Java中正則表達(dá)式匹配過(guò)程實(shí)例詳解

第Java中正則表達(dá)式匹配過(guò)程實(shí)例詳解目錄下面是Java正則表達(dá)式的語(yǔ)法字符：正則表達(dá)式簡(jiǎn)單的匹配過(guò)程：（1）基礎(chǔ)匹配過(guò)程（2）貪婪模式（3）非貪婪模式（4）零寬度匹配過(guò)程總結(jié)正則表達(dá)式：定義字符串的模式，用來(lái)對(duì)字符串進(jìn)行搜索、編輯或處理文本。

目前的正則表達(dá)式引擎大體上可分為不同的兩類：DFA和NFA，而NFA又基本上可以分為傳統(tǒng)型NFA和POSIXNFA。

DFADeterministicfiniteautomaton確定型有窮自動(dòng)機(jī)

NFANon-deterministicfiniteautomaton非確定型有窮自動(dòng)機(jī)

Java使用的是傳統(tǒng)型NFA引擎。

下面是Java正則表達(dá)式的語(yǔ)法字符：

\

將下一字符標(biāo)記為特殊字符、文本、反向引用或八進(jìn)制轉(zhuǎn)義符。例如，n匹配字符n。\n匹配換行符。序列\(zhòng)\\\匹配\\，\\(匹配(。

^

匹配輸入字符串開(kāi)始的位置。如果設(shè)置了RegExp對(duì)象的Multiline屬性，^還會(huì)與\n或\r之后的位置匹配。

$

匹配輸入字符串結(jié)尾的位置。如果設(shè)置了RegExp對(duì)象的Multiline屬性，$還會(huì)與\n或\r之前的位置匹配。

*

零次或多次匹配前面的字符或子表達(dá)式。例如，zo*匹配z和zoo。*等效于{0,}。

+

一次或多次匹配前面的字符或子表達(dá)式。例如，zo+與zo和zoo匹配，但與z不匹配。+等效于{1,}。

零次或一次匹配前面的字符或子表達(dá)式。例如，do(es)匹配do或does中的do。等效于{0,1}。

{n}

n是非負(fù)整數(shù)。正好匹配n次。例如，o{2}與Bob中的o不匹配，但與food中的兩個(gè)o匹配。

{n,}

n是非負(fù)整數(shù)。至少匹配n次。例如，o{2,}不匹配Bob中的o，而匹配foooood中的所有o。o{1,}等效于o+。o{0,}等效于o*。

{n,m}

m和n是非負(fù)整數(shù)，其中n=m。匹配至少n次，至多m次。例如，o{1,3}匹配fooooood中的頭三個(gè)o。o{0,1}等效于o。注意：您不能將空格插入逗號(hào)和數(shù)字之間。

當(dāng)此字符緊隨任何其他限定符（*、+、、{n}、{n,}、{n,m}）之后時(shí)，匹配模式是非貪心的。非貪心的模式匹配搜索到的、盡可能短的字符串，而默認(rèn)的貪心的模式匹配搜索到的、盡可能長(zhǎng)的字符串。例如，在字符串oooo中，o+只匹配單個(gè)o，而o+匹配所有o。

.

匹配除\r\n之外的任何單個(gè)字符。若要匹配包括\r\n在內(nèi)的任意字符，請(qǐng)使用諸如[\s\S]之類的模式。

(pattern)

匹配pattern并捕獲該匹配的子表達(dá)式?？梢允褂?0$9屬性從結(jié)果匹配集合中檢索捕獲的匹配。若要匹配括號(hào)字符()，請(qǐng)使用或者或者。

(:pattern)

匹配pattern但不捕獲該匹配的子表達(dá)式，即它是一個(gè)非捕獲匹配，不存儲(chǔ)供以后使用的匹配。這對(duì)于用or字符(|)組合模式部件的情況很有用。例如，industr(:y|ies)是比industry|industries更經(jīng)濟(jì)的表達(dá)式。

(=pattern)

執(zhí)行正向預(yù)測(cè)先行搜索的子表達(dá)式，該表達(dá)式匹配處于匹配pattern的字符串的起始點(diǎn)的字符串。它是一個(gè)非捕獲匹配，即不能捕獲供以后使用的匹配。例如，Windows(=95|98|NT|2000)匹配Windows2000中的Windows，但不匹配Windows3.1中的Windows。預(yù)測(cè)先行不占用字符，即發(fā)生匹配后，下一匹配的搜索緊隨上一匹配之后，而不是在組成預(yù)測(cè)先行的字符后。

(!pattern)

執(zhí)行反向預(yù)測(cè)先行搜索的子表達(dá)式，該表達(dá)式匹配不處于匹配pattern的字符串的起始點(diǎn)的搜索字符串。它是一個(gè)非捕獲匹配，即不能捕獲供以后使用的匹配。例如，Windows(!95|98|NT|2000)匹配Windows3.1中的Windows，但不匹配Windows2000中的Windows。預(yù)測(cè)先行不占用字符，即發(fā)生匹配后，下一匹配的搜索緊隨上一匹配之后，而不是在組成預(yù)測(cè)先行的字符后。

x|y

匹配x或y。例如，z|food匹配z或food。(z|f)ood匹配zood或food。

[xyz]

字符集。匹配包含的任一字符。例如，[abc]匹配plain中的a。

[^xyz]

反向字符集。匹配未包含的任何字符。例如，[^abc]匹配plain中p，l，i，n。

[a-z]

字符范圍。匹配指定范圍內(nèi)的任何字符。例如，[a-z]匹配a到z范圍內(nèi)的任何小寫(xiě)字母。

[^a-z]

反向范圍字符。匹配不在指定的范圍內(nèi)的任何字符。例如，[^a-z]匹配任何不在a到z范圍內(nèi)的任何字符。

\b

匹配一個(gè)字邊界，即字與空格間的位置。例如，er\b匹配never中的er，但不匹配verb中的er。

\B

非字邊界匹配。er\B匹配verb中的er，但不匹配never中的er。

\cx

匹配x指示的控制字符。例如，\cM匹配Control-M或回車符。x的值必須在A-Z或a-z之間。如果不是這樣，則假定c就是c字符本身。

\d

數(shù)字字符匹配。等效于[0-9]。

\D

非數(shù)字字符匹配。等效于[^0-9]。

\f

換頁(yè)符匹配。等效于\x0c和\cL。

\n

換行符匹配。等效于\x0a和\cJ。

\r

匹配一個(gè)回車符。等效于\x0d和\cM。

\s

匹配任何空白字符，包括空格、制表符、換頁(yè)符等。與[\f\n\r\t\v]等效。

\S

匹配任何非空白字符。與[^\f\n\r\t\v]等效。

\t

制表符匹配。與\x09和\cI等效。

\v

垂直制表符匹配。與\x0b和\cK等效。

\w

匹配任何字類字符，包括下劃線。與[A-Za-z0-9_]等效。

\W

與任何非單詞字符匹配。與[^A-Za-z0-9_]等效。

\xn

匹配n，此處的n是一個(gè)十六進(jìn)制轉(zhuǎn)義碼。十六進(jìn)制轉(zhuǎn)義碼必須正好是兩位數(shù)長(zhǎng)。例如，\x41匹配A。\x041與\x041等效。允許在正則表達(dá)式中使用ASCII代碼。

\num

匹配num，此處的num是一個(gè)正整數(shù)。到捕獲匹配的反向引用。例如，(.)\1匹配兩個(gè)連續(xù)的相同字符。

\n

標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義碼或反向引用。如果\n前面至少有n個(gè)捕獲子表達(dá)式，那么n是反向引用。否則，如果n是八進(jìn)制數(shù)(0-7)，那么n是八進(jìn)制轉(zhuǎn)義碼。

\nm

標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義碼或反向引用。如果\nm前面至少有nm個(gè)捕獲子表達(dá)式，那么nm是反向引用。如果\nm前面至少有n個(gè)捕獲，則n是反向引用，后面跟有字符m。如果兩種前面的情況都不存在，則\nm匹配八進(jìn)制值nm，其中n和m是八進(jìn)制數(shù)字(0-7)。

\nml

當(dāng)n是八進(jìn)制數(shù)(0-3)，m和l是八進(jìn)制數(shù)(0-7)時(shí)，匹配八進(jìn)制轉(zhuǎn)義碼nml。

\un

匹配n，其中n是以四位十六進(jìn)制數(shù)表示的Unicode字符。例如，\u00A9匹配版權(quán)符號(hào)()。

正則的匹配過(guò)程，通常情況下都是由一個(gè)子表達(dá)式（可能為一個(gè)普通字符、元字符或元字符序列組成）取得控制權(quán)，從字符串的某一位置開(kāi)始嘗試匹配，一個(gè)子表達(dá)式開(kāi)始嘗試匹配的位置，是從前一子表達(dá)匹配成功的結(jié)束位置開(kāi)始的。如果匹配到字符串某一位置時(shí)整個(gè)表達(dá)式匹配失敗，那么引擎會(huì)使正則向前傳動(dòng)，整個(gè)表達(dá)式從下一位開(kāi)始重新嘗試匹配，依此類推，直到報(bào)告匹配成功或嘗試到最后一個(gè)位置后報(bào)告匹配失敗。

正則表達(dá)式簡(jiǎn)單的匹配過(guò)程：

代碼為pattern為正則表達(dá)式對(duì)content進(jìn)行匹配

（1）基礎(chǔ)匹配過(guò)程

publicstaticvoidmain(String[]args){

Stringcontent="abc";

Stringpattern="abc";

System.out.println(content.matches(pattern));

匹配過(guò)程：

首先由字符a取得控制權(quán)，由a來(lái)匹配a，匹配成功，控制權(quán)交給字符b；由于a已被a匹配，所以b從位置1開(kāi)始嘗試匹配，由b來(lái)匹配b，匹配成功，控制權(quán)交給c；由c來(lái)匹配c，匹配成功放回true。

（2）貪婪模式

publicstaticvoidmain(String[]args){

Stringcontent="abc";

Stringpattern="abc";

System.out.println(content.matches(pattern));

量詞屬于匹配優(yōu)先量詞，在可匹配可不匹配時(shí)，會(huì)先選擇嘗試匹配，只有這種選擇會(huì)使整個(gè)表達(dá)式無(wú)法匹配成功時(shí)，才會(huì)嘗試讓出匹配到的內(nèi)容。這里的量詞是用來(lái)修飾字符b的，所以b是一個(gè)整體。

匹配過(guò)程：

首先由字符a取得控制權(quán)，由a來(lái)匹配a，匹配成功，控制權(quán)交給字符b；由于是匹配優(yōu)先量詞，所以會(huì)先嘗試進(jìn)行匹配，由b來(lái)匹配b，匹配成功，控制權(quán)交給c，同時(shí)記錄一個(gè)備選狀態(tài)；由c來(lái)匹配c，匹配成功。記錄的備選狀態(tài)丟棄。

publicstaticvoidmain(String[]args){

Stringcontent="abd";

Stringpattern="abc";

System.out.println(content.matches(pattern));

}

匹配過(guò)程：

首先由字符a取得控制權(quán)，，由a來(lái)匹配a，匹配成功，控制權(quán)交給字符b；先嘗試進(jìn)行匹配，由b來(lái)匹配b，同時(shí)記錄一個(gè)備選狀態(tài)，匹配成功，控制權(quán)交給c；由c來(lái)匹配d，匹配失敗，此時(shí)進(jìn)行回溯，找到記錄的備選狀態(tài)，b忽略匹配，即b不匹配b，讓出控制權(quán)，把控制權(quán)交給c；由c來(lái)匹配b，匹配失敗。此時(shí)第一輪匹配嘗試失敗。

正則引擎使正則向前傳動(dòng)，由位置1開(kāi)始嘗試匹配，由a來(lái)匹配b，匹配失敗，沒(méi)有備選狀態(tài)，第二輪匹配嘗試失敗。

繼續(xù)向前傳動(dòng)，直到所有嘗試匹配失敗，匹配結(jié)束。此時(shí)報(bào)告整個(gè)表達(dá)式匹配失敗。

（3）非貪婪模式

publicstaticvoidmain(String[]args){

Stringcontent="abc";

Stringpattern="abc";

System.out.println(content.matches(pattern));

量詞屬于忽略優(yōu)先量詞，在可匹配可不匹配時(shí)，會(huì)先選擇不匹配，只有這種選擇會(huì)使整個(gè)表達(dá)式無(wú)法匹配成功時(shí)，才會(huì)嘗試進(jìn)行匹配。這里的量詞是用來(lái)修飾字符b的，所以b是一個(gè)整體。

匹配過(guò)程：

首先由字符a取得控制權(quán)，由a來(lái)匹配a，匹配成功，控制權(quán)交給字符b；先嘗試忽略匹配，即b不進(jìn)行匹配，同時(shí)記錄一個(gè)備選狀態(tài)，控制權(quán)交給c；由c來(lái)匹配b，匹配失敗，此時(shí)進(jìn)行回溯，找到記錄的備選狀態(tài)，b嘗試匹配，即b來(lái)匹配b，匹配成功，把控制權(quán)交給c；由c來(lái)匹配c，匹配成功。

（4）零寬度匹配過(guò)程

所謂零寬斷言，簡(jiǎn)單來(lái)說(shuō)就是匹配一個(gè)位置，這個(gè)位置滿足某個(gè)正則，但是不納入匹配結(jié)果的，所以叫零寬，而且這個(gè)位置的前面或后面需要滿足某種正則。

publicstaticvoidmain(String[]args){

Stringcontent="abc";

Stringpattern="^(=[a-z])[a-z0-9]+$";

System.out.println(content.matches(pattern));

元字符^和$匹配的只是位置，順序環(huán)視(=[a-z])只進(jìn)行匹配，并不占有字符，也不將匹配的內(nèi)容保存到最終的匹配結(jié)果，所以都是零寬度的。

這個(gè)正則的意義就是匹配由字母或數(shù)字組成的，第一個(gè)字符是字母的字符串。

匹配過(guò)程：

首先由元字符^取得控制權(quán)，從開(kāi)始位置開(kāi)始匹配，匹配成功，控制權(quán)交給順序環(huán)視(=[a-z])；

(=[a-z])要求它所在位置右側(cè)必須是