对字符串执行匹配操作的引擎，通过调用模式（Pattern）的matcher方法创建Matcher类的实例，也就是一个匹配器，创建匹配器后可以使用它执行不同的匹配操作，返回成功或者失败的布尔值，而且还可以通过查询匹配器状态获取关于成功匹配的更多信息。

PatternSyntaxException类

表示正则表达式模式中的语法错误。

MatchResult接口

这是一个接口，匹配操作的结果，Matcher类实现了该接口。通过MatchResult可以查看匹配边界、组和组边界，但是不能修改。

在String类里面，split()方法可以传正则表达式，来分割字符串，replace()、replaceAll()方法可以传正则表达式来替换字符串，如果字符串中有一些字符，比如汉字、日文等，在正则匹配的时候回因为编码问题而出现错误，解决方案就是将汉字、日文转为Unicode编码再进行匹配。