學點JavaRegex + 文法表

Eclipse 正則外掛程式 Myregexp

先推薦Eclipse的一個關於java Regex的外掛程式，

可以從 http://myregexp.com/eclipsePlugin.html 下載

 

 

本文

以下文轉自 http://dev.csdn.net/htmls/85/85006.html

 

 Regex用來指定字串模式。當你需要定位匹配某種模式的字串時就可以使用Regex。例如，我們下面的一個常式就是在一個HTML檔案中通過尋找字串模式<a href="...">來定位所有的超連結。

    當然，為了指定一種模式，使用...這種記號是不夠精確的。你需要精確地指定什麼樣的字元排列是一個合法的匹配。當描述某種模式時，你需要使用一種特殊的文法。

    這裡有一個簡單例子。Regex
[Jj]ava.+
匹配下列形式的任何字串：

 

• 首字母是J或j

• 後續的三個字母是ava

• 字串的剩餘部分由一個或多個任一字元組成

    例如，字串“javaness”匹配這個特殊的Regex，但是字串“Core Java”卻不匹配。

    如你所見，你需要瞭解一點文法來理解Regex的含意。幸運的是對於大多數的用途，使用少量的簡單構造（straightforward constructs）就已足夠。

• 字元類是可選自符的集合，用‘[’封裝，比如[Jj],[0-9],[A-Za-z]或[^0-9]。這裡的-表示範圍（Unicode落在兩個邊界之間的所有字元），^表示求補（指定字元外的所有字元）。

• 有許多預定以的字元類，像/d（數字）或/p{Sc}（Unicode貨幣符號），見表12-8和12-9。

• 大多數字元與它們自身匹配，像上例中的ava字元。

• 符號.匹配任何字元（可能行終止符（line terminators）除外，這依賴於標識設定（flag settings））

• /用作轉義符，比如/.匹配一個句點，//匹配一個反斜線。

•  ^和$分別匹配行頭和行尾

• 如果X和Y都是Regex，則XY表示“X的匹配後面跟著Y的匹配”。X|Y表示“任何X或Y的匹配”

• 可以將量詞（quantifier）用到運算式中，X+ 表示X重複1次或多次，X* 表示X重複0次或多次，X? 表示X重複0次或1次

•  預設地，一個量詞總是與使總體成功匹配的最長的可能重複匹配。可以加上尾碼？（稱為reluctant或stingy 匹配，用以匹配最小的重複數），和+（稱為possessive或貪婪匹配，用以即使在總體匹配失敗的情況下也匹配最大的重複數）來更改這種屬性。

 

例如，字串cab匹配[a-z]*ab，但不匹配[a-z]*+ab。第一種情況下，[a-z]*只匹配字元c，因此字元ab正好與模式的剩餘部分匹配。但是貪婪版本[a-z]*+就與字元cab匹配，模式的剩餘部分ab就匹配失敗（，這樣總體也就匹配失敗）。

• 可以使用分組來定義子運算式。將分組封裝在（）中，如([+-]?)([0-9]+)。然後你可以讓模式比對符（the pattern matcher）返回每個分組的匹配，或者使用/n來回引分組（refer back to a group with /n），其中n是組號（以/1起始）

    這裡有一個稍微有點複雜卻又很有用的Regex－－它用來描述十進位和十六進位的整數。
[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+

    不幸的是，在使用Regex的各種程式和庫之間，它的文法還沒有完全標準化。對基本的構造上已達成了共識，但在細節方面有許多令人“抓狂”的區別（many maddening differences）。Java的Regex類使用了與Perl語言類似的文法，但也不盡相同。表12-8顯示了Java文法的所有Regex構造。要瞭解更多關於Regex的資訊，請參考Pattern類的API文檔，或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)（剛去第二書店查了一下，東南大學出版社已經引入了其第二版，影印）

表12-8 Regex文法

文法                                                          解釋

字元
c                                                            字元c
/unnnn, /xnn, /0n, /0nn, /0nnn          帶有十六或八進位值的代碼單元

/0n                                           八進位0n代表的字元（0<=n<=7）/0nn                                         八進位0nn代表的字元(0<=n<=7)/0mnn                                     八進位0mnn代表的字元(0<=m<=3,0<=n<=7)/xnn                                         十六進位 0xnn所代表的字元/uhhhh                                    十六進位 0xhhhh所代表的字元

/t, /n, /r, /f, /a, /e                                    控制字元，依次是定位字元，分行符號，斷行符號符，換頁符，警示符和轉義符
/cc                                                         控制字元中出現的相應字元c

字元類
[C1C2. . .]                       C1、C2……中的任何字元。Ci可以是字元，字元範圍（C1-C2）或者字元類。
[^. . .]                                字元類的補集
[ . . . && . . .]                    兩個字元類的交集

預定義字元類
.                                        除行終止符外的任何字元（如果DOTALL標誌置位，則表示任何字元）
/d                                      數字[0-9]
/D                                    非數字[^0-9]
/s                                     空白字元[/t/n/r/f/x0B]
/S                                     非空白字元
/w                                    單詞字元[a-zA-Z0-9_]
/W                                   非單詞字元
/p{name}                        一個指定的字元類，見表12-9
/P{name}                       指定字元類的補集

邊界匹配符
^ $                                   輸入的開頭和結尾(在多行模式(multiline mode)下是行的開頭和結尾)
/b                                    單詞邊界
/B                                    非單詞邊界
/A                                     輸入的開頭
/z                                     輸入的結尾
/Z                                    除最後行終止符之外的輸入結尾
/G                                   上個匹配的結尾

量詞
X?                                    可選的X（即X可能出現，也可能不出現）
X*                                    X，可以重複0次或多次
X+                                    X，可以重複1次或多次
X{n} X{n,} X{n,m}          X重複n次，至少重複n次，重複n到m次

量詞尾碼
?                                   設預設（貪婪）匹配為reluctant匹配
+                                   設預設（貪婪）匹配為possessive匹配

集合操作
XY                                  X的匹配後面跟著Y的匹配
X|Y                                 X或Y的匹配

分組
(X)                                匹配X並且在一個自動計數的分組中捕獲它
/n                                  與第n個分組的匹配

轉義
/c                                   字元c（必須不是字母）
/Q.../E                            逐字地引用...
（？...）                       特殊構造，看Pattern類的API