正则表达式的总结

一、JDK提供的正则表达式
Javasjava.util.regex包包括：Pattern类、Matcher类、MatchResult接口和PatternSyntaxException异常：
Pattern对象代表了编译了的正则表达式（Acompiledrepresentationofaregularexpression.）。
Matcher，AnenginethatperformsmatchoperationsonacharactersequencebyinterpretingaPattern.
MatchResult接口：Theresultofamatchoperation.
PatternSyntaxException对象，描述非法的regexpatterns，Uncheckedexceptionthrowntoindicateasyntaxerrorinaregular-expressionpattern.
同时还需要了解是CharSequence，JDK1.4定义的新的接口，它提供了String和StringBuffer这两个类的字符序列的抽象
interfaceCharSequence{charAt(inti);length();subSequence(intstart,intend);toString();}
为了实现这个新的CharSequence接口，String，StringBuffer以及CharBuffer都作了修改，很多的正则表达式的操作都要拿CharSequence作参数。

Matcher类的几个重要的方法：
booleanmatches()：Pattern匹配整个字符串
booleanlookingAt()：Pattern匹配字符串的开头
booleanfind()：发现CharSequence里的，与pattern相匹配的多个字符序列
booleanfind(intstart)：告诉方法从参数start位置开始查找
group的概念
Group是指里用括号括起来的，能被后面的表达式调用的正则表达式。
Group0表示整个表达式，group1表示第一个被括起来的group，以此类推。所以；
A(B(C))D
里面有三个group：group0是ABCD，group1是BC，group2是C。
你可以用下述Matcher方法来使用group：
publicintgroupCount()返回matcher对象中的group的数目。不包括group0。
publicStringgroup()返回上次匹配操作(比方说find())的group0(整个匹配)
publicStringgroup(inti)返回上次匹配操作的某个group。如果匹配成功，但是没能找到group，则返回null。
publicintstart(intgroup)返回上次匹配所找到的group的开始位置。
publicintend(intgroup)返回上次匹配所找到的group的结束位置，最后一个字符的下标加一。
split()是指将以正则表达式为界，将字符串分割成String数组,如果带有limit参数，split()会限定分割的次数。
replaceFirst(Stringreplacement)将字符串里，第一个与模式相匹配的子串替换成replacement。
replaceAll(Stringreplacement)，将输入字符串里所有与模式相匹配的子串全部替换成replacement。
appendReplacement(StringBuffersbuf,Stringreplacement)对sbuf进行逐次替换，而不是像replaceFirst()或replaceAll()那样，只替换第一个或全部子串。这是个非常重要的方法，因为replacement(replaceFirst()和replaceAll()只允许用固定的字符串来充当replacement)。有了这个方法，你就可以编程区分group，从而实现更强大的替换功能。
调用完appendReplacement()之后，为了把剩余的字符串拷贝回去，必须调用appendTail(StringBuffersbuf,Stringreplacement)。

使用group可以做到逐步缩小匹配的范围，直至精确匹配的目的。
start()和end()：如果匹配成功，start()会返回此次匹配的开始位置，end()会返回此次匹配的结束位置，即最后一个字符的下标加一。如果之前的匹配不成功(或者没匹配)，那么无论是调用start()还是end()，都会引发一个IllegalStateException。

二、4大使用方法：
查询
Stringstr=abcefgABC;
StringregEx=a|f;//表示a或f
Patternp=Pattern.compile(regEx);
Matcherm=p.matcher(str);
booleanrs=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Patternp=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);
提取
StringregEx=.+\(.+)$;
Stringstr=c:\dir1\dir2\name.txt;
Patternp=Pattern.compile(regEx);
Matcherm=p.matcher(str);
booleanrs=m.find();
for(inti=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();

分割
StringregEx=::;
Patternp=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：
Stringstr=xd::abc::cde;
String[]r=str.split(::);

替换或者删除
StringregEx=a+;//表示一个或多个a
Patternp=Pattern.compile(regEx);
Matcherm=p.matcher(aaabbcedaccdeaa);
Strings=m.replaceAll(A);
结果为AbbcedAccdeA
如果写成空串，既可达到删除的功能，比如：
Strings=m.replaceAll(");
结果为bbcedccde

三、一个实际的例子
下面的函数是一个实际应用的例子，需求是需要将抓取的网页中的imgsrc=http://aa.bb.cc.com/images/**.jpg中的地址，保存到一个地址列表中（以供抓取图片使用），并将绝对地址替换成本地的相对地址，即imgsrc=images/**.jpg。
publicstaticMapString,StringgetImagesURL(Stringdescription){
MapString,Stringmap=newHashMapString,String();
//img的正则表达式:匹配img标签
StringimgPattern=*;
Patternpattern1=Pattern.compile(imgPattern,Pattern.CASE_INSENSITIVE);
Matchermatcher=pattern1.matcher(description);
//imgsrc元素的正则表达式：匹配img标签内的src属性
StringsrcPattern=;
Patternpattern2=Pattern.compile(srcPattern,Pattern.CASE_INSENSITIVE);
while(matcher.find()){
//group()返回符合表达式的内容
Matchermatcher2=pattern2.matcher(matcher.group());
//一定要find(),这是实际的匹配动作
if(matcher2.find()){
Stringsrc=matcher2.group();
log.info(src);
inti2=src.lastIndexOf(/');
inti1=src.indexOf(http);
if(i1!=-1){
map.put(src.substring(i2+1,src.length()-1),src
.substring(i1,src.length()-1));
}
}
}
log.debug(图片：+map);
returnmap;
}

整体思路是先匹配到img标签，然后匹配src属性，并修改src的属性
*的解释：
*:0或多个空格+:至少一个空格
([^]+)：指的是到为止的所有的元素，至少一个

常用的正则表达式（参考jdk的regex文档）
字符集类
.表示任意一个字符
[abc]表示字符a，b，c中的任意一个(与a|b|c相同)
[^abc]除a，b，c之外的任意一个字符(否定)
[a-zA-Z]从a到z或A到Z当中的任意一个字符(范围)
[abc[hij]]a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集)
[a-z[hij]]h,i,j中的一个(交集)
\s空格字符(空格键,tab,换行,换页,回车)
\S非空格字符([^\s])
\d一个数字，也就是[0-9]
\D一个非数字的字符，也就是[^0-9]
\w一个单词字符(wordcharacter)，即[a-zA-Z_0-9]
\W一个非单词的字符，[^\w]
字符类：
B字符B
\xhh16进制值0xhh所表示的字符
\uhhhh16进制值0xhhhh所表示的Unicode字符
\tTab
\n换行符
\r回车符
\f换页符
\eEscape
逻辑运算符
XYX后面跟着Y
X|YX或Y
(X)一个要匹配的组(capturinggroup).以后可以用\i来表示第i个被匹配的组。
边界匹配符
^一行的开始
$一行的结尾
\b一个单词的边界
\B一个非单词的边界
\G前一个匹配的结束

数量表示符
数量表示符(quantifier)的作用是定义模式应该匹配多少个字符。
Greedy(贪婪的)：除非另有表示，否则数量表示符都是greedy的。Greedy的表达式会一直匹配下去，直到匹配不下去为止。(如果你发现表达式匹配的结果与预期的不符)，很有可能是因为，你以为表达式会只匹配前面几个字符，而实际上它是greedy的，因此会一直匹配下去。
Reluctant(勉强的)：用问号表示，它会匹配最少的字符。也称为lazy,minimalmatching,non-greedy,或ungreedy。
Possessive(占有的)：目前只有Java支持(其它语言都不支持)。它更加先进，所以你可能还不太会用。用正则表达式匹配字符串的时候会产生很多中间状态，(一般的匹配引擎会保存这种中间状态，)这样匹配失败的时候就能原路返回了。占有型的表达式不保存这种中间状态，因此也就不会回头重来了。它能防止正则表达式的失控，同时也能提高运行的效率。

GreedyReluctantPossessive匹配

X?X??X?+匹配一个或零个X
X*X*?X*+匹配零或多个X
X+X+?X++匹配一个或多个X
X{n}X{n}?X{n}+匹配正好n个X
X{n,}X{n,}?X{n,}+匹配至少n个X
X{n,m}X{n,m}?X{n,m}+匹配至少n个，至多m个X