正则表达式

概述

正则表达式 => 用于描述文本 | 字符串的一组规则 => 处理文本 + 提取信息

转义字符

有的字符看不见，无法用一个键来表示。常见转义字符

• \n => 换行符
• \r
• \t => 制表符
• \" & \'
• \\ => 反斜杠

元字符

• ^ => 开始位置
• $ => 结束位置
• . => 单个任意字符（不一定包含换行符）=> Java 中声明 . 要匹配换行符，默认不匹配换行符 => (?s).
• \w => 单个 word 字符，字符 | 数字 | 下划线 | 汉字
• \s => 单个空白字符 \n + \r + \t
• \d => 单个数字字符 digit
• \b => 单词的开始或结束
  当要使用元字符原有的含义，需要转义

重复

• * => 0次 或 多次
• + => 1次 或 多次
• ? => 0次 或 1次
• {n} => n次
• {n,} => >=n次
• {n, m} => n到m次
  当要使用上述字符原有的含义时，需要转义

选择

• [aeiou] => 单个 a | e | i | o | u 字符之一
• [0-9] => 单个数字字符
• [A-Z] => 单个大写字母
• [A-Z0-9_] => 大写字母或者数字或者下划线
• Hi|hi === [Hh]i => Hi 或者 hi
  当要使用上述字符原有的含义时，需要转义

反义

• [^aeiou] => 单个除 a | e | i | o | u 之外的字符
• [^x] => 单个非 x 字符
• \W => 单个非\w（字母 | 数字 | 下划线 | 汉字）
• \S => 单个非 \s（空白）
• \D => 单个非 \d（数字）字符
• \B => 非开头 | 结束位置
  当要使用上述字符原有的含义时，需要转义

Java 中的 RegExp

Java 中的正则表达式是比较昂贵的

• 正则表达式需要解析 => java.util.regex.Pattern.compile => private static final Pattern SOME_PRECOMPILED_PATTERN = Pattern.compile("非常复杂的正则表达式");
• 匹配过程非常昂贵 => 当匹配特别复杂的正则表达式时会发生栈溢出 => 正则表达式匹配的过程是一个回溯的过程

java.lang.String

• split
• replaceAll | replaceFirst
• matches => 效率非常低

分组 & 捕获

Pattern telPattern = Pattern.compile("//d{3}-//d{8}");

Matcher matcher = telPattern.matcher("021-32413143\n345-32415343");

while (matcher.find()) {
    System.out.println(matcher.group(0)); // 021-32413143 | 345-32415343
    System.out.println(matcher.group(1)); // 021 | 345
}

可以将所有符合正则表达式的文本抓出来处理

• 使用括号 () 来指定一个被捕获的分组
• 分组的编号从 1 开始，0 是匹配的字符串
• 分组的编号计算只看左括号
• (?:)不捕获和分配编号，括号只用于分组或标记优先级

Java 处理捕获

1. Pattern.matcher
2. Matcher.find() & Matcher.group()

知识点

1. window 换行符 /r/n UNIX 换行符 /n
2. slash -> 斜杠
3. backslash -> 反斜杠
4. 各个语言的正则表达式引擎在细枝末节上有不同的实现
5. Java 正则表达式匹配中使用 \ 需要转义 "[aeiou\\]]"
6. \n\s*\r
7. java.lang.String split 会将结尾的空白字符删除
8. Java 中匹配一个 \ => \\\\ => \ === \\ + 匹配 === \\
9. 在 Java 中尽量少用或少编译 => 效率低