正则表达式的使用（附实例讲解）

一、正则表达式是什么
    正则表达式是一种字符串匹配的模式，你也可以理解为定义了一种模板，这个模板可以“筛选”出符合它要求的字符串。如果给定了一段字符串，你可以对它进行特定字符串的查找和替换等一系列动作。正则表达式的重点是匹配，就像灰姑娘的水晶鞋，只有和灰姑娘脚大小相同的人才能穿进去，因为两者相匹配。
二、正则表达式怎样使用
2.1  ------基础知识------
   我们首先介绍一下正则表达式的一些基础知识，这些理论知识将为编写正则表达式提供法则和规范，主要包括：元字符、字符类、字符转义、反义、限定符、替换分组、反向引用、零宽度断言、匹配选项、注释、优先级顺序、递归匹配。
2.1.1元字符
    元字符能够匹配一个位置集合中的一个字符，也可以匹配一个字符集合中的一个字符。相对应地，元字符被分为两种：匹配位置的元字符和匹配字符的元字符。
1）匹配位置的元字符（3个）
    匹配位置的元字符包括：^、$、\b。^匹配行的开头，$匹配行的结尾（如^abc匹配以abc开头的行，$abc匹配以abc结尾的行，^abc$匹配以abc开始和结尾的行）。注意：单个^匹配任意行，单个$匹配一个空行。
    \b匹配单词的开始和结尾（如\babc匹配以abc开始的单词，abc\b匹配以abc结尾的单词），且要注意的一点是，\b不匹配空格、标点符号和换行符号，即如果你使用了\babc，则它对以abc开头的单词后面是否有空格、标点符号或换行符号没有限制，它是可以匹配"abcdefg， hijklmn"这一字符串的。abc\b也同理。
2）匹配字符的元字符（7个）
    .（点号，匹配除换行之外的任意字符）、\w（匹配单词字符（包括字母、汉字、下划线和数字））、\W（匹配任意非单词字符）、\s（匹配任意的空白字符，如空格、制表符、换行等）、\S（匹配任意的非空白字符）、\d（匹配任意数字字符）、\D（匹配任意非数字字符）。
3）两种元字符类型结合举例
    ^.$ :匹配一个非空行，在该行中可以包含除了换行符以外的任意字符。
    \ba\w\w\w\d\d\D\b :匹配以字母a开头后面有3个字符2个数字和1个非数字字符,长度等于8的单词。
2.1.2字符类
    字符类是一个字符集合，如果该字符集合中的任何一个字符被匹配，则它会找到该匹配项。字符类可以在[]（方括号）中定义。如：[0123456789]可以匹配数字0到9中的任意一个，[Aa]bc可以匹配字符串Abc或abc。
    为了方便，我们可以将[0123456789]写成[0-9],表示匹配0到9任意一个阿拉伯数字，[a-z]匹配任何小写字母，[A-Z]匹配任意大写字母。
    由于以上写法，我们很自然想到，如果我们想匹配连字符"-"该怎么做呢？此时有一个规定，如果要在字符类中包含连字符，则必须包含在第一位，如：[-a]表示表达式匹配-或者a，不能写成[a-]。
    注意，在字符类中如果^是字符类的第一个字符表示否定该字符串，匹配该字符串外的任意字符，如：[^abc]匹配除了abc以外的任意字符，a[^b]匹配a之后不是b的字符串。
    [0-9a-z_A-Z_] :匹配任何数字、字母、下划线。等同于\w。
2.1.3字符转义
\r :代表回车和换行符
\n :换行符
\t :制表符
\\ :匹配 "\" 本身
\^ :匹配 "^" 符号本身
\$ :匹配 "$" 符号本身
\. :匹配小数点"."本身
2.1.4反义
常用的反义表达式:
\W :匹配任意不是字母，数字，下划线，汉字的字符
\S :匹配任意不是空白符的字符
\D :匹配任意非数字的字符
\B :匹配不是单词开头或结束的位置
[^x] :匹配除了x以外的任意字符
[^abcde] :匹配除了abcde这几个字母以外的任意字符
2.1.5限定符
    正则表达式的元字符一次只能匹配一个位置或一个字符，如果需要匹配零个一个或多个字符时，则需要使用限定符。限定符用于指定允许特定字符或字符集自身重复出现的次数。如{n}表示出现n次；{n,}表示重复至少n次；{n,m}表示至少出现n次最多m次。
常用限定符:
* :匹配前面的子表达式零次或多次。例如，zo* 能匹配 "z" 以及 "zoo"。 * 等价于{0,}。
+ :匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。
? :匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" ,但是除了这两个单词其他的都不能匹配，例如"doess"中的"do"不能匹配。? 等价于 {0,1}。
{n} :n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个o。
{n,} :至少匹配n 次。'a{1,}' 等价于 'a+'，'a{0,}' 则等价于 'a*'。
{n,m} :m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'a{0,1}' 等价于 'a?'。注意:在逗号和两个数之间不能有空格。
*? :尽可能少的使用重复的第一个匹配。
+? :尽可能少的使用重复但至少使用一次。
?? :如果有可能使用零次重复或一次重复。
{n}? :等同于{n}
{n,}? :尽可能少的使用重复但至少重复n次
{n,m}? :介于n次和m次之间，尽可能少的使用重复。
2.1.6匹配的三种类型
1）贪婪匹配：先看整个字符串是不是一个匹配，如果没有发现匹配，它去掉字符串中最后一个字符并再次尝试，如果还没有发现匹配，那么再次去掉最后一个字符，这个过程会一直重复直到发现一个匹配或字符串不剩一个字符为止。（从整体开始，从后往前一个字符一个字符去掉进行匹配）
2）惰性匹配：先看字符串中的第一个字母是不是一个匹配，如果单独一个字符还不够就读入下一个字符，如果还没有发现匹配，就不断地从后续字符中读取，直到发现一个合适的匹配，然后开始下一次的匹配。（one by one）
3）支配性匹配：只尝试匹配整个字符串，如果整个字符串不能产生一个匹配，则不再进行尝试。（不作阶段性尝试）
    普通的字符类均是贪婪匹配，如果在字符类后加个问号(?)则表示懒惰匹配，要成为支配性匹配则在懒惰匹配后加个问号(?)。
2.1.7分组
    分组又称为子表达式，即把一个正则表达式的全部或部分分成一个或多个组。其中分组使用圆括号()，分组后把圆括号中的表达式看做一个整体来处理，比如:（abc）{1，2}表示abc出现一次或两次的字符串，其中把abc看做一个整体来进行匹配。
常用分组说明:
(abc) :匹配字符串abc,并将匹配的文本保存到自动命名的组里
(?<nane> abc) :匹配字符串abc,并将匹配的文本保存到以name命名的变量中，该名称不能包含标点符号，不能以数字开头。
(?:abc) :匹配字符串abc,不保存匹配的文本，也不分配组号
(?!abc) :匹配后面不是字符串abc的位置
(?=abc) :匹配字符串abc前面的位置
(?<=abc) :匹配字符串abc后面的位置
(?<!abc) :匹配前面不是字符串abc的位置
(?>abc) :只匹配abc一次
2.1.8替换
| :匹配竖线(|)左侧或右侧。
(?(表达式)yes|no) :表达式要么与yes部分匹配要么与no部分匹配，其中no部分可以省略。
(?(name)yes|no) :以name命名的字符串要么与yas部分匹配，要么与no部分pp，其中no部分可以省略。
2.1.9 后向引用
    当一个正则表达式被分组后，每一个组将自动被赋予一个组号，该组号可以代表该组的表达式。其中，组号的编制规则为：从左到右，以分组的左括号为标志，第一个组号为1，第二个分组号为2，以此类推。反向引用提供了查找重复字符组的方便方法，反向引用可以使用数字命名（默认）的组号，也可以使用指定命名的组号。
\数字 :使用数字命名的后向引用；
\k<name> :使用指定命名的后向引用。
………………举例说明………………
\b(\w)\1\b匹配两个字符一样的单词（(\w)它的组号为1），\b(\w)\w\b匹配两个单词，这两个单词的字符可以相同也可以不相同。
\b(\w)(\d)\1\2\b匹配一个字符和一个数字然后重复和前面相同的字符和数字（(\w)的组号为1，(\d)的组号为2）。
\b(\w+)\b\s+\1\b具体匹配过程如下：
a.表达式\b(\w+)\b匹配一个单词并且单词的长度至少为1；
b.表达式\s+匹配一个或多个空白字符；
c.表达式\1将重复子表达式(\w+)匹配的内容，及匹配重复的单词；
d.匹配单词的结束位置。
2.1.10零宽度断言
    元字符^、\b、$都匹配一个位置，并且这个位置满足一定条件。在此把满足一个条件称为断言或零宽度断言。
零宽度断言说明：
\A :匹配必须出现在字符串的开头
\Z :匹配必须出现在字符串的结尾或字符串结尾处的换行符(\n)前
\z :匹配必须出现在字符串的结尾
\G :匹配必须出现在上个匹配结束的地方
\b :匹配单词的开始或结束的位置
\B :匹配不是单词的开始或结束的位置
2.1.11匹配选项
    匹配选项可以指定正则表达式匹配中的行为，如忽略大小写、处理多行、处理单行、从右到左开始匹配等。
常用匹配选项:
RegexOptions枚举值   内联标志   简单说明
ExplicitCapture         n       只有定义了命名或编号的组才捕获
IgnoreCase              i       不区分大小写
IgnorePatternWhitespace x       消除模式中的非转义空白并启用由#标记的注释。
MultiLine               m       多行模式，其原理是修改了^和$的含义
SingleLine              s       单行模式，和MultiLine相对应
2.1.12优先级
   正则表达式计算从左到右，以下运算符从上到下优先级依次递减：
运算符                               说明
\                                       转义符
(), (?:), (?=), []                      括号和中括号
*, +, ?, {n}, {n,}, {n,m}               限定符
^, $, \anymetacharacter, anycharacter   定位点和序列
|                                       替换
2.2正则表达式在java中的使用
    java.util.regex中包括了两个类：Pattern和Matcher，这两个类都是终态类，并且没有定义相关接口。一个Pattern对象就是一个正则表达式经编译后的表现模式，称为“模式编译器”；一个Matcher对象是一个状态机器，它根据Pattern对象作为匹配模式对字符串展开匹配检查，称为“模式匹配器”。因为模式的编译过程是最先进行且与匹配过程独立的，所以这保证了进行批量字符串匹配时候的运行效率。
    Pattern类有如下重要的方法：
(1)public static Pattern compile(String regex)：将给定的正则表达式编译并返回编译后的Pattern对象。
(2)public static Pattern compile(String regex, int flags)：将给定的正则表达式编译并返回编译后的Pattern对象，flag参数表示匹配时的选项，可选的flag参数包括：CASE_INSENSITIVE,COMMENTS，MULTILINE,DOTALL,UNICODE_CASE，CANON_EQ。        
(3)public int flags()：返回flag选项参数。
(4)public static boolean matches(String regex, CharSequence input)：直接判断字符序列input是否匹配正则表达式regex。前面曾经提到当需要使用一个正则表达式进行多次匹配的时候，对正则表达式进行预编译能够加快运行速度，但是如果这个匹配只进行一次的话，就可以调用这个matches方法直接判断是否匹配。这段代码内部的实现代码是：Pattern.compile(regex).matcher(input).matches()；
    Matcher 类有如下重要的方法：
(1)public boolean matches()：生成一个给定命名的Matcher对象
(2)public String pattern()：返回该Pattern对象所编译的正则表达式。
(3)public String[] split(CharSequence input)：将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割。
(4)public String[] split(CharSequence input, int limit) 将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割，参数limit作用是指定要分割的段数，如将limi设为2，那么目标字符序列将根据正则表达式分为割为两段。
(5)public String group(int group) ：得到匹配结果中提取的第group个分组的值。此方法在字符串提取中经常用到。
(6)public String replaceAll(String replacement)：用指定的字符串替换匹配的子串。
    find()方法用来搜索与正则表达式相匹配的任何目标字符串，group()方法用来返回包含了所匹配文本的字符串。
实例：

public boolean RE_Match(){
    String str="CF020522-1110";
    String regEx="^[A-Z]{2}[0-9]{6}[-][0-9]{4}$";
    Pattern p= Pattern.compile(regEx);
    Matcher m=p.matcher(str);
    boolean result=m.matches();
    return result;
}

运行结果返回true。