JAVA正则表达式（转载综合）

将很久以前进行页面解析工作时，收集的正则表达式相关帖子进行了整理，便于日后查看。

一。JAVA 正则表达式4种基本的用途
正则表达式在字符串处理上有着强大的功能，sun在jdk1.4加入了对它的支持 　　
1.查询： 　　
以下是代码片段：

String str="abc efg ABC";
String regEx="a|f"; //表示a或f
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find(); 

如果str中有regEx，那么rs为true，否则为flase。如果想在查找时忽略大小写，则可以写成Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

ps：查找的效率问题待确认
2.提取：
以下是代码片段：

String regEx=".+\(.+)$";//正则表达式
String str="c:\dir1\dir2\name.txt";//待分析字符串
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find();
for(int i=1;i<=m.groupCount();i++)
{
System.out.println(m.group(i));
} 

以上的执行结果为name.txt，提取的字符串储存在m.group(i)中，其中i最大值为m.groupCount();　　

3.分割：
以下是代码片段：

String regEx="::";
Pattern p=Pattern.compile(regEx);
String[] r=p.split("xd::abc::cde"); 

执行后，r就是{"xd","abc","cde"}，其实分割时还有跟简单的方法(可以代替StringTokenizer进行更为复杂的切分)：

String str="xd::abc::cde";
String[] r=str.split("::"); 

4.替换（删除）： 　　
以下是代码片段：

String regEx="a+"; //表示一个或多个a
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher("aaabbced a ccdeaa");
String s=m.replaceAll("A");

结果为"Abbced A ccdeA"　　
如果写成空串，既可达到删除的功能，比如：

String s=m.replaceAll("");

结果为"bbced ccde"

 二。 JAVA 正则表达式的解释说明

1.字符

1. x    字符 x。例如a表示字符a
2. \\    反斜线字符。在书写时要写为\\\\ 。（注意：因为java在第一次解析时,把\\\\ 解析成正则表达式\\，在第二次解析时再解析为\，所以凡是不是1.1列举到的转义字符，包括1.1的\\,而又带有\的都要写两次）
3. \0n    带有八进制值 0的字符 n (0 <= n <= 7)
4. \0nn    带有八进制值 0的字符 nn (0 <= n <= 7)
5. \0mnn    带有八进制值 0的字符 mnn（0 <= m <= 3、0 <= n <= 7）
6. \xhh    带有十六进制值 0x的字符 hh
7. \uhhhh    带有十六进制值 0x的字符 hhhh
8. \t    制表符 ('\u0009')
9. \n    新行（换行）符 ('\u000A')
10. \r    回车符 ('\u000D')
11. \f    换页符 ('\u000C')
12. \a    报警 (bell) 符 ('\u0007')
13. \e    转义符 ('\u001B')
14. \cx    对应于 x 的控制符

2.字符类

1. [abc]    a、b或 c（简单类）。例如[egd]表示包含有字符e、g或d。
2. [^abc]    任何字符，除了 a、b或 c（否定）。例如[^egd]表示不包含字符e、g或d。
3. [a-zA-Z]    a到 z或 A到 Z，两头的字母包括在内（范围）
4. [a-d[m-p]]    a到 d或 m到 p：[a-dm-p]（并集）
5. [a-z&&[def]]    d、e或 f（交集）
6. [a-z&&[^bc]]    a到 z，除了 b和 c：[ad-z]（减去）
7. [a-z&&[^m-p]]    a到 z，而非 m到 p：[a-lq-z]（减去）

3.预定义字符类 (注意反斜杠要写两次，例如\d写为 \\d ) 任何字符

（与行结束符可能匹配也可能不匹配）

1. \d    数字：[0-9]
2. \D    非数字： [^0-9]
3. \s    空白字符：[ \t\n\x0B\f\r]
4. \S    非空白字符：[^\s]
5. \w    单词字符：[a-zA-Z_0-9]
6. \W    非单词字符：[^\w]

4.POSIX 字符类 （仅 US-ASCII)(注意反斜杠要写两次，例如\p{Lower}写为\\p{Lower})

1. \p{Lower}    小写字母字符：[a-z]。
2. \p{Upper}    大写字母字符：[A-Z]
3. \p{ASCII}    所有 ASCII：[\x00-\x7F]
4. \p{Alpha}    字母字符：[\p{Lower}\p{Upper}]
5. \p{Digit}    十进制数字：[0-9]
6. \p{Alnum}    字母数字字符：[\p{Alpha}\p{Digit}]
7. \p{Punct}    标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
8. \p{Graph}    可见字符：[\p{Alnum}\p{Punct}]
9. \p{Print}    可打印字符：[\p{Graph}\x20]
10. \p{Blank}    空格或制表符：[ \t]
11. \p{Cntrl}    控制字符：[\x00-\x1F\x7F]
12. \p{XDigit}    十六进制数字：[0-9a-fA-F]
13. \p{Space}    空白字符：[ \t\n\x0B\f\r]

5.java.lang.Character 类 （简单的 java 字符类型）

1. \p{javaLowerCase}    等效于 java.lang.Character.isLowerCase()
2. \p{javaUpperCase}    等效于 java.lang.Character.isUpperCase()
3. \p{javaWhitespace}    等效于 java.lang.Character.isWhitespace()
4. \p{javaMirrored}    等效于 java.lang.Character.isMirrored()

6.Unicode 块和类别的类

1. \p{InGreek}    Greek 块（简单块）中的字符
2. \p{Lu}    大写字母（简单类别）
3. \p{Sc}    货币符号
4. \P{InGreek}    所有字符，Greek 块中的除外（否定）
5. [\p{L}&&[^\p{Lu}]]     所有字母，大写字母除外（减去）

7.边界匹配器

1. ^    行的开头，请在正则表达式的开始处使用^。例如：^(abc)表示以abc开头的字符串。注意编译的时候要设置参数MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE);
2. $    行的结尾，请在正则表达式的结束处使用。例如：(^bca).*(abc$)表示以bca开头以abc结尾的行。
3. \b    单词边界。例如\b(abc)表示单词的开始或结束包含有abc,（abcjj、jjabc 都可以匹配）
4. \B    非单词边界。例如\B(abc)表示单词的中间包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)
5. \A    输入的开头
6. \G    上一个匹配的结尾(个人感觉这个参数没什么用)。例如\\Gdog表示在上一个匹配结尾处查找dog如果没有的话则从开头查找,注意如果开头不是dog则不能匹配。
7. \Z    输入的结尾，仅用于最后的结束符（如果有的话）
8. 行结束符 是一个或两个字符的序列，标记输入字符序列的行结尾。
9. 以下代码被识别为行结束符：
10. ‐新行（换行）符 ('\n')、
11. ‐后面紧跟新行符的回车符 ("\r\n")、
12. ‐单独的回车符 ('\r')、
13. ‐下一行字符 ('\u0085')、
14. ‐行分隔符 ('\u2028') 或
15. ‐段落分隔符 ('\u2029)。
16. \z    输入的结尾
17. 当编译模式时，可以设置一个或多个标志，例如
18. Pattern pattern = Pattern.compile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);
19. 下面六个标志都是支持的：
20. ‐CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US ASCII字符。
21. ‐UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配
22. ‐MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入
23. ‐UNIX_LINES： 当在多行模式下匹配^和$时，只将'\n'看作行终止符
24. ‐DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符
25. ‐CANON_EQ: 考虑Unicode字符的规范等价

8.Greedy 数量词

1. X?    X，一次或一次也没有
2. X*    X，零次或多次
3. X+    X，一次或多次
4. X{n}    X，恰好 n 次
5. X{n,}    X，至少 n 次
6. X{n,m}    X，至少 n 次，但是不超过 m 次

9.Reluctant 数量词

1. X??    X，一次或一次也没有
2. X*?    X，零次或多次
3. X+?    X，一次或多次
4. X{n}?    X，恰好 n 次
5. X{n,}?    X，至少 n 次
6. X{n,m}?    X，至少 n 次，但是不超过 m 次

10.Possessive 数量词

1. X?+    X，一次或一次也没有
2. X*+    X，零次或多次
3. X++    X，一次或多次
4. X{n}+    X，恰好 n 次
5. X{n,}+    X，至少 n 次
6. X{n,m}+    X，至少 n 次，但是不超过 m 次
7. Greedy，Reluctant，Possessive的区别在于:(注意仅限于进行.等模糊处理时)
8. greedy量 词被看作“贪婪的”，因为它第一次就读入整个被模糊匹配的字符串。如果第一个匹配尝试（整个输入字符串）失败，匹配器就会在被匹配字符串中的最后一位后退 一个字符并且再次尝试，重复这个过程，直到找到匹配或者没有更多剩下的字符可以后退为止。根据表达式中使用的量词，它最后试图匹配的内容是1 个或者0个字符。
9. 但是，reluctant量词采取相反的方式：它们从被匹配字符串的开头开始，然后逐步地一次读取一个字符搜索匹配。它们最后试图匹配的内容是整个输入字符串。
10. 最后，possessive量词总是读完整个输入字符串，尝试一次（而且只有一次）匹配。和greedy量词不同，possessive从不后退。

11.Logical 运算符

1. XY    X 后跟 Y
2. X|Y    X 或 Y
3. (X)    X，作为捕获组。例如(abc)表示把abc作为一个整体进行捕获

12.Back 引用

1. \n    任何匹配的 nth捕获组
2. 捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C)))中，存在四个这样的组：
3. 1        ((A)(B(C)))
4. 2        \A
5. 3        (B(C))
6. 4        (C)

在表达式中可以通过\n来对相应的组进行引用，例如(ab)34\1就表示ab34ab，(ab)34(cd)\1\2就表示ab34cdabcd。
13.引用

1. \    Nothing，但是引用以下字符
2. \Q    Nothing，但是引用所有字符，直到 \E。QE之间的字符串会原封不动的使用(1.1中转义字符的除外)。例如, ab\\Q{|}\\\\E
3. 可以匹配ab{|}\\
4. \E    Nothing，但是结束从 \Q开始的引用

14.特殊构造（非捕获）

1. (?:X)    X，作为非捕获组
2. (?idmsux-idmsux)     Nothing，但是将匹配标志由 on 转为 off。比如：表达式 (?i)abc(?-i)def 这时，(?i) 打开不区分大小写开关，abc 匹配
3. idmsux说明如下：
4. ‐i CASE_INSENSITIVE :US-ASCII 字符集不区分大小写。(?i)
5. ‐d UNIX_LINES : 打开UNIX换行符
6. ‐m MULTILINE :多行模式(?m)
7. UNIX下换行为\n
8. WINDOWS下换行为\r\n(?s)
9. ‐u UNICODE_CASE : Unicode 不区分大小写。(?u)
10. ‐x COMMENTS :可以在pattern里面使用注解，忽略pattern里面的whitespace，以及"#"一直到结尾（#后面为注解）。(?x)例如(?x)abc#asfsdadsa可以匹配字符串abc
11. (?idmsux-idmsux:X)     X，作为带有给定标志 on - off 的非捕获组。与上面的类似，上面的表达式，可以改写成为：(?i:abc)def，或者 (?i)abc(?-i:def)
12. (?=X)    X，通过零宽度的正 lookahead。零宽度正先行断言，仅当子表达式 X 在 此位置的右侧匹配时才继续匹配。例如，\w+(?=\d) 表示字母后面跟数字，但不捕获数字（不回溯）
13. (?!X)    X，通过零宽度的负 lookahead。零宽度负先行断言。仅当子表达式 X 不在 此位置的右侧匹配时才继续匹配。例如，\w+(?!\d) 表示字母后面不跟数字，且不捕获数字。
14. (?<=X)    X，通过零宽度的正 lookbehind。零宽度正后发断言。仅当子表达式 X 在 此位置的左侧匹配时才继续匹配。例如，(?<=19)99 表示99前面是数字19，但不捕获前面的19。（不回溯）
15. (?<!-- x)&nbsp;&nbsp;&nbsp; X，通过零宽度的负 lookbehind。零宽度负后发断言。仅当子表达式 X 不在此位置的左侧匹配时才继续匹配。例如，(?<!19)99 表示99前面不能是19，且不捕获前面的东东。<br /--> (?>X)    X，作为独立的非捕获组（不回溯）
16. (?=X)与(?>X)的区别在于(?>X)是不回溯的。例如被匹配的字符串为abcm
17. 当表达式为a(?:b|bc)m是可以匹配的，而当表达式是a(?>b|bc)时是不能匹配的，因为当后者匹配到b时，由于已经匹配，就跳出了非捕获组，而不再次对组内的字符进行匹配。可以加快速度。

 三 。 正则表达式的常用表达式

1.中文、全半角、双字节等

1. 匹配中文字符的正则表达式： \[\u4e00-\u9fa5\]
2. 匹配双字节字符(包括汉字在内)：\[^\x00-\xff\]
3. 匹配空行的正则表达式：\n\[\s\| \]*\r
4. \un 匹配 n，其中 n 是一个用四个十六进制数字表示的Unicode字符。

2.经典格式匹配

1. 匹配HTML标记的正则表达式：/<(.*)>.*</1>\|<(.*) />/
2. 匹配首尾空格的正则表达式：(^s*)\|(s*$)
3. 匹配Email地址的正则表达式：\w+(\[-+.\]w+)*@w+(\[-.\]w+)*.w+(\[-.\]w+)\*
4. 匹配网址URL的正则表达式：^\[a-zA-z\]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?$
5. 匹配网址URL的正则表达式：http://(\[w-\]+.)+\[w-\]+(/\[w\ - ./?%&=\]*)?
6. 匹配首尾空格的正则表达式：(^\s*)\|(\s*$)
7. 匹配IP地址的正则表达式："^(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\])$"
8. 匹配年-月-日的正则表达式：/^(d{2}\|d{4})-((0(\[1-9\]{1}))\|(1\[1\|2\]))-((\[0-2\](\[1-9\]{1}))\|(3\[0\|1\]))$/
9. 匹配年/月/日的正则表达式：/^((0(\[1-9\]{1}))\|(1\[1\|2\]))/((\[0-2\](\[1-9\]{1}))\|(3\[0\|1\]))/(d{2}\|d{4})$/
10. 匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^\[a-zA-Z\]\[a-zA-Z0-9_\]{4,15}$
11. 匹配国内电话号码：(\d{3}-\|\d{4}-)?(\d{8}\|\d{7})?
12. 匹配腾讯QQ号：^\[1-9\]*\[1-9\]\[0-9\]*$
    
    

3.数字，字符

 

"^\d+$"　　//非负整数（正整数 + 0）
"^\[0-9\]*\[1-9\]\[0-9\]*$"　　//正整数
"^((-\d+)\|(0+))$"　　//非正整数（负整数 + 0）
"^-\[0-9\]*\[1-9\]\[0-9\]*$"　　//负整数
"^-?\d+$"　　　　//整数
"^\d+(\.\d+)?$"　　//非负浮点数（正浮点数 + 0）
"^((\[0-9\]+\.\[0-9\]*\[1-9\]\[0-9\]*)\|(\[0-9\]*\[1-9\]\[0-9\]*\.\[0-9\]+)\|(\[0-9\]*\[1-9\]\[0-9\]*))$"　　//正浮点数
"^((-\d+(\.\d+)?)\|(0+(\.0+)?))$"　　//非正浮点数（负浮点数 + 0）
"^(-((\[0-9\]+\.\[0-9\]*\[1-9\]\[0-9\]*)\|(\[0-9\]*\[1-9\]\[0-9\]*\.\[0-9\]+)\|(\[0-9\]*\[1-9\]\[0-9\]*)))$"　　//负浮点数
"^(-?\d+)(\.\d+)?$"　　//浮点数
"^\[A-Za-z\]+$"　　//由26个英文字母组成的字符串
"^\[A-Z\]+$"　　//由26个英文字母的大写组成的字符串
"^\[a-z\]+$"　　//由26个英文字母的小写组成的字符串
"^\[A-Za-z0-9\]+$"　　//由数字和26个英文字母组成的字符串
"^\w+$"　　//由数字、26个英文字母或者下划线组成的字符串

4.javascript中的用法

利用正则表达式限制网页表单里的文本框输入内容1、用正则表达式限制只能输入中文：onkeyup="value="/value.replace(/\ ["^u4E00-u9FA5\]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/\[^u4E00-u9FA5\]/g,''))"

2、用正则表达式限制只能输入全角字符： onkeyup="value="/value.replace(/\["^uFF00-uFFFF\]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/\[^uFF00-uFFFF\]/g,''))"

3、用正则表达式限制只能输入数字：onkeyup="value="/value.replace(/\["^d\]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/\[^d\]/g,''))"

4、用正则表达式限制只能输入数字和英文：onkeyup="value="/value.replace(/\[W\]/g,"'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace

5.正则表达式使用基础说明(与第二部分略有重复)

1. 元字符及其在正则表达式上下文中的行为\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。
   ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的Multiline 属性，\^ 也匹配 '\n' 或 '\r' 之后的位置。
   $ 匹配输入字符串的结束位置。如果设置了 RegExp 对象的Multiline 属性，$ 也匹配 '\n' 或 '\r' 之前的位置。
   \* 匹配前面的子表达式零次或多次。
   + 匹配前面的子表达式一次或多次。\+ 等价于 {1,}。
   ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。
2. {n} n 是一个非负整数，匹配确定的n 次。
   {n,} n 是一个非负整数，至少匹配n 次。
   {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。在逗号和两个数之间不能有空格。
3. ? 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。
   . 匹配除 "\n" 之外的任何单个字符。要匹配包括 '\n' 在内的任何字符，请使用象 '\[.\n\]' 的模式。
4. (pattern) 匹配pattern 并获取这一匹配。
   (?:pattern) 匹配pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。
   (?=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。
   (?\!pattern) 负向预查，与(?=pattern)作用相反
5. x\|y 匹配 x 或 y。
   \[xyz\] 字符集合。
   \[^xyz\] 负值字符集合。
   \[a-z\] 字符范围，匹配指定范围内的任意字符。
   \[^a-z\] 负值字符范围，匹配任何不在指定范围内的任意字符。
6. \b 匹配一个单词边界，也就是指单词和空格间的位置。
   \B 匹配非单词边界。
   \cx 匹配由x指明的控制字符。
   \d 匹配一个数字字符。等价于 \[0-9\]。
   \D 匹配一个非数字字符。等价于 \[^0-9\]。
   \f 匹配一个换页符。等价于 \x0c 和 \cL。
   \n 匹配一个换行符。等价于 \x0a 和 \cJ。
   \r 匹配一个回车符。等价于 \x0d 和 \cM。
   \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于\[ \f\n\r\t\v\]。
   \S 匹配任何非空白字符。等价于 \[\^ \f\n\r\t\v\]。
   \t 匹配一个制表符。等价于 \x09 和 \cI。
   \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
   \w 匹配包括下划线的任何单词字符。等价于'\[A-Za-z0-9_\]'。
   \W 匹配任何非单词字符。等价于 '\[^A-Za-z0-9_\]'。
7. \xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。
   \num 匹配 num，其中num是一个正整数。对所获取的匹配的引用。
   \n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
   \nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。
   \nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
   \un 匹配 n，其中 n 是一个用四个十六进制数字表示的Unicode字符。