1.为什么使用正则表达式

1.1 什么是正则表达式

正则表达式形如：

个人理解正则表达式是一种规则，用于匹配字符串文本。就是定义一组规则，然后从字符串文本中匹配符合这个规则的内容。

1.2 为啥要用

前几天刷到一道算法题的时候，思考了各种边界情况，各种小的节点解决方案，前前后后写了八十几行代码。然而答案题解只用了十行左右的代码。原因就是使用了正则表达式，所以不会正则表达式的人会有多吃亏。所以学会正则表达式是一件可以提升我们编码效率的事情。

2.常用的正则表达式描述符

字符	描述
\	转义字符
^	匹配位置，表示字符串的开头
$	匹配位置，表示字符串的结尾
*	表示前面子表达式出现的次数，* 表示0次或多次
+	表示前面子表达式出现的次数，+ 表示1次或多次
?	表示前面子表达式出现0次或一次
{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,}	n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{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。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。
.	匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用像" (.|\n) " 的模式。
x|y	匹配 x 或 y。例如，'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
[xyz]	字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配 "plain" 中的 'a'。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配 "plain" 中的'p'、'l'、'i'、'n'。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a' 到 'z' 范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到 'z' 范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。
\B	匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。
\w	匹配字母、数字、下划线。等价于'[A-Za-z0-9_]'。
\W	匹配非字母、数字、下划线。等价于 '[^A-Za-z0-9_]'。
i	ignore - 不区分大小写	将匹配设置为不区分大小写，搜索时不区分大小写: A 和 a 没有区别。
g	global - 全局匹配	查找所有的匹配项。
m	multi line - 多行匹配	使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾。

3.正则表达式进阶

3.1 分组捕获

如果我们需要重复某个字符，只需要在字符后面加上限定符,* + ? 。但是如果我们想重复某些字符呢？这个时候就可以使用分组()。例如:(abc)+ 。括号内的字符可以看成是一个整体。

捕获组

分组这个概念下又分捕获组和非捕获组。捕获组就是正则表达式除了匹配符合规则的文本之外，还将每个分组匹配到的文本都存储到内存中。后续可以通过反向引用获取这些捕获的内容。

如何区分各个捕获组？举个例子：(A)(B(C))，捕获组可以通过从左到右计算其开括号来编号。

编号
0	(A)(B(C))
1	(A)
2	(B(C))
3	(C)

分组0代表整个正则表达式，那么如何进行反向引用？
引用分组1：\1
引用分组2：\2

非捕获组

那么什么是非捕获组？非捕获组就是仅仅对内容进行匹配，并不会将匹配的内容进行捕获。也就是不会将匹配的内容存储到内存中。后续地反向引用不会引用到非捕获组所匹配的内容。自然，非捕获组参与捕获组的统计。

例如：(A)(B(?:C))

编号
0	(A)(B(C))
1	(A)
2	(B(C))

这个时候(?:C)就是非捕获组。

3.2 零宽断言

在使用正则表达式时，有时我们需要捕获的内容前后必须是特定内容，但又不捕获这些特定内容的时候，零宽断言就起到作用了。

零宽断言有四种：

断言	描述
(?=X )	正向先行断言，X为特定内容，匹配的内容右边是X才会被匹配
(?!X )	负向先行断言，X为特定内容，匹配的内容右边不是X才会被匹配
(?<=X )	正向后发断言，X为特定内容，匹配的内容左边是X才会被匹配
(?<!X )	负向后发断言，X为特定内容，匹配的内容左边不是X才会被匹配

举个例子:
(?=X ) ：
文本：1st 2nd 3pc
正则表达式:\d(?=nd)
结果：2

(?!X )：
文本：1st 2nd 3pc
正则表达式:\d(?!nd)
结果：1 3

(?<=X ):
文本：#1 $2 %3
正则表达式:(?<=%)\d
结果：3

(? 文本：#1 $2 %3
正则表达式:(?<!%)\d
结果：1 2

4.Java中使用正则表达式

...
import java.util.regex.Matcher;
import java.util.regex.Pattern;
...

public static void main(String[] args) {
    /*设置正则表达式*/
    Pattern p = Pattern.compile("[a-z]{3}");
    /*设置需要匹配的文本*/
    Matcher m = p.matcher("acb");
    System.out.println(m.matches());
}

Java使用正则表达式分组：

public static void main(String[] args) {
    /*设置正则表达式*/
    Pattern p = Pattern.compile("(\d\w)*(\d-)*");
    /*设置需要匹配的文本*/
    Matcher m = p.matcher("4d3f4-");
    if(m.matches()){
        System.out.println(m.groupCount());
        for(int index=0;index<m.groupCount();index++){
            System.out.println(m.group(index));
        }
        System.out.println(m.group(2));
    }
}

输出结果：

2
4d3f4-
3f
4-

在输出分组数量的时候，输出了2。如果算上分组0，分组1，分组2应该有三个分组。m.groupCount()应该没有将分组0进行数量的统计，但实际上是存在的。这里需要注意。如果index初始为0，那么for循环内是不可能输出最后一个分组捕获的内容的。

参考

1.正则表达式 - 教程
2.正则表达式练习网站
3.正则表达式高级用法(分组与捕获)