正則基礎(chǔ)知識點

1蛀缝、元字符

我們先來記幾個常用的元字符：

元字符說明

.匹配除換行符以外的任意字符

w匹配字母或數(shù)字或下劃線或漢字

s匹配任意的空白符

d匹配數(shù)字匹配單詞的開始或結(jié)束

^匹配字符串的開始

$匹配字符串的結(jié)束

有了元字符之后脏嚷，我們就可以利用這些元字符來寫一些簡單的正則表達式了蚌父，

比如：

匹配有abc開頭的字符串：abc或者^abc

匹配8位數(shù)字的QQ號碼：^dddddddd$

匹配1開頭11位數(shù)字的手機號碼：^1dddddddddd$

2楣责、重復限定符

語法說明

*重復零次或更多次

+重復一次或更多次

?重復零次或一次

{n}重復n次

{n,}重復n次或更多次

{n,m}重復n到m次

有了這些限定符之后俭识，我們就可以對之前的正則表達式進行改造了霹粥，比如：

匹配8位數(shù)字的QQ號碼：^d{8}$

匹配1開頭11位數(shù)字的手機號碼：^1d{10}$

匹配銀行卡號是14~18位的數(shù)字：^d{14,18}$

匹配以a開頭的灾搏，0個或多個b結(jié)尾的字符串^ab*$

3、分組

正則表達式中用小括號()來做分組殴蓬，也就是括號中的內(nèi)容作為一個整體匿级。

因此當我們要匹配多個ab時，我們可以這樣染厅。

如匹配字符串中包含0到多個ab開頭：^(ab)*

4痘绎、轉(zhuǎn)義

如果要匹配的字符串中本身就包含小括號，那是不是沖突肖粮？應該怎么辦孤页？

針對這種情況，正則提供了轉(zhuǎn)義的方式涩馆，也就是要把這些元字符行施、限定符或者關(guān)鍵字轉(zhuǎn)義成普通的字符，做法很簡答魂那，就是在要轉(zhuǎn)義的字符前面加個斜杠蛾号，也就是即可。

如要匹配以(ab)開頭：^((ab))*

5涯雅、條件或

回到我們剛才的手機號匹配鲜结，我們都知道：國內(nèi)號碼都來自三大網(wǎng)，它們都有屬于自己的號段活逆，比如聯(lián)通有130/131/132/155/156/185/186/145/176等號段精刷，假如讓我們匹配一個聯(lián)通的號碼，那按照我們目前所學到的正則蔗候，應該無從下手的怒允，因為這里包含了一些并列的條件，也就是“或”琴庵，那么在正則中是如何表示“或”的呢误算？

正則用符號 | 來表示或，也叫做分支條件迷殿，當滿足正則里的分支條件的任何一種條件時儿礼，都會當成是匹配成功。

那么我們就可以用“或”條件來處理這個問題：^(130|131|132|155|156|185|186|145|176)d{8}$

6庆寺、區(qū)間

看到上面的例子蚊夫，是不是看到有什么規(guī)律？是不是還有一種想要簡化的沖動懦尝？

實際是有的

正則提供一個元字符中括號 [] 來表示區(qū)間條件知纷。

限定0到9 可以寫成[0-9]

限定A-Z 寫成[A-Z]

限定某些數(shù)字 [165]

那上面的正則我們還改成這樣：

^((13[0-2])|(15[56])|(18[5-6])|145|176)d{8}$

正則進階知識點

1壤圃、零寬斷言

無論是零寬還是斷言，聽起來都古古怪怪的琅轧，

那先解釋一下這兩個詞伍绳。

斷言：俗話的斷言就是“我斷定什么什么”，而正則中的斷言乍桂，就是說正則可以指明在指定的內(nèi)容的前面或后面會出現(xiàn)滿足指定規(guī)則的內(nèi)容冲杀，

意思正則也可以像人類那樣斷定什么什么，比如"ss1aa2bb3",正則可以用斷言找出aa2前面有bb3睹酌，也可以找出aa2后面有ss1.

零寬：就是沒有寬度权谁，在正則中，斷言只是匹配位置憋沿，不占字符旺芽，也就是說，匹配結(jié)果里是不會返回斷言本身辐啄。

意思是講明白了采章，那他有什么用呢？

我們來舉個栗子：假設(shè)我們要用爬蟲抓取csdn里的文章閱讀量则披。通過查看源代碼可以看到文章閱讀量這個內(nèi)容是這樣的結(jié)構(gòu)

"<span class="read-count">閱讀數(shù)：641</span>"

其中也就‘641’這個是變量共缕，也就是說不同文章不同的值，當我們拿到這個字符串時士复，需要獲得這里邊的‘641’有很多種辦法，但如果正則應該怎么匹配呢翩活？

下面先來講幾種類型的斷言：

正向先行斷言（正前瞻）

語法：（?=pattern）

作用：匹配pattern表達式的前面內(nèi)容阱洪，不返回本身。

這樣子說菠镇，還是一臉懵逼冗荸，好吧，回歸剛才那個栗子利耍，要取到閱讀量蚌本，在正則表達式中就意味著要能匹配到‘’前面的數(shù)字內(nèi)容。

按照上所說的正向先行斷言可以匹配表達式前面的內(nèi)容隘梨，那意思就是:(?=) 就可以匹配到前面的內(nèi)容了程癌。

匹配什么內(nèi)容呢？如果要所有內(nèi)容那就是：

String reg=".+(?=</span>)";
String test = "<span class="read-count">閱讀數(shù)：641</span>"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc= pattern.matcher(test); 
while(mc.find()){
System.out.println("匹配結(jié)果：") 
System.out.println(mc.group()); 
} 
//匹配結(jié)果：
//<span class="read-count">閱讀數(shù)：641

可是老哥我們要的只是前面的數(shù)字呀轴猎，那也簡單咯嵌莉，匹配數(shù)字 d,那可以改成：

String reg="\d+(?=</span>)";
String test = "<span class="read-count">閱讀數(shù)：641</span>";
Pattern pattern = Pattern.compile(reg);
Matcher mc= pattern.matcher(test);
while(mc.find()){ 
System.out.println(mc.group());
}
//匹配結(jié)果：
//641

大功告成！

正向后行斷言（正后顧）

語法：（?<=pattern）

作用：匹配pattern表達式的后面的內(nèi)容捻脖，不返回本身锐峭。

有先行就有后行中鼠，先行是匹配前面的內(nèi)容，那后行就是匹配后面的內(nèi)容啦沿癞。

上面的栗子援雇，我們也可以用后行斷言來處理。

//(?<=<span class="read-count">閱讀數(shù)：)d+
String reg="(?<=<span class="read-count">閱讀數(shù)：)\d+";
String test = "<span class="read-count">閱讀數(shù)：641</span>"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc= pattern.matcher(test); 
while(mc.find()){ 
System.out.println(mc.group()); 
}
//匹配結(jié)果：
//641

就這么簡單椎扬。

負向先行斷言（負前瞻）

語法：(?!pattern)

作用：匹配非pattern表達式的前面內(nèi)容惫搏，不返回本身。

有正向也有負向盗舰，負向在這里其實就是非的意思晶府。

舉個栗子：比如有一句 “我愛祖國，我是祖國的花朵”

現(xiàn)在要找到不是'的花朵'前面的祖國

用正則就可以這樣寫：祖國(?!的花朵)钻趋。

負向后行斷言（負后顧）

語法：(?<!pattern)

作用：匹配非pattern表達式的后面內(nèi)容川陆，不返回本身。

2蛮位、捕獲和非捕獲

單純說到捕獲较沪，他的意思是匹配表達式，但捕獲通常和分組聯(lián)系在一起失仁，也就是“捕獲組”尸曼。

捕獲組：匹配子表達式的內(nèi)容，把匹配結(jié)果保存到內(nèi)存中中數(shù)字編號或顯示命名的組里萄焦，以深度優(yōu)先進行編號控轿，之后可以通過序號或名稱來使用這些匹配結(jié)果。

而根據(jù)命名方式的不同拂封，又可以分為兩種組茬射。

數(shù)字編號捕獲組

語法：(exp)

解釋：從表達式左側(cè)開始，每出現(xiàn)一個左括號和它對應的右括號之間的內(nèi)容為一個分組冒签，在分組中在抛，第0組為整個表達式，第一組開始為分組萧恕。

比如固定電話的：020-85653333

他的正則表達式為：(0d{2})-(d{8})

按照左括號的順序刚梭，這個表達式有如下分組：

序號編號分組內(nèi)容00(0d{2})-(d{8})020-8565333311(0d{2})02022(d{8})85653333

我們用Java來驗證一下：

String test = "020-85653333"; 
String reg="(0\d{2})-(\d{8})"; 
Pattern pattern = Pattern.compile(reg); 
Matcher mc= pattern.matcher(test); 
if(mc.find()){   
System.out.println("分組的個數(shù)有："+mc.groupCount());   
for(int i=0;i<=mc.groupCount();i++){      
System.out.println("第"+i+"個分組為："+mc.group(i));   
     } 
}

輸出結(jié)果：

分組的個數(shù)有：2
第0個分組為：020-85653333
第1個分組為：020
第2個分組為：85653333
可見，分組個數(shù)是2票唆，但是因為第0個為整個表達式本身朴读，因此也一起輸出了。

命名編號捕獲組

語法：(?exp)

解釋：分組的命名由表達式中的name指定

比如區(qū)號也可以這樣寫:(?d{2})-(?d{8})

按照左括號的順序惰说，這個表達式有如下分組：序號名稱分組內(nèi)容00(0d{2})-(d{8})020-856533331quhao(0d{2})0202haoma(d{8})85653333

用代碼來驗證一下：

String test = "020-85653333";
String reg="(?<quhao>0\d{2})-(?<haoma>\d{8})";
Pattern pattern = Pattern.compile(reg);
Matcher mc= pattern.matcher(test);
if(mc.find()){  
System.out.println("分組的個數(shù)有："+mc.groupCount());  
System.out.println(mc.group("quhao"));  
System.out.println(mc.group("haoma"));
}
輸出結(jié)果：


分組的個數(shù)有：2
分組名稱為:quhao,匹配內(nèi)容為：020
分組名稱為:haoma,匹配內(nèi)容為：85653333

非捕獲組

語法：(?:exp)

解釋：和捕獲組剛好相反磨德，它用來標識那些不需要捕獲的分組，說的通俗一點，就是你可以根據(jù)需要去保存你的分組典挑。

比如上面的正則表達式酥宴，程序不需要用到第一個分組，那就可以這樣寫：(?:d{2})-(d{8})

序號編號分組內(nèi)容00(0d{2})-(d{8})020-8565333311(d{8})85653333

驗證一下：

String test = "020-85653333";
String reg="(?:0\d{2})-(\d{8})";
Pattern pattern = Pattern.compile(reg);
Matcher mc= pattern.matcher(test);
if(mc.find()){  
System.out.println("分組的個數(shù)有："+mc.groupCount());
for(inti=0;i<=mc.groupCount();i++){    
System.out.println("第"+i+"個分組為："+mc.group(i));  
     }
}

輸出結(jié)果：


分組的個數(shù)有：1
第0個分組為：020-85653333
第1個分組為：85653333
3您觉、反向引用

上面講到捕獲拙寡，我們知道：捕獲會返回一個捕獲組，這個分組是保存在內(nèi)存中琳水，不僅可以在正則表達式外部通過程序進行引用肆糕，也可以在正則表達式內(nèi)部進行引用，這種引用方式就是反向引用在孝。

根據(jù)捕獲組的命名規(guī)則诚啃，反向引用可分為：

數(shù)字編號組反向引用：k或 umber

命名編號組反向引用：k或者'name'

好了 講完了，懂嗎私沮？不懂Ｊ际辍！仔燕！

可能連前面講的捕獲有什么用都還不懂吧造垛？

其實只是看完捕獲不懂不會用是很正常的！

因為捕獲組通常是和反向引用一起使用的晰搀。

上面說到捕獲組是匹配子表達式的內(nèi)容按序號或者命名保存起來以便使用五辽。

注意兩個字眼：“內(nèi)容” 和 “使用”。

這里所說的“內(nèi)容”外恕，是匹配結(jié)果掺炭，而不是子表達式本身狈孔，強調(diào)這個有什么用沪铭？嗯旱易，先記住。

那這里所說的“使用”是怎樣使用呢建丧？

因為它的作用主要是用來查找一些重復的內(nèi)容或者做替換指定字符。

還是舉栗子吧波势。

比如要查找一串字母"aabbbbgbddesddfiid"里成對的字母

如果按照我們之前學到的正則翎朱，什么區(qū)間啊限定啊斷言啊可能是辦不到的，

現(xiàn)在我們先用程序思維理一下思路：

1）匹配到一個字母

2）匹配第下一個字母尺铣，檢查是否和上一個字母是否一樣

3）如果一樣拴曲，則匹配成功，否則失敗

這里的思路2中匹配下一個字母時凛忿，需要用到上一個字母澈灼，那怎么記住上一個字母呢？？叁熔？

這下子捕獲就有用處啦委乌，我們可以利用捕獲把上一個匹配成功的內(nèi)容用來作為本次匹配的條件

好了，有思路就要實踐

首先匹配一個字母：w

我們需要做成分組才能捕獲荣回，因此寫成這樣：(w)

那這個表達式就有一個捕獲組：（w）

然后我們要用這個捕獲組作為條件遭贸，那就可以：(w)

這樣就大功告成了

可能有人不明白了，是什么意思呢心软？

還記得捕獲組有兩種命名方式嗎壕吹，一種是是根據(jù)捕獲分組順序命名，一種是自定義命名來作為捕獲組的命名

在默認情況下都是以數(shù)字來命名删铃，而且數(shù)字命名的順序是從1開始的

因此要引用第一個捕獲組耳贬，根據(jù)反向引用的數(shù)字命名規(guī)則 就需要 k<1>或者

當然，通常都是是后者猎唁。

我們來測試一下：

String test = "aabbbbgbddesddfiid";
Pattern pattern = Pattern.compile("(\w)\1");
Matcher mc= pattern.matcher(test);
while(mc.find()){ 
System.out.println(mc.group());
}
輸出結(jié)果：


aa
bb
bb
dd
dd
ii

嗯咒劲，這就是我們想要的了。

在舉個替換的例子胖秒，假如想要把字符串中abc換成a缎患。

String test = "abcbbabcbcgbddesddfiid";
String reg="(a)(b)c";
System.out.println(test.replaceAll(reg, "$1"));
輸出結(jié)果：


abbabcgbddesddfiid

4、貪婪和非貪婪

貪婪

我們都知道阎肝，貪婪就是不滿足挤渔，盡可能多的要。

在正則中风题，貪婪也是差不多的意思:

貪婪匹配：當正則表達式中包含能接受重復的限定符時判导，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能多的字符，這匹配方式叫做貪婪匹配沛硅。

特性：一次性讀入整個字符串進行匹配眼刃，每當不匹配就舍棄最右邊一個字符，繼續(xù)匹配摇肌，依次匹配和舍棄（這種匹配-舍棄的方式也叫做回溯）擂红，直到匹配成功或者把整個字符串舍棄完為止，因此它是一種最大化的數(shù)據(jù)返回围小，能多不會少昵骤。

前面我們講過重復限定符，其實這些限定符就是貪婪量詞肯适，比如表達式：d{3,6}变秦。

用來匹配3到6位數(shù)字，在這種情況下框舔，它是一種貪婪模式的匹配蹦玫，也就是假如字符串里有6個個數(shù)字可以匹配赎婚，那它就是全部匹配到。

如下面的代碼樱溉。

String reg="\d{3,6}";
String test="61762828 176 2991 871";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){  
System.out.println("匹配結(jié)果："+m1.group(0));
}
輸出結(jié)果：


文本：61762828 176 2991 44 871
貪婪模式：d{3,6}
匹配結(jié)果：617628
匹配結(jié)果：176
匹配結(jié)果：2991
匹配結(jié)果：871

由結(jié)果可見：本來字符串中的“61762828”這一段挣输，其實只需要出現(xiàn)3個（617）就已經(jīng)匹配成功了的，但是他并不滿足饺窿，而是匹配到了最大能匹配的字符歧焦，也就是6個。

一個量詞就如此貪婪了肚医，

那有人會問绢馍，如果多個貪婪量詞湊在一起，那他們是如何支配自己的匹配權(quán)的呢肠套？

是這樣的舰涌，多個貪婪在一起時，如果字符串能滿足他們各自最大程度的匹配時你稚，就互不干擾瓷耙，但如果不能滿足時，會根據(jù)深度優(yōu)先原則刁赖，也就是從左到右的每一個貪婪量詞搁痛，優(yōu)先最大數(shù)量的滿足，剩余再分配下一個量詞匹配宇弛。

String reg="(\d{1,2})(\d{3,4})";
String test="61762828 176 2991 87321";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){  
System.out.println("匹配結(jié)果："+m1.group(0));
}
輸出結(jié)果：


文本：61762828 176 2991 87321
貪婪模式：(d{1,2})(d{3,4})
匹配結(jié)果：617628
匹配結(jié)果：2991
匹配結(jié)果：87321

“617628” 是前面的d{1,2}匹配出了61鸡典，后面的匹配出了7628

"2991" 是前面的d{1,2}匹配出了29 ，后面的匹配出了91

"87321"是前面的d{1,2}匹配出了87枪芒，后面的匹配出了321

懶惰（非貪婪）

懶惰匹配：當正則表達式中包含能接受重復的限定符時彻况，通常的行為是（在使整個表達式能得到匹配的前提下）匹配盡可能少的字符，這匹配方式叫做懶惰匹配舅踪。

特性：從左到右纽甘，從字符串的最左邊開始匹配，每次試圖不讀入字符匹配抽碌，匹配成功悍赢，則完成匹配，否則讀入一個字符再匹配货徙，依此循環(huán)（讀入字符泽裳、匹配）直到匹配成功或者把字符串的字符匹配完為止。

懶惰量詞是在貪婪量詞后面加個“破婆？”

代碼說明*?重復任意次，但盡可能少重復+?重復1次或更多次胸囱，但盡可能少重復??重復0次或1次祷舀，但盡可能少重復{n,m}?重復n到m次，但盡可能少重復{n,}?重復n次以上，但盡可能少重復裳扯。

String reg="(\d{1,2}?)(\d{3,4})";
String test="61762828 176 2991 87321";
System.out.println("文本："+test);
System.out.println("貪婪模式："+reg);
Pattern p1 =Pattern.compile(reg);
Matcher m1 = p1.matcher(test);
while(m1.find()){  
System.out.println("匹配結(jié)果："+m1.group(0));
}
輸出結(jié)果：


文本：61762828 176 2991 87321
貪婪模式：(d{1,2}?)(d{3,4})
匹配結(jié)果：61762
匹配結(jié)果：2991
匹配結(jié)果：87321

61762” 是左邊的懶惰匹配出6抛丽，右邊的貪婪匹配出1762

"2991" 是左邊的懶惰匹配出2，右邊的貪婪匹配出991

"87321" 左邊的懶惰匹配出8饰豺，右邊的貪婪匹配出7321

5亿鲜、反義

前面說到元字符的都是要匹配什么什么，當然如果你想反著來冤吨，不想匹配某些字符蒿柳，正則也提供了一些常用的反義元字符。

元字符解釋W匹配任意不是字母漩蟆，數(shù)字垒探，下劃線，漢字的字符S匹配任意不是空白符的字符D匹配任意非數(shù)字的字符B匹配不是單詞開頭或結(jié)束的位置[x]匹配除了x以外的任意字符[aeiou]匹配除了aeiou這幾個字母以外的任意字符