Scala中的正则表达式（二）

正则表达式常见规则

1. 基础字符匹配

字符	描述	示例	匹配
.	匹配任意单个字符（除换行符）	a.c	abc, a&c, a1c
[...]	字符集合，匹配方括号内任意字符	[abc]	a, b, c
[^...]	否定字符集，匹配不在方括号内的字符	[^abc]	d, e, 1, @
\d	数字字符	\d	0-9
\D	非数字字符	\D	a, A, @, 空格
\w	单词字符（字母、数字、下划线）	\w	a-z, A-Z, 0-9, _
\W	非单词字符	\W	@, !, 空格
\s	空白字符	\s	空格, \t, \n
\S	非空白字符	\S	a, 1, @

2. 定位符

字符	描述	示例	匹配
^	匹配字符串开头	^abc	"abc123"中的abc
$	匹配字符串结尾	abc$	"123abc"中的abc
\b	单词边界	\bcat\b	"cat"（不匹配"category"）
\B	非单词边界	\Bcat\B	"education"中的cat

3. 量词（重复次数）

字符	描述	示例	匹配
*	0次或多次	ab*c	ac, abc, abbc
+	1次或多次	ab+c	abc, abbc（不匹配ac）
?	0次或1次	ab?c	ac, abc
{n}	正好n次	a{3}	aaa
{n,}	至少n次	a{2,}	aa, aaa, aaaa
{n,m}	n到m次	a{2,4}	aa, aaa, aaaa

4. 分组与捕获

语法	描述	示例
()	捕获分组	(ab)+ 匹配ab, abab
(?:)	非捕获分组	(?:ab)+
`	`	或操作	`cat	dog` 匹配cat或dog

5. 转义字符

需要转义的特殊字符：. * + ? ^ $ { } ( ) [ ] | \

\. 匹配点号
\* 匹配星号
\\ 匹配反斜杠

6. 字符类简写

简写	等效写法	描述
.	[^\n\r]	除换行符外的任意字符
\d	[0-9]	数字
\D	[^0-9]	非数字
\w	[a-zA-Z0-9_]	单词字符
\W	[^a-zA-Z0-9_]	非单词字符
\s	[ \t\n\r\f\v]	空白字符
\S	[^ \t\n\r\f\v]	非空白字符

7. 预定义字符集

字符集	描述	示例
[a-z]	小写字母	a-z
[A-Z]	大写字母	A-Z
[0-9]	数字	0-9
[a-zA-Z]	所有字母
[0-9a-fA-F]	十六进制数字

8. 贪婪与非贪婪匹配

模式	描述	示例（字符串：" test "）
贪婪	尽可能多地匹配	<.*> 匹配整个字符串
非贪婪	尽可能少地匹配	<.*?> 匹配<div>和</div>

添加 ? 使量词变为非贪婪：

• *? - 0次或多次，非贪婪
• +? - 1次或多次，非贪婪
• ?? - 0次或1次，非贪婪
• {n,}? - 至少n次，非贪婪

9. 常见模式示例

邮箱验证

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

手机号（中国）

^1(?:3\d|4[5-9]|5[0-9]|6[2567]|7[0-8]|8[0-9]|9[0-9])\d{8}$

URL

https?://[^\s]+

身份证号（18位）

^\d{17}[\dXx]$

日期（YYYY-MM-DD）

^\d{4}-(0[1-9]|1[0-2])-(0[1-9]|[12]\d|3[01])$

强密码（8-20位，包含大小写字母和数字）

^(?=.*[a-z])(?=.*[A-Z])(?=.*\d)[a-zA-Z\d]{8,20}$

10. 在Scala中的使用技巧

// 1. 创建正则表达式
val regex = """\d{3}-\d{8}""".r  // 使用三重引号避免转义

// 2. 查找所有匹配
val text = "电话：010-12345678，另一个：021-87654321"
val phones = regex.findAllIn(text).toList

// 3. 提取分组
val datePattern = """(\d{4})-(\d{2})-(\d{2})""".r
"2024-01-15" match {
  case datePattern(year, month, day) => 
    println(s"$year年$month月$day日")
}

// 4. 替换
val result = "a b c".replaceAll("\\s", ",")  // "a,b,c"

// 5. 分割
val parts = "apple,banana,orange".split(",")

11. 实用小贴士

1. 测试工具：使用在线正则表达式测试器（如regex101.com）

2. 性能：避免嵌套量词和回溯

3. 可读性：复杂正则表达式添加注释

   (?x)           # 启用注释模式
   ^              # 字符串开始
   \d{3}-\d{4}    # 电话号码格式
   $              # 字符串结束
   

4. 调试：从简单开始，逐步添加复杂度