當(dāng)然，為了指定一種模式，使用...這種記號是不夠精確的。你需要精確地指定什么樣的字符排列是一個(gè)合法的匹配。當(dāng)描述某種模式時(shí)，你需要使用一種特殊的語法。

  這里有一個(gè)簡單例子。正則表達(dá)式
[Jj]ava.+
匹配下列形式的任何字符串：

首字母是J或j 
后續(xù)的三個(gè)字母是ava 
字符串的剩余部分由一個(gè)或多個(gè)任意字符組成 

  例如，字符串“javaness”匹配這個(gè)特殊的正則表達(dá)式，但是字符串“Core Java”卻不匹配。

  如你所見，你需要了解一點(diǎn)語法來理解正則表達(dá)式的含意。幸運(yùn)的是對于大多數(shù)的用途，使用少量的簡單構(gòu)造（straightforward constructs）就已足夠。

字符類是可選自符的集合，用‘['封裝，比如[Jj],[0-9],[A-Za-z]或[^0-9]。這里的-表示范圍（Unicode落在兩個(gè)邊界之間的所有字符），^表示求補(bǔ)（指定字符外的所有字符）。 
有許多預(yù)定以的字符類，像\d（數(shù)字）或\p{Sc}（Unicode貨幣符號），見表12-8和12-9。 
大多數(shù)字符與它們自身匹配，像上例中的ava字符。 
符號.匹配任何字符（可能行終止符（line terminators）除外，這依賴于標(biāo)識設(shè)置（flag settings）） 
\用作轉(zhuǎn)義符，比如\.匹配一個(gè)句點(diǎn)，\\匹配一個(gè)反斜杠。 
^和$分別匹配行頭和行尾 
如果X和Y都是正則表達(dá)式，則XY表示“X的匹配后面跟著Y的匹配”。X|Y表示“任何X或Y的匹配” 
可以將量詞（quantifier）用到表達(dá)式中，X+ 表示X重復(fù)1次或多次，X* 表示X重復(fù)0次或多次，X? 表示X重復(fù)0次或1次 
默認(rèn)地，一個(gè)量詞總是與使總體成功匹配的最長的可能重復(fù)匹配。可以加上后綴？（稱為reluctant或stingy 匹配，用以匹配最小的重復(fù)數(shù)），和+（稱為possessive或貪婪匹配，用以即使在總體匹配失敗的情況下也匹配最大的重復(fù)數(shù)）來更改這種屬性。 


例如，字符串cab匹配[a-z]*ab，但不匹配[a-z]*+ab。第一種情況下，[a-z]*只匹配字符c，因此字符ab正好與模式的剩余部分匹配。但是貪婪版本[a-z]*+就與字符cab匹配，模式的剩余部分ab就匹配失?。ǎ@樣總體也就匹配失?。?

可以使用分組來定義子表達(dá)式。將分組封裝在（）中，如([+-]?)([0-9]+)。然后你可以讓模式匹配符（the pattern matcher）返回每個(gè)分組的匹配，或者使用\n來回引分組（refer back to a group with \n），其中n是組號（以\1起始） 

  這里有一個(gè)稍微有點(diǎn)復(fù)雜卻又很有用的正則表達(dá)式－－它用來描述十進(jìn)制和十六進(jìn)制的整數(shù)。
[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+

  不幸的是，在使用正則表達(dá)式的各種程序和庫之間，它的語法還沒有完全標(biāo)準(zhǔn)化。對基本的構(gòu)造上已達(dá)成了共識，但在細(xì)節(jié)方面有許多令人“抓狂”的區(qū)別（many maddening differences）。Java的正則表達(dá)式類使用了與Perl語言類似的語法，但也不盡相同。表12-8顯示了Java語法的所有正則表達(dá)式構(gòu)造。要了解更多關(guān)于正則表達(dá)式的信息，請參考Pattern類的API文檔，或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)（剛?cè)サ诙瓴榱艘幌?，東南大學(xué)出版社已經(jīng)引入了其第二版，影印）

表12-8 正則表達(dá)式語法

--------------------------------------------------------------------------------
語法                                       解釋

--------------------------------------------------------------------------------
字符
c                                         字符c
\unnnn, \xnn, \0n, \0nn, \0nnn       帶有十六或八進(jìn)制值的代碼單元

\0n                             八進(jìn)制0n代表的字符（0<=n<=7）

\0nn                           八進(jìn)制0nn代表的字符(0<=n<=7)

\0mnn                         八進(jìn)制0mnn代表的字符(0<=m<=3,0<=n<=7)

\xnn                           十六進(jìn)制 0xnn所代表的字符

\uhhhh                         十六進(jìn)制 0xhhhh所代表的字符

\t, \n, \r, \f, \a, \e                         控制字符，依次是制表符，換行符，回車符，換頁符，報(bào)警符和轉(zhuǎn)義符
\cc                                       控制字符中出現(xiàn)的相應(yīng)字符c

--------------------------------------------------------------------------------
字符類
[C1C2. . .]               C1、C2……中的任何字符。Ci可以是字符，字符范圍（C1-C2）或者字符類。
[^. . .]                     字符類的補(bǔ)集
[ . . . && . . .]             兩個(gè)字符類的交集

--------------------------------------------------------------------------------
預(yù)定義字符類
.                           除行終止符外的任何字符（如果DOTALL標(biāo)志置位，則表示任何字符）
\d                         數(shù)字[0-9]
\D                         非數(shù)字[^0-9]
\s                         空白字符[\t\n\r\f\x0B]
\S                         非空白字符
\w                         單詞字符[a-zA-Z0-9_]
\W                       非單詞字符
\p{name}                 一個(gè)指定的字符類，見表12-9
\P{name}               指定字符類的補(bǔ)集

--------------------------------------------------------------------------------
邊界匹配符
^ $                       輸入的開頭和結(jié)尾(在多行模式(multiline mode)下是行的開頭和結(jié)尾)
\b                         單詞邊界
\B                         非單詞邊界
\A                         輸入的開頭
\z                         輸入的結(jié)尾
\Z                         除最后行終止符之外的輸入結(jié)尾
\G                       上個(gè)匹配的結(jié)尾

--------------------------------------------------------------------------------
量詞
X?                         可選的X（即X可能出現(xiàn)，也可能不出現(xiàn)）
X*                         X，可以重復(fù)0次或多次
X+                         X，可以重復(fù)1次或多次
X{n} X{n,} X{n,m}       X重復(fù)n次，至少重復(fù)n次，重復(fù)n到m次

--------------------------------------------------------------------------------
量詞后綴
?                       設(shè)默認(rèn)（貪婪）匹配為reluctant匹配
+                       設(shè)默認(rèn)（貪婪）匹配為possessive匹配

--------------------------------------------------------------------------------
集合操作
XY                       X的匹配后面跟著Y的匹配
X|Y                       X或Y的匹配

--------------------------------------------------------------------------------
分組
(X)                     匹配X并且在一個(gè)自動(dòng)計(jì)數(shù)的分組中捕獲它
\n                       與第n個(gè)分組的匹配

--------------------------------------------------------------------------------
轉(zhuǎn)義
\c                       字符c（必須不是字母）
\Q...\E                   逐字地引用...
（？...）               特殊構(gòu)造，看Pattern類的API

--------------------------------------------------------------------------------

  正則表達(dá)式的最簡單使用是測試一個(gè)特殊的字符串是否與之匹配。這里有一個(gè)Java寫的測試程序。首先從表示正則表達(dá)式的字符串構(gòu)造一個(gè)Pattern對象。然后從該模式獲得一個(gè)Matcher對象，并且調(diào)用它的matches()方法：

Pattern pattern = Pattern.compile(patternString);

Matcher matcher = pattern.matcher(input);

if (matcher.matches()) . . .


  表12.9 預(yù)定義的字符類名（Predefined Character Class Names）

--------------------------------------------------------------------------------
Lower                 小寫的ASII字符[a-z]
Upper                 大寫的ASCII字符[A-Z]
Alpha                 ASCII字母[A-Za-z]
Digit                   ASCII 數(shù)字 [0-9]
Alnum                 ASCII 字母或數(shù)字[A-Za-z0-9]
Xdigit                 十六進(jìn)制數(shù)字[0-9A-Fa-f] 
Print or Graph       可打印的ASCII字符[\x21-\x7E]
Punct                 非字母或數(shù)字ASCII [\p{Print}&&\P{Alnum}] 
ASCII                 所有ASCII字符 [\x00-\x7F]
Cntrl                 ASCII控制字符[\x00-\x1F]
Blank                 空格符或制表符[ \t]
Space                 空白符 [ \t\n\r\f\0x0B]
javaLowerCase     取決于Character.isLowerCase()的小寫字符
javaUpperCase     取決于Character.isUpperCase()的大寫字符
javaWhitespace   取決于Character.isWhitespace()的空白符
javaMirrored         取決于Character.isMirrored()的Mirrored（？） 
InBlock               這里的Block是unicode字符的塊名，用空格隔開，比如BasicLatin 或 Mongolian。塊名列表                       參考http://www.unicode.org
Category 或InCategory   這里的Category是Unicode字符的種類名，比如L（字母）或者Sc（貨幣符號）。種類                           名列表參考http://www.unicode.org 

--------------------------------------------------------------------------------

  matcher的輸入可以是實(shí)現(xiàn)CharSequence接口的任何類對象，像String，StringBuilder或CharBuffer。

  當(dāng)編譯模式時(shí)，可以設(shè)置一個(gè)或多個(gè)標(biāo)志，例如

Pattern pattern = Pattern.compile(patternString,

Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);


下面六個(gè)標(biāo)志都是支持的：

CASE_INSENSITIVE：匹配字符時(shí)與大小寫無關(guān)，該標(biāo)志默認(rèn)只考慮US ASCII字符。

UNICODE_CASE：當(dāng)與CASE_INSENSITIVE結(jié)合時(shí)，使用Unicode字母匹配

MULTILINE：^和$匹配一行的開始和結(jié)尾，而不是整個(gè)輸入

UNIX_LINES： 當(dāng)在多行模式下匹配^和$時(shí)，只將'\n'看作行終止符

DOTALL: 當(dāng)使用此標(biāo)志時(shí)，.符號匹配包括行終止符在內(nèi)的所有字符

CANON_EQ: 考慮Unicode字符的規(guī)范等價(jià)


  如果正則表達(dá)式包含分組，Matcher對象能夠揭示分組邊界。方法

int start(int groupIndex)

int end(int groupIndex)

返回某個(gè)特殊分組的起始索引和結(jié)尾后索引（past-the-end index ）。
通過調(diào)用String group(int groupIndex)，你可以簡單地得到匹配的字符串。
第0個(gè)分組代表所有的分組，第一個(gè)實(shí)際分組的索引是1。調(diào)用groupCount來獲得總的分組數(shù)。

  使用開放圓括號來安排嵌套分組。例如，給定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且輸入11:59am,Matcher對象報(bào)告下列分組
((1?[0-9]):([0-5][0-9]))[ap]m
并輸入
11:59am
matcher報(bào)告下列分組


--------------------------------------------------------------------------------
分組索引 起始 結(jié)束 字符串

--------------------------------------------------------------------------------
0         0       7     11;59am
1         0       5     11:59
2         0       2     11
3         3       5     59

--------------------------------------------------------------------------------

最新評論