正則表達式（Regular Expression）又稱正規表示法、常規表示法，在代碼中常簡寫為 regex、regexp 或 RE，它是計算機科學的一個概念。

正則表達式是一個強大的字符串處理工具，可以對字符串進行查找、提取、分割、替換等操作，是一種可以用于模式匹配和替換的規范。一個正則表達式就是由普通的字符（如字符 a~z）以及特殊字符（元字符）組成的文字模式，它用以描述在查找文字主體時待匹配的一個或多個字符串。

String 類里也提供了如下幾個特殊的方法。

• boolean matches(String regex)：判斷該字符串是否匹配指定的正則表達式。
• String replaceAll(String regex, String replacement)：將該字符串中所有匹配 regex
  的子串替換成 replacement。
• String replaceFirst(String regex, String replacement)：將該字符串中第一個匹配
  regex 的子串替換成 replacement。
• String[] split(String regex)：以 regex 作為分隔符，把該字符串分割成多個子串。

上面這些特殊的方法都依賴于 Java 提供的正則表達式支持，除此之外，Java 還提供了 Pattern 和 Matcher 兩個類專門用于提供正則表達式支持。

很多讀者都會覺得正則表達式是一個非常神奇、高級的知識，其實正則表達式是一種非常簡單而且非常實用的工具。正則表達式是一個用于匹配字符串的模板。實際上，任意字符串都可以當成正則表達式使用。例如“abc”，它也是一個正則表達式，只是它只能匹配“abc”字符串。

如果正則表達式僅能匹配“abc”這樣的字符串，那么正則表達式也就不值得學習了。正則表達式作為一個用于匹配字符串的模板，將某個字符模式與所搜索的字符串進行匹配。本文簡單了解一下如何使用正則表達式來操作字符串。

正則表達式支持字符

創建正則表達式就是創建一個特殊的字符串。正則表達式所支持的合法字符如表 1 所示。

表 1 正則表達式所支持的合法字符

字符解釋

X	字符x（x 可代表任何合法的字符)
\0mnn	八進制數 0mnn 所表示的字符
\xhh	十六進制值 0xhh 所表示的字符
\uhhhh	十六進制值 0xhhhh 所表示的 Unicode 字符
\t	制表符（“\u0009”）
\n 新行	（換行）符（‘\u000A’）
\r 回車符	（‘\u000D’)
\f	換頁符（‘\u000C’）
\a	報警（bell）符（‘\u0007’）
\e	Escape 符（‘\u001B’）
\cx	x 對應的的控制符。例如，\cM匹配 Ctrl-M。x 值必須為 A~Z 或 a~z 之一。

除此之外，正則表達式中有一些特殊字符，這些特殊字符在正則表達式中有其特殊的用途，比如前面介紹的反斜線\。

如果需要匹配這些特殊字符，就必須首先將這些字符轉義，也就是在前面添加一個反斜線\。正則表達式中的特殊字符如表 2 所示。

表 2 正則表達式中的特殊字符

特殊字符說明

$	匹配一行的結尾。要匹配 $ 字符本身，請使用$
^	匹配一行的開頭。要匹配 ^ 字符本身，請使用^
()	標記子表達式的開始和結束位置。要匹配這些字符，請使用(和)
[]	用于確定中括號表達式的開始和結束位置。要匹配這些字符，請使用[和]
{}	用于標記前面子表達式的出現頻度。要匹配這些字符，請使用{和}
*	指定前面子表達式可以出現零次或多次。要匹配 * 字符本身，請使用*
+	指定前面子表達式可以出現一次或多次。要匹配 + 字符本身，請使用+
？	指定前面子表達式可以出現零次或一次。要匹配 ？字符本身，請使用?
.	匹配除換行符\n之外的任何單字符。要匹配.字符本身，請使用.
\	用于轉義下一個字符，或指定八進制、十六進制字符。如果需匹配\字符，請用\
|	指定兩項之間任選一項。如果要匹配丨字符本身，請使用|

將上面多個字符拼起來，就可以創建一個正則表達式。例如:

"\u0041\\\\" // 匹配 A\ "\u0061\t" // 匹配a<制表符> "\\?\\[" // 匹配？[

注意：可能大家會覺得第一個正則表達式中怎么有那么多反斜杠？這是由于 Java 字符串中反斜杠本身需要轉義，因此兩個反斜杠（\）實際上相當于一個（前一個用于轉義）。

上面的正則表達式依然只能匹配單個字符，這是因為還未在正則表達式中使用“通配符”，“通配符”是可以匹配多個字符的特殊字符。正則表達式中的“通配符”遠遠超出了普通通配符的功能，它被稱為預定義字符，正則表達式支持如表 3 所示的預定義字符。

表 3 預定義字符

預定義字符說明

.	可以匹配任何字符
\d	匹配 0~9 的所有數字
\D	匹配非數字
\s	匹配所有的空白字符，包括空格、制表符、回車符、換頁符、換行符等
\S	匹配所有的非空白字符
\w	匹配所有的單詞字符，包括 0~9 所有數字、26 個英文字母和下畫線_
\W	匹配所有的非單詞字符

上面的 7 個預定義字符其實很容易記憶，其中：

• d 是 digit 的意思，代表數字。
• s 是 space 的意思，代表空白。
• w 是 word 的意思，代表單詞。
• d、s、w 的大寫形式恰好匹配與之相反的字符。

有了上面的預定義字符后，接下來就可以創建更強大的正則表達式了。例如：

c\wt // 可以匹配cat、cbt、cct、cOt、c9t等一批字符串
\d\d\d-\d\d\d-\d\d\d\d // 匹配如 000-000-0000 形式的電話號碼

在一些特殊情況下，例如，若只想匹配 a~f 的字母，或者匹配除 ab 之外的所有小寫字母，或者匹配中文字符，上面這些預定義字符就無能為力了，此時就需要使用方括號表達式，方括號表達式有如表 4 所示的幾種形式。

表 4 方括號表達式

方括號表達式比前面的預定義字符靈活多了，幾乎可以匹配任何字符。例如，若需要匹配所有的中文字符，就可以利用 [\u0041-\u0056] 形式——因為所有中文字符的 Unicode 值是連續的，只要找出所有中文字符中最小、最大的 Unicode 值，就可以利用上面形式來匹配所有的中文字符。

正則表達式還支持圓括號，用于將多個表達式組成一個子表達式，圓括號中可以使用或運算符|。例如，正則表達式“((public)|(protected)|(private))”用于匹配 Java 的三個訪問控制符其中之一。

除此之外，Java 正則表達式還支持如表 5 所示的幾個邊界匹配符。

表 5 邊界匹配符

邊界匹配符說明

^	行的開頭
$	行的結尾
\b	單詞的邊界
\B	非單詞的邊界
\A	輸入的開頭
\G	前一個匹配的結尾
\Z	輸入的結尾，僅用于最后的結束符
\z	輸入的結尾

前面例子中需要建立一個匹配 000-000-0000 形式的電話號碼時，使用了 \d\d\d-\d\d\d-\d\d\d\d 正則表達式，這看起來比較煩瑣。實際上，正則表達式還提供了數量標識符，正則表達式支持的數量標識符有如下幾種模式。

• Greedy（貪婪模式）：數量表示符默認采用貪婪模式，除非另有表示。貪婪模式的表達式會一直匹配下去，直到無法匹配為止。如果你發現表達式匹配的結果與預期的不符，很有可能是因為你以為表達式只會匹配前面幾個字符，而實際上它是貪婪模式，所以會一直匹配下去。
• Reluctant（勉強模式）：用問號后綴（?）表示，它只會匹配最少的字符。也稱為最小匹配模式。
• Possessive（占有模式）：用加號后綴（+）表示，目前只有 Java 支持占有模式，通常比較少用。

三種模式的數量表示符如表 6 所示。

表 6 三種模式的數量表示符

關于貪婪模式和勉強模式的對比，看如下代碼：

String str = "hello,java!"; // 貪婪模式的正則表達式 System.out.println(str.replaceFirst("\\w*" , "■")); //輸出■,java! // 勉強模式的正則表達式 System.out.println(str.replaceFirst("\\w*?" , "■"")); //輸出■hello, java!

當從“hello java!”字符串中查找匹配\\w*子串時，因為\w*使用了貪婪模式，數量表示符*會一直匹配下去，所以該字符串前面的所有單詞字符都被它匹配到，直到遇到空格，所以替換后的效果是“■，Java!”；如果使用勉強模式，數量表示符*會盡量匹配最少字符，即匹配 0 個字符，所以替換后的結果是“■hello，java!”。

總結

以上是生活随笔為你收集整理的1.20 正则表达式详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。