一.入门基础
1.元字符
很多人对正则表达式的印象就是乱码。。许许多多的符号组合在一起，偶见单词，正则确实是这样的，所以下面我们要看看这些符号都是什么意思
有些符号不是大家看到的字面上的意思：比如“.”、“!”、“?” ……
这些符号就称之为元字符
下面我们逐一说明
“” ：转义符号，在字符组内依然是元字符。
在检查一行文本时
“^” ：脱字符：表示一行的开始
“$” ：美元符号：表示一行的结束
字符组
“[]” ：一对中括号，里面可以添加任何内容，比如[hate]，括号里面的内容是或者的关系，这个正则的意义是：我想匹配一个字符，这个字符可以是h，可以是a，也可以是t或e。
记住：字符组最终只会匹配一个字符。 即使你的目标字符串是hate，那么一次匹配成功的结果也只是第一个字母h，并不是整个单词，如果我就想匹配hate这个单词怎么办？很容易，正则内容为“hate”，在字符组外面的字符的关系是“和，并且”的意思。
注意：字符组内的元字符和字符组外的元字符并不一样，即使字符一样，表示的意义也未必相同 （*）
我们先学习下一个内容，然后再来给大家解释上面的这句话
“[^]” ：括号里面以“^”开头，是字符组的否定形式 ，比如：[^hate]表示：匹配除了h、a、t、e以外的其他字符，依然只会匹配一个字符
之前刚刚学过“^”表示一行的开始，但是脱字符位于[]内的起始位置则表示否定，这也解释了（*） 的内容
如果脱字符位于括号内其他位置表示什么呢？那它表示它自己，此时并不再是一个元字符
“-” ：减号，可以在字符组内表示区间、范围。比如“[a-z]”，表示匹配a到z直接的任意一个小写字母，如果是“[-z]”，那么“-”只表示它自己，没有任何特殊意义，它在字符组外也没有任何特殊意义。
ps：关于“^”、“$”、“-”的其他用法将在高级基础篇讲述
“.” ：点号，匹配一个任意字符的字符组简便写法。“.”在字符组内没不是元字符
ps：“.”也不是万能的，有些字符无法匹配，之后会详细解释并给出替代方案
“|” ：竖线，表示或者，这个很容易记忆，如果想匹配hate或者like，那么正则为：“hate|like”
注意：如果想匹配I hate you和I like you。那么正则为：“I hate|like) you”。如果写成“I hate|like you”，那么匹配的结果为“I hate”或者是“like you”了
这里圆括号的作用是控制竖线的作用范围，“)”有很多作用，稍后再说
“” ：它的作用是单词分隔符，如果我想匹配like，那么正则为“like”，没错，但是会得到一些我不想要的结果，比如likely也会跑到结果集中，我可不想要这些单词。那么修改正则为：“like”，这回就只能匹配like这个单词了。
注意：java中的单词分隔符为“”，有些语言的单词分隔符为“<” 和“>” 。
单词边界是什么呢？其实正则没有那么聪明，它不会识别“Ilikeyou”为“I like you”，它只是找到数字和字母的起始位置和结束位置而已
“w” ：单词字符。在java中相当于“[a-zA-Z0-9_]”。 但是java中的“”却支持Unicode字符。
下面我们来看看正则中的“数字” – 量词
“?” ：表示0个至1个
“*” ：表示0个至任意多个
“+” ：表示至少一个
“{min,max}” ：区间量词。“{2,5}”，表示匹配2到5次。“{2,}”表示至少两次，“{2}”表示只匹配两次。 “{,2}”，正则错误，无意义
举个例子：正如上面的反面教程所说，如果想匹配一个正整数，那么应该如何来做
首先我们需要明确：我不想匹配0123，只想匹配123这样的数字，0不能开头，第二个要求就是除了数字不能有其他字符了
之前我们学过字符组了，“[0-9]”可以表示0至9中任意一个数字，那么根据上面的量词，我们改正则为“[0-9]+”，表示至少有一个数字，至多没有限制。但是0123这样的数字也会满足要求。那么我们再修改一下，首先第一位不能为0，那么这一位可以写为“[1-9]”，表示匹配1到9的任何一个数字，之后呢？后面的数字有没有都无所谓了，有，那就是多位数，没有，那就是一位数。所以正则为“[1-9][0-9]*”。
常见字符范围缩写
贪婪与懒惰
我们再来看一个量词的例子。比如我想匹配一个单词，正则可以这么写“[a-zA-Z]+”，或者“w+”
1 /** 2 * 测试 正则表达式 3 * @ClassName: regexTest_1 4 * @Description: 5 * @author xingle 6 * @date 2014-4-21 上午11:15:09 7 */ 8 public class regexTest_1 { 9 public static void mainString[] args) { 10 String input = "there is a book on the desk."; 11 // 正则表达式 12 String regex = "\w+"; 13 Pattern p = Pattern.compileregex); 14 Matcher m = p.matcherinput); 15 boolean found = false; 16 while m.find)) { 17 found = true; 18 System.out.println"输入："+input); 19 System.out.printf"匹配的字符： "%s" 索引开始为 %d and 结束索引为 %d.%n", 20 m.group), m.start), m.end)); 21 System.out.println); 22 } 23 iffound==false){ 24 System.out.println"没有找到匹配字符串！"); 25 } 26 27 } 28 29 }
执行结果：
输入：there is a book on the desk.
匹配的字符： “there” 索引开始为 0 and 结束索引为 5.
输入：there is a book on the desk.
匹配的字符： “is” 索引开始为 6 and 结束索引为 8.
输入：there is a book on the desk.
匹配的字符： “a” 索引开始为 9 and 结束索引为 10.
输入：there is a book on the desk.
匹配的字符： “book” 索引开始为 11 and 结束索引为 15.
输入：there is a book on the desk.
匹配的字符： “on” 索引开始为 16 and 结束索引为 18.
输入：there is a book on the desk.
匹配的字符： “the” 索引开始为 19 and 结束索引为 22.
输入：there is a book on the desk.
匹配的字符： “desk” 索引开始为 23 and 结束索引为 27.
有个问题就出来了：“w+”表示至少一个“w”，那么为什么结果不是“t”、“h”、“e”、“r”、“e”，而是“there”。
上面的量词，除了“{times}”这种指定匹配次数的，其余默认均为贪婪匹配。也就是说尽可能多的匹配。
相对的就有惰性匹配，那么惰性匹配如何使用？
下面修改一下例子：“w*e”表示以e结尾的单词，现在这里的*还是贪婪匹配。
1 public class regexTest_1 { 2 public static void mainString[] args) { 3 String input = "there is a book on the desk."; 4 // 正则表达式 5 String regex = "\w*e"; 6 Pattern p = Pattern.compileregex); 7 Matcher m = p.matcherinput); 8 int c = 0; 9 boolean found = false; 10 System.out.println"输入："+input); 11 while m.find)) { 12 c++; 13 found = true; 14 System.out.println"第 "+c+"个"); 15 System.out.printf"匹配的字符： "%s" 索引开始为 %d and 结束索引为 %d.%n", 16 m.group), m.start), m.end)); 17 System.out.println); 18 } 19 iffound==false){ 20 System.out.println"没有找到匹配字符串！"); 21 } 22 } 23 }
执行结果：
输入：there is a book on the desk.
第 1个
匹配的字符： “there” 索引开始为 0 and 结束索引为 5.
第 2个
匹配的字符： “the” 索引开始为 19 and 结束索引为 22.
第 3个
匹配的字符： “de” 索引开始为 23 and 结束索引为 25.
如果我想匹配到单词中的第一个e，那么如何修改呢？
1 public class regexTest_1 { 2 public static void mainString[] args) { 3 String input = "there is a book on the desk."; 4 // 正则表达式 匹配到每个单词的第一个e结束 5 String regex = "\b\w*?e"; 6 Pattern p = Pattern.compileregex); 7 Matcher m = p.matcherinput); 8 int c = 0; 9 boolean found = false; 10 System.out.println"输入："+input); 11 while m.find)) { 12 c++; 13 found = true; 14 System.out.println"第 "+c+"个"); 15 System.out.printf"匹配的字符： "%s" 索引开始为 %d and 结束索引为 %d.%n", 16 m.group), m.start), m.end)); 17 System.out.println); 18 } 19 iffound==false){ 20 System.out.println"没有找到匹配字符串！"); 21 } 22 } 23 }
执行结果：
输入：there is a book on the desk.
第 1个
匹配的字符： “the” 索引开始为 0 and 结束索引为 3.
第 2个
匹配的字符： “the” 索引开始为 19 and 结束索引为 22.
第 3个
匹配的字符： “de” 索引开始为 23 and 结束索引为 25.
还是来看there，这回“w+”只匹配了“th”，并没有匹配到“ther”才停止。
惰性匹配就是尽可能少的匹配，使用方法就是在量词后面加上“?”
如果量词后面没有“?”等其他量词，那么就是默认的贪婪匹配。
要是匹配整个单词，结尾加单词分隔符“”
1 public class regexTest_1 { 2 public static void mainString[] args) { 3 String input = "there is a book on the desk."; 4 // 正则表达式 匹配到以e结束的整个单词 5 String regex = "\b\w*?e\b"; 6 Pattern p = Pattern.compileregex); 7 Matcher m = p.matcherinput); 8 int c = 0; 9 boolean found = false; 10 System.out.println"输入："+input); 11 while m.find)) { 12 c++; 13 found = true; 14 System.out.println"第 "+c+"个"); 15 System.out.printf"匹配的字符： "%s" 索引开始为 %d and 结束索引为 %d.%n", 16 m.group), m.start), m.end)); 17 System.out.println); 18 } 19 iffound==false){ 20 System.out.println"没有找到匹配字符串！"); 21 } 22 } 23 }
执行结果：
输入：there is a book on the desk.
第 1个
匹配的字符： “there” 索引开始为 0 and 结束索引为 5.
第 2个
匹配的字符： “the” 索引开始为 19 and 结束索引为 22.
“?”，“*”，“+”：也叫匹配优先量词
“*?”，“+?”，“??”：也叫忽略优先量词
其实还有一种量词：
“?+”，“*+”，“++”：占有优先量词 。 （支持这种量词的正则引擎很少，java支持）
这节不讨论这种类型量词，之后的章节讨论
) ：将括号里面的内容作为一个独立的单元，理解为一组。
二 、正则表达式进阶
1.捕获组
捕获组（capturing group）是将多个字符作为单独的单元来对待的一种方式。构建它们可以通过把字符放在一对圆括号中而成为一组。例如，正则表达式dog)建了单个的组，包括字符“d”“o”和“g”。匹配捕获组输入的字符串部分将会存放于内存中，稍后通过反向引用再次调用。
1.编号方式
在 Pattern 的 API 描述中，捕获组通过从左至右计算开始的圆括号进行编号。例如，在表达式A)BC)))中，有下面的四组：
1. A)BC)))
2. A)
3. BC))
4. C)
要找出当前的表达式中有多少组，通过调用 Matcher 对象的 groupCount 方法。groupCount 方法返回 int 类型值，表示当前 Matcher 模式中捕获组的数量。例如，groupCount 返回 4 时，表示模式中包含有 4 个捕获组。
有一个特别的组——组 0，它表示整个表达式。这个组不包括在 groupCount 的报告范围内。以?开始的组是纯粹的非捕获组（non-capturing group），它不捕获文本，也不作为组总数而计数
Matcher 中的一些方法，可以指定 int 类型的特定组号作为参数，因此理解组是如何编号的是尤为重要的。
public int startint group)：返回之前的匹配操作期间，给定组所捕获的子序列的初始索引。
public int endint group)：返回之前的匹配操作期间，给定组所捕获子序列的最后字符索引加 1。
public String group int group)：返回之前的匹配操作期间，通过给定组而捕获的输入子序列。
2.非捕获组
一些表达式中，不得不使用 )，但又不需要保存 )中子表达式匹配的内容，这时可以用非捕获组来抵消使用 )带来的副作用。
“?:)” ：非捕获型括号。“?:desk)”会匹配到desk这个字符串，但是如果你企图使用反向引用“?:desk) 1”，那么就会出现错误。这样的操作是非法的。
注意：非捕获型括号不影响捕获计数
好处：
1.提高效率，很容易理解，不记住捕获的内容也就不占用内存了
2.结构清晰
3.反向引用
1 概述
捕获组捕获到的内容，不仅可以在正则表达式外部通过程序进行引用，也可以在正则表达式内部进行引用，这种引用方式就是反向引用。
反向引用的作用通常是用来查找或限定重复、查找或限定指定标识配对出现等等。
对于普通捕获组和命名捕获组的引用，语法如下：
普通捕获组反向引用：k<number>，通常简写为
umber
命名捕获组反向引用：k<name>或者k’name’
普通捕获组反向引用中number是十进制的数字，即捕获组的编号；命名捕获组反向引用中的name为命名捕获组的组名。
2 反向引用匹配原理
捕获组Expression)在匹配成功时，会将子表达式匹配到的内容，保存到内存中一个以数字编号的组里，可以简单的认为是对一个局部变量进行了赋值，这时就可以通过反向引用方式，引用这个局部变量的值。一个捕获组Expression)在匹配成功之前，它的内容可以是不确定的，一旦匹配成功，它的内容就确定了，反向引用的内容也就是确定的了。
反向引用必然要与捕获组一同使用的，如果没有捕获组，而使用了反向引用的语法，不同语言的处理方式不一致，有的语言会抛异常，有的语言会当作普通的转义处理。
2.1 从一个简单例子说起
源字符串：abcdebbcde
正则表达式：[ab])1
对于正则表达式“[ab])1”，捕获组中的子表达式“[ab]”虽然可以匹配“a”或者“b”，但是捕获组一旦匹配成功，反向引用的内容也就确定了。如果捕获组匹配到“a”，那么反向引用也就只能匹配“a”，同理，如果捕获组匹配到的是“b”，那么反向引用也就只能匹配“b”。由于后面反向引用“1”的限制，要求必须是两个相同的字符，在这里也就是“aa”或者“bb”才能匹配成功。
考察一下这个正则表达式的匹配过程，在位置0处，由“[ab])”匹配“a”成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“1”，由于此时捕获组已记录了捕获内容为“a”，“1”也就确定只有匹配到“a”才能匹配成功，这里显然不满足，“1”匹配失败，由于没有可供回溯的状态，整个表达式在位置0处匹配失败。
正则引擎向前传动，在位置5之前，“[ab])”一直匹配失败。传动到位置5处时，，“[ab])”匹配到“b”，匹配成功，将捕获的内容保存在编号为1的组中，然后把控制权交给“1”，由于此时捕获组已记录了捕获内容为“b”，“1”也就确定只有匹配到“b”才能匹配成功，满足条件，“1”匹配成功，整个表达式匹配成功，匹配结果为“bb”，匹配开始位置为5，结束位置为7。
扩展一下，正则表达式“[a-z])1{2}”也就表达连续三个相同的小写字母。
常用空白字符
“s” ：表示所有空白字符。
“ ” ：制表符。
“
” ：换行符。
“” ：回车。
一些其他常用的缩略表示
“S” ：除“s”之外的任何字符
“w” ：等同于[a-zA-Z0-9_]
“W ” ：除“w”之外的任何字符
“d” ：等同于[0-9]
“D” ：除“d”之外的任何字符
有些工具不支持，比如EditPlus v3.10 中的查找就不支持d等。
环视（零宽断言）
环视分为顺序和逆序，肯定和否定，组合一下一共4种。下面就看看环视到底是什么
“?=)” ：顺序肯定环视：（从左至右）查看文本，如果能够匹配，就返回匹配成功信息。
“?<=)” ：逆序肯定环视：（从右至左）查看文本，如果能够匹配，就返回匹配成功信息。
“?!)” ：顺序否定环视：（从左至右）查看文本，如果不能够匹配，就返回匹配成功信息。
“?<!)” ：逆序否定环视：（从右至左）查看文本，如果不能够匹配，就返回匹配成功信息。
下面看几个简单的实例
例：下面有两句话，加入你只想找到book，不想找到books
there is a book on the desk.
there are some books on the desk.
最简单的办法是：“book”，这很容易理解，book后面跟着单词分隔符，book后面如果是s，那么肯定被认为是一个单词，所以这样不会匹配到books。如果用环视，应该如何书写呢
“book?!w)”
1 public class regexTest_1 { 2 public static void mainString[] args) { 3 String input = "there is a book on the desk. there are some books on the desk."; 4 // 正则表达式 等价于"book\b" 5 String regex = "book?!\w)"; 6 Pattern p = Pattern.compileregex); 7 Matcher m = p.matcherinput); 8 int c = 0; 9 boolean found = false; 10 System.out.println"输入："+input); 11 while m.find)) { 12 c++; 13 found = true; 14 System.out.println"第 "+c+"个"); 15 System.out.printf"匹配的字符： "%s" 索引开始为 %d and 结束索引为 %d.%n", 16 m.group), m.start), m.end)); 17 System.out.println); 18 } 19 iffound==false){ 20 System.out.println"没有找到匹配字符串！"); 21 } 22 } 23 }
正则中的book很好理解，依次匹配b、o、o、k，然后呢，w在上面说过等同于[a-zA-Z0-9]，“?!w)”是说：我要找这样一个位置，这个位置的后面不能是w。
第一句话中，在匹配了book后，发现紧跟的是一个空格，恩，不是w中的内容，匹配成功。
如果想匹配books的book怎么办，很简单“book?=s)”
注意：环视不会占用字符！环视查找的是字符与字符之间的位置。
环视括号并没有捕获字符的功效，所以不能使用反向引用。
参考资料：