正則表達式常用字符
構造
匹配
字符
字符類
預定義字符類
POSIX 字符類(僅 US-ASCII)
java.lang.Character 類(簡單的 java 字符類型)
Unicode 塊和類別的類
邊界匹配器
Greedy 數量詞
Reluctant 數量詞
Possessive 數量詞
Logical 運算符
Back 引用
引用
特殊構造(非捕獲)
x | 字符 x |
\\ | 反斜線字符 |
\0n | 帶有八進制值 0 的字符 n (0 <= n <= 7) |
\0nn | 帶有八進制值 0 的字符 nn (0 <= n <= 7) |
\0mnn | 帶有八進制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7) |
\xhh | 帶有十六進制值 0x 的字符 hh |
\uhhhh | 帶有十六進制值 0x 的字符 hhhh |
\t | 製表符 ('\u0009') |
\n | 新行(換行)符 ('\u000A') |
\r | 回車符 ('\u000D') |
\f | 換頁符 ('\u000C') |
\a | 報警 (bell) 符 ('\u0007') |
\e | 轉義符 ('\u001B') |
\cx | 對應於 x 的控制符 |
[abc] | a、b 或 c(簡單類) |
[^abc] | 任何字符,除了 a、b 或 c(否定) |
[a-zA-Z] | a 到 z 或 A 到 Z,兩頭的字母包括在內(範圍) |
[a-d[m-p]] | a 到 d 或 m 到 p:[a-dm-p](並集) |
[a-z&&[def]] | d、e 或 f(交集) |
[a-z&&[^bc]] | a 到 z,除了 b 和 c:[ad-z](減去) |
[a-z&&[^m-p]] | a 到 z,而非 m 到 p:[a-lq-z](減去) |
. | 任何字符(與行結束符可能匹配也可能不匹配) |
\d | 數字:[0-9] |
\D | 非數字: [^0-9] |
\s | 空白字符:[ \t\n\x0B\f\r] |
\S | 非空白字符:[^\s] |
\w | 單詞字符:[a-zA-Z_0-9] |
\W | 非單詞字符:[^\w] |
\p{Lower} | 小寫字母字符:[a-z] |
\p{Upper} | 大寫字母字符:[A-Z] |
\p{ASCII} | 所有 ASCII:[\x00-\x7F] |
\p{Alpha} | 字母字符:[\p{Lower}\p{Upper}] |
\p{Digit} | 十進制數字:[0-9] |
\p{Alnum} | 字母數字字符:[\p{Alpha}\p{Digit}] |
\p{Punct} | 標點符號:!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ |
\p{Graph} | 可見字符:[\p{Alnum}\p{Punct}] |
\p{Print} | 可打印字符:[\p{Graph}\x20] |
\p{Blank} | 空格或製表符:[ \t] |
\p{Cntrl} | 控制字符:[\x00-\x1F\x7F] |
\p{XDigit} | 十六進制數字:[0-9a-fA-F] |
\p{Space} | 空白字符:[ \t\n\x0B\f\r] |
\p{javaLowerCase} | 等效於 java.lang.Character.isLowerCase() |
\p{javaUpperCase} | 等效於 java.lang.Character.isUpperCase() |
\p{javaWhitespace} | 等效於 java.lang.Character.isWhitespace() |
\p{javaMirrored} | 等效於 java.lang.Character.isMirrored() |
\p{InGreek} | Greek 塊(簡單塊)中的字符 |
\p{Lu} | 大寫字母(簡單類別) |
\p{Sc} | 貨幣符號 |
\P{InGreek} | 所有字符,Greek 塊中的除外(否定) |
[\p{L}&&[^\p{Lu}]] | 所有字母,大寫字母除外(減去) |
^ | 行的開頭 |
$ | 行的結尾 |
\b | 單詞邊界 |
\B | 非單詞邊界 |
\A | 輸入的開頭 |
\G | 上一個匹配的結尾 |
\Z | 輸入的結尾,僅用於最後的結束符(如果有的話) |
\z | 輸入的結尾 |
X? | X,一次或一次也沒有 |
X* | X,零次或多次 |
X+ | X,一次或多次 |
X{n} | X,恰好 n 次 |
X{n,} | X,至少 n 次 |
X{n,m} | X,至少 n 次,但是不超過 m 次 |
X?? | X,一次或一次也沒有 |
X*? | X,零次或多次 |
X+? | X,一次或多次 |
X{n}? | X,恰好 n 次 |
X{n,}? | X,至少 n 次 |
X{n,m}? | X,至少 n 次,但是不超過 m 次 |
X?+ | X,一次或一次也沒有 |
X*+ | X,零次或多次 |
X++ | X,一次或多次 |
X{n}+ | X,恰好 n 次 |
X{n,}+ | X,至少 n 次 |
X{n,m}+ | X,至少 n 次,但是不超過 m 次 |
XY | X 後跟 Y |
X|Y | X 或 Y |
(X) | X,作爲捕獲組 |
\n | 任何匹配的 nth捕獲組 |
\ | Nothing,但是引用以下字符 |
\Q | Nothing,但是引用所有字符,直到 \E |
\E | Nothing,但是結束從 \Q 開始的引用 |
(?:X) | X,作爲非捕獲組 |
(?idmsux-idmsux) | Nothing,但是將匹配標誌i d m s u x on - off |
(?idmsux-idmsux:X) | X,作爲帶有給定標誌 i d m s u x on - off |
(?=X) | X,通過零寬度的正 lookahead |
(?!X) | X,通過零寬度的負 lookahead |
(?<=X) | X,通過零寬度的正 lookbehind |
(?<!X) | X,通過零寬度的負 lookbehind |
(?>X) | X,作爲獨立的非捕獲組 |
反斜線、轉義和引用
反斜線字符 ('\') 用於引用轉義構造,如上表所定義的,同時還用於引用其他將被解釋爲非轉義構造的字符。因此,表達式 \\ 與單個反斜線匹配,而 \{ 與左括號匹配。
在不表示轉義構造的任何字母字符前使用反斜線都是錯誤的;它們是爲將來擴展正則表達式語言保留的。可以在非字母字符前使用反斜線,不管該字符是否非轉義構造的一部分。
根據
Java Language Specification 的要求,Java 源代碼的字符串中的反斜線被解釋爲 Unicode 轉義或其他字符轉義。因此必須在字符串字面值中使用兩個反斜線,表示正則表達式受到保護,不被 Java 字節碼編譯器解釋。例如,當解釋爲正則表達式時,字符串字面值 "\b" 與單個退格字符匹配,而 "\\b" 與單詞邊界匹配。字符串字面值 "\(hello\)" 是非法的,將導致編譯時錯誤;要與字符串 (hello) 匹配,必須使用字符串字面值 "\\(hello\\)"。
字符類
字符類可以出現在其他字符類中,並且可以包含並集運算符(隱式)和交集運算符 (&&)。並集運算符表示至少包含其某個操作數類中所有字符的類。交集運算符表示包含同時位於其兩個操作數類中所有字符的類。
字符類運算符的優先級如下所示,按從最高到最低的順序排列:
1 2 3 4 5
字面值轉義 \x 分組 [...] 範圍 a-z 並集 [a-e][i-u] 交集 [a-z&&[aeiou]]
注意,元字符的不同集合實際上位於字符類的內部,而非字符類的外部。例如,正則表達式 . 在字符類內部就失去了其特殊意義,而表達式 - 變成了形成元字符的範圍。
行結束符
行結束符 是一個或兩個字符的序列,標記輸入字符序列的行結尾。以下代碼被識別爲行結束符:
新行(換行)符 ('\n')、
後面緊跟新行符的回車符 ("\r\n")、
單獨的回車符 ('\r')、
下一行字符 ('\u0085')、
行分隔符 ('\u2028') 或
段落分隔符 ('\u2029)。
如果激活
UNIX_LINES
模式,則新行符是唯一識別的行結束符。
如果未指定 DOTALL
標誌,則正則表達式 . 可以與任何字符(行結束符除外)匹配。
默認情況下,正則表達式 ^ 和 $ 忽略行結束符,僅分別與整個輸入序列的開頭和結尾匹配。如果激活 MULTILINE
模式,則 ^ 在輸入的開頭和行結束符之後(輸入的結尾)才發生匹配。處於 MULTILINE
模式中時,$ 僅在行結束符之前或輸入序列的結尾處匹配。 Unicode Technical Standard #18:Unicode Regular Expression Guidelines 第 1 級和 RL2.1 Canonical Equivalents。
組和捕獲
捕獲組可以通過從左到右計算其開括號來編號。例如,在表達式 ((A)(B(C))) 中,存在四個這樣的組:
1 2 3 4
((A)(B(C))) \A (B(C)) (C)
組零始終代表整個表達式。
之所以這樣命名捕獲組是因爲在匹配中,保存了與這些組匹配的輸入序列的每個子序列。捕獲的子序列稍後可以通過 Back 引用在表達式中使用,也可以在匹配操作完成後從匹配器獲取。
與組關聯的捕獲輸入始終是與組最近匹配的子序列。如果由於量化的緣故再次計算了組,則在第二次計算失敗時將保留其以前捕獲的值(如果有的話)例如,將字符串 "aba" 與表達式 (a(b)?)+ 相匹配,會將第二組設置爲 "b"。在每個匹配的開頭,所有捕獲的輸入都會被丟棄。
以 (?) 開頭的組是純的非捕獲 組,它不捕獲文本,也不針對組合計進行計數。
Unicode 支持
此類符合
Java 源代碼中的 Unicode 轉義序列(如 \u2014)是按照 Java Language Specification 的 第 3.3 節中的描述處理的。這樣的轉義序列還可以由正則表達式解析器直接實現,以便在從文件或鍵盤擊鍵讀取的表達式中使用 Unicode 轉義。因此,可以將不相等的字符串 "\u2014" 和 "\\u2014" 編譯爲相同的模式,從而與帶有十六進制值 0x2014 的字符匹配。 Character
類指定版本中的 The Unicode Standard 的類別。類別名稱是在 Standard 中定義的,即標準又豐富。Pattern
所支持的塊名稱是 UnicodeBlock.forName
所接受和定義的有效塊名稱。 上文所述。
與 Perl 中一樣,Unicode 塊和類別是使用 \p 和 \P 構造編寫的。如果輸入具有屬性 prop,則與 \p{prop} 匹配,而輸入具有該屬性時與 \P{prop} 不匹配。塊使用前綴 In 指定,與在 InMongolian 中一樣。可以使用可選前綴 Is 指定類別:\p{L} 和 \p{IsL} 都表示 Unicode 字母的類別。塊和類別在字符類的內部和外部都可以使用。
受支持的類別是由
行爲類似 java.lang.Character boolean 是 methodname 方法(廢棄的類別除外)的類別,可以通過相同的 \p{prop} 語法來提供,其中指定的屬性具有名稱 javamethodname。
與 Perl 5 相比較
Pattern
引擎用有序替換項執行傳統上基於 NFA 的匹配,與 Perl 5 中進行的相同。
此類不支持 Perl 構造:
條件構造 (?{X}) 和 (?(condition)X|Y)、
嵌入式代碼構造 (?{code}) 和 (??{code})、
嵌入式註釋語法 (?#comment) 和
預處理操作 \l \u、\L 和 \U。
此類支持但 Perl 不支持的構造:
Possessive 數量詞,它可以儘可能多地進行匹配,即使這樣做導致所有匹配都成功時也如此。
字符類並集和交集,如
與 Perl 的顯著不同點是:
在 Perl 中,\1 到 \9 始終被解釋爲 Back 引用;如果至少存在多個子表達式,則大於 9 的反斜線轉義數按 Back 引用對待,否則在可能的情況下,它將被解釋爲八進制轉義。在此類中,八進制轉義必須始終以零開頭。在此類中,\1 到 \9 始終被解釋爲 Back 引用,較大的數被接受爲 Back 引用,如果在正則表達式中至少存在多個子表達式的話;否則,解析器將刪除數字,直到該數小於等於組的現有數或者其爲一個數字。
Perl 使用 g 標誌請求恢復最後匹配丟失的匹配。此功能是由
Matcher
類顯式提供的:重複執行find
方法調用可以恢復丟失的最後匹配,除非匹配器被重置。在 Perl 中,位於表達式頂級的嵌入式標記對整個表達式都有影響。在此類中,嵌入式標誌始終在它們出現的時候才起作用,不管它們位於頂級還是組中;在後一種情況下,與在 Perl 中類似,標誌在組的結尾處還原。
Perl 允許錯誤匹配構造,如在表達式 *a 中,以及不匹配的括號,如在在表達式 abc] 中,並將其作爲字面值對待。此類還接受不匹配的括號,但對 +、? 和 * 不匹配元字符有嚴格限制;如果遇到它們,則拋出
PatternSyntaxException
。
有關正則表達式構造行爲更準確的描述,請參見 Mastering Regular Expressions, 2nd Edition,該書由 Jeffrey