目录
一、介绍
正规表达式是一种描述一组字符串的方式，被用于搜索、提取、操作字符串。正规表达式通常字符描述匹配的字符，量词指明匹配的数量，还可以通过匹配边界来定位要匹配的位置，也可分组（用于反向引用或者获取组所匹配的字符串）。当然，正则表达式不止这点内容。
正则表达式的字面值（String Literals）、字符类（Character Classes）和预定义字符类（Predefined Character Classes）可以用以匹配字符串。量词（Quantifiers）可以指定前面一个单元可以匹配多少次字符。边界匹配（Boundary Matchers）找到匹配的位置。
java.util.regex包中提供了有关正则表达式的操作类Pattern和Matcher。Pattern代表编译后的正则表达式，通过compile函数创建Pattern对象，通过这个对象可以获得Matcher，Matcher是一个解析pattern和执行匹配操作的引擎。当然Pattern和Matcher都有匹配的功能，但是Matcher的功能比较多一点。
二、测试程序
来源于oracle官网，但进行了一定的修改，用于找出字符串中被匹配成功的子串，如果没有一个部分被匹配则输出相应结果。
public class App
{
public static void main(String[] arg) throws IOException {
BufferedReader console = new BufferedReader(new InputStreamReader(System.in, "utf-8"));
while (true) {
System.out.print("%nEnter your regex: ");
Pattern pattern =
Pattern.compile(console.readLine());
System.out.print("Enter input string to search: ");
Matcher matcher =
pattern.matcher(console.readLine());
boolean found = false;
while (matcher.find()) {
System.out.format("I found the text" +
" \"%s\" starting at " +
"index %d and ending at index %d.%n",
matcher.group(),
matcher.start(),
matcher.end());
found = true;
}
if(!found){
System.out.format("No match found.%n");
}
}
}
}
三、字面值（String Literals）
正则表达式最基础的使用就是使用字面值了，只要相同就匹配成功了。比如表达式foo，可以成功匹配字符串foo。运行程序测试如下：
Enter your regex: foo
Enter input string to search: foo
I found the text foo starting at index 0 and ending at index 3.
位置通过Matcher的start和end方法返回的，start返回0（包含该索引），end返回3（不包含该索引），可以通过下面的图示展示：
3.1、元字符
正则表达式有一些特殊的字符串有特殊的意义，不会匹配自己。比如.（小数点）会匹配任何字符串（默认不包含分解符），但是不会匹配只匹配.（小数点）。
其他的元字符有：<([{\^-=$!|]})?*+.>
元字符是正则表达式组成的一部分，如果需要被当做普通字符匹配字符，需要转义：
- 通过反斜杠转义\
- 通过放入\Q(开始）和\E（结束）之间转义
但是转义时需要注意：在编译阶段，编译器会对字符串转义一次，因此字符串中也有特殊字符，然后正则表达式也需要转义一次，因此可能会出现转义两次的情况。比如想要使用普通的.（小数点），需要正则表达式的引擎转义：\.，想要得到\.，需要编译器转义\\.，因此写代码时要写\\.才会匹配字符串中的.。再举个例子，我要匹配普通的\，引擎需要转义\\，而编译器需要转义\\\\，注意到了吗？代码中要写4个\！！！下面测试下.（小数点）:
%nEnter your regex: \.
Enter input string to search: .
I found the text "." starting at index 0 and ending at index 1.为啥不需要写\\.呢？因为我是在控制台输入的字符串啦，没有不需要编译器的转义，但是只关心引擎的转义就好了。。
四、字符类（Character Classes）
字符类就是一组包含于[]中的字符啦，字符类可以匹配一个字符，但是这个字符通常是[]中已经规定的。
| Construct | Description |
|---|---|
[abc] |
a, b, or c (simple class) |
[^abc] |
Any character except a, b, or c (negation) |
[a-zA-Z] |
a through z, or A through Z, inclusive (range) |
[a-d[m-p]] |
a through d, or m through p: [a-dm-p] (union) |
[a-z&&[def]] |
d, e, or f (intersection) |
[a-z&&[^bc]] |
a through z, except for b and c: [ad-z] (subtraction) |
[a-z&&[^m-p]] |
a through z, and not m through p: [a-lq-z] (subtraction) |
说明几个特殊的字符类，[a-d[m-p]]，就是联合（并集）的意思，与[a-dm-p]没什么区别，就是可以取a到d或者m到p之前的字符。[a-z&&[def]]就是交集的意思，只能取a到z和（d、e、f）中两个集合都有的字符。
五、预定义字符类
预定义字符类就是字符类呀，只是用了其他的方式来表示常用的字符类，这样可读性高，且不容易出错~
| Construct | Description |
|---|---|
. |
Any character (may or may not match line terminators) |
\d |
A digit: [0-9] |
\D |
A non-digit: [^0-9] |
\s |
A whitespace character: [ \t\n\x0B\f\r] |
\S |
A non-whitespace character: [^\s] |
\w |
A word character: [a-zA-Z_0-9] |
\W |
A non-word character: [^\w] |
比如\w就是大小写字母、下划线和数字的集合的字符类。可以自己使用测试程序试下，当然，可以进官网看例子。
六、量词（Quantifiers）
没有使用量词，上面的字面值、字符类只会匹配一个字符，但是通过量词便可以允许它匹配多次。注意，如果对组使用量词修饰，则意思是该组可以匹配多次，而不是前面的单个字符可以匹配多次。
| Greedy | Reluctant | Possessive | Meaning |
|---|---|---|---|
X? |
X?? |
X?+ |
X, once or not at all |
X* |
X*? |
X*+ |
X, zero or more times |
X+ |
X+? |
X++ |
X, one or more times |
X{n} |
X{n}? |
X{n}+ |
X, exactly n times |
X{n,} |
X{n,}? |
X{n,}+ |
X, at least n times |
X{n,m} |
X{n,m}? |
X{n,m}+ |
X, at least n but not more than mtimes |
你也许会注意到Meaning列中对贪婪、非贪婪、占有量词的解析是一样的，其实差不多但是有一点的区别，三种量词的详细介绍请看我的另一篇博客：java正规表达式之贪婪、非贪婪、占有量词
如果使用对单个字符使用？和*极有可能会在输入字符串的开始、末尾、字符之间会出现0长度得匹配。请看下面的例子：
Enter your regex: a?
Enter input string to search: ababaaaab
I found the text "a" starting at index 0 and ending at index 1.
I found the text "" starting at index 1 and ending at index 1.
I found the text "a" starting at index 2 and ending at index 3.
I found the text "" starting at index 3 and ending at index 3.
I found the text "a" starting at index 4 and ending at index 5.
I found the text "a" starting at index 5 and ending at index 6.
I found the text "a" starting at index 6 and ending at index 7.
I found the text "a" starting at index 7 and ending at index 8.
I found the text "" starting at index 8 and ending at index 8.
I found the text "" starting at index 9 and ending at index 9.
Enter your regex: a*
Enter input string to search: ababaaaab
I found the text "a" starting at index 0 and ending at index 1.
I found the text "" starting at index 1 and ending at index 1.
I found the text "a" starting at index 2 and ending at index 3.
I found the text "" starting at index 3 and ending at index 3.
I found the text "aaaa" starting at index 4 and ending at index 8.
I found the text "" starting at index 8 and ending at index 8.
I found the text "" starting at index 9 and ending at index 9.
Enter your regex: a+
Enter input string to search: ababaaaab
I found the text "a" starting at index 0 and ending at index 1.
I found the text "a" starting at index 2 and ending at index 3.
I found the text "aaaa" starting at index 4 and ending at index 8.能解释这是为什么吗？想要理解匹配过程，需要知道何为贪婪量词，请查阅的另一篇博客。
七、捕获组（Capturing Groups）
之前提到，量词可以修饰字面值和字符类，也提到过量词也可以修饰捕获组。捕获组是一种可以将多个字符当作一个单元的方法，这就是为什么量词可以修饰多个字符（也就是一个捕获组）的原因。捕获组使用()围住，比如（dog），它可以匹配dog，和没有小括号差不多，但是捕获组还有其他独特的作用！！比如反向引用和提取被该组匹配到的字符串。比如表达(.)og匹配dog，通过Matcher的方法可以提取到d。
7.1、编号
正则表达式可以有多个捕获组，每个捕获组有其自己的编号，而编号的规则是该组的左括号是从左往右数是第几个，那他的编号就是几。比如((A)(B(C)))有四个组：
((A)(B(C)))(A)(B(C))(C)
通过调用Matcher的groupCount可以得到组的个数，在这个例子中为4。当然有一个特殊的组，编号为0，该组就是整个字符串，但是它却不算在组的总数之内。还有一些特殊的组，比如非捕获组、命名组等等复杂的内容，正则表达式内容太多了，最后会给出查找完整手册的链接。
编号有啥用？通过Matcher的Group（int group）和编号可以获得上一次匹配中被该组捕获的字符串啦。
7.2、反向引用
反向引用就是说可以通过反向引用复用之前的组的表达式。比如(\d\d)\1，等同于(\d\d)(\d\d)，但是还是有点区别，就是反向引用不会增加组。下面测试一下：
Enter your regex: (\d\d)\1
Enter input string to search: 1212
I found the text "1212" starting at index 0 and ending at index 4.八、边界匹配（Boundary Matchers）
不止要匹配字符，有时还需要匹配边界。比如表达式为dog,可以从字符串“my dog is linda”匹配到dog，也可以从“aadogbb”中匹配到dog，但是我只想匹配dog这个单词呢？或者我想匹配一整行呢？下面给出边界匹配完成的表格：
| Boundary Construct | Description |
|---|---|
^ |
The beginning of a line |
$ |
The end of a line |
\b |
A word boundary |
\B |
A non-word boundary |
\A |
The beginning of the input |
\G |
The end of the previous match |
\Z |
The end of the input but for the final terminator, if any |
\z |
The end of the input |
^默认匹配输入字符串的开始（而不是行的开始），$默认匹配输入字符串的结束（而不是行的结束）。\b匹配单词的开始或结束。
也许你会发现我的描述和表格中的不一致，，是的，表格不可轻信，毕竟我是直接从官网拷贝的。上面的默认行为是可以通过设置匹配模式修改的，稍后介绍。
下面是一些测试结果：
Enter your regex: ^dog$
Enter input string to search: dog
I found the text "dog" starting at index 0 and ending at index 3.
Enter your regex: ^dog$
Enter input string to search: dog
No match found.
Enter your regex: \s*dog$
Enter input string to search: dog
I found the text " dog" starting at index 0 and ending at index 15.
Enter your regex: ^dog\w*
Enter input string to search: dogblahblah
I found the text "dogblahblah" starting at index 0 and ending at index 11.九、Pattern
Pattern代表编译过的正则表达式，可以通过compile方法产生实例，也可以直接使用静态方法matches对整个字符串匹配。创建Pattern可以设置一些标志，控制正则表达式的匹配行为。下面介绍两种方法：
9.1、创建Pattern时设置标志
在通过静态方法compile创建Pattern时传入flag标志。下面介绍一些标志，其他的可以自己查看文档。
Pattern.CASE_INSENSITIVE使能大小写不敏感模式。默认大小写不敏感只对ascii码0到127的字符有效，unicode的其他部分需要配合Pattern.UNICODE_CASE使用Pattern.DOTALL使能dotall模型，在这个模式中，.（小数点）可以匹配任意字符，包括行结束符。默认下时不包含行结束符的。Pattern.LITERAL这个模式下，正则表达式被当作字面值，特殊符号啊，全失去了特殊意义。Pattern.MULTILINE使能多行模式，在这个模式中，^和$分别可以匹配行的开始和结束（不只是输入字符串的开始和结束）。Pattern.UNIX_LINESEnables UNIX lines mode. In this mode, only the'\n'line terminator is recognized in the behavior of.,^, and$. UNIX lines mode can also be enabled via the embedded flag expression(?d).
还有一些自己翻阅资料。多个标志可以通过按位或组合在一起：
pattern = Pattern.compile("[az]$", Pattern.MULTILINE | Pattern.UNIX_LINES);9.2、嵌入到正则表达式中
也可以嵌入到正则表达式中，下面是一张对应表：
| Constant | Equivalent Embedded Flag Expression |
|---|---|
Pattern.CANON_EQ |
None |
Pattern.CASE_INSENSITIVE |
(?i) |
Pattern.COMMENTS |
(?x) |
Pattern.MULTILINE |
(?m) |
Pattern.DOTALL |
(?s) |
Pattern.LITERAL |
None |
Pattern.UNICODE_CASE |
(?u) |
Pattern.UNIX_LINES |
(?d) |
下面是一个使用例子，以大小写无关的模式匹配：
Enter your regex: (?i)foo
Enter input string to search: FOOfooFoOfoO
I found the text "FOO" starting at index 0 and ending at index 3.
I found the text "foo" starting at index 3 and ending at index 6.
I found the text "FoO" starting at index 6 and ending at index 9.
I found the text "foO" starting at index 9 and ending at index 12.9.3、stackoverflow中的一个例子
了解到了就可以来看一下stackoverflow中的一个具体的例子：
原始数据：
auser1 home1b
auser2 home2b
auser3 home3b怎么匹配其中一行？
使用^.*&只会匹配到整个字符串，因此^和$不会匹配到行开始或行结束。但是在多行模式下却可以，因此表达式改为：(?m)^.*$
9.4、Pattern的一些函数
matches(String,CharSequence)
Pattern的静态方法，直接传入表达式和字符串进行匹配，如果表达式匹配整个字符串，则成功。
split(String)
将表达式匹配到的子字符串作为分隔符，将输入字符分割出来。
9.5、String中类似的方法
public boolean matches(String regex)
public String[] split(String regex, int limit)
public String[] split(String regex)
public String replace(CharSequence target,CharSequence replacement)
十、Matcher
之前说了，Matcher代表引擎，可以提供更多的方法，比如可以找到匹配到的子串的开始、结束位置和字符串（group）；通过reset()重置标志，重新开始匹配，也可以通过reset(CharSequence)直接更换输入字符串！内容太多，下面直接从官网抄写。。
10.1、Index Methods
Index methods provide useful index values that show precisely where the match was found in the input string:
public int start(): Returns the start index of the previous match.public int start(int group): Returns the start index of the subsequence captured by the given group during the previous match operation.public int end(): Returns the offset after the last character matched.public int end(int group): Returns the offset after the last character of the subsequence captured by the given group during the previous match operation.
10.2、Study Methods
Study methods review the input string and return a boolean indicating whether or not the pattern is found.
public boolean lookingAt(): Attempts to match the input sequence, starting at the beginning of the region, against the pattern.public boolean find(): Attempts to find the next subsequence of the input sequence that matches the pattern.public boolean find(int start): Resets this matcher and then attempts to find the next subsequence of the input sequence that matches the pattern, starting at the specified index.public boolean matches(): Attempts to match the entire region against the pattern.
10.3、Replacement Methods
Replacement methods are useful methods for replacing text in an input string.
public Matcher appendReplacement(StringBuffer sb, String replacement): Implements a non-terminal append-and-replace step.public StringBuffer appendTail(StringBuffer sb): Implements a terminal append-and-replace step.public String replaceAll(String replacement): Replaces every subsequence of the input sequence that matches the pattern with the given replacement string.public String replaceFirst(String replacement): Replaces the first subsequence of the input sequence that matches the pattern with the given replacement string.public static String quoteReplacement(String s): Returns a literal replacementStringfor the specifiedString. This method produces aStringthat will work as a literal replacementsin theappendReplacementmethod of theMatcherclass. TheStringproduced will match the sequence of characters instreated as a literal sequence. Slashes ('\') and dollar signs ('$') will be given no special meaning.
10.4、String中类似的方法
public String replaceFirst(String regex, String replacement): Replaces the first substring of this string that matches the given regular expression with the given replacement. An invocation of this method of the formstr.replaceFirst(regex, repl)yields exactly the same result as the expressionPattern.compile(regex).matcher(str).replaceFirst(repl)public String replaceAll(String regex, String replacement): Replaces each substring of this string that matches the given regular expression with the given replacement. An invocation of this method of the formstr.replaceAll(regex, repl)yields exactly the same result as the expressionPattern.compile(regex).matcher(str).replaceAll(repl)
参考
通俗易懂，可以先读这个：http://tutorials.jenkov.com/java-regex/matcher.html#reset-method
结构清晰，完整：https://docs.oracle.com/javase/tutorial/essential/regex/index.html
万能手册，可以查询任何语法成分：https://www.regular-expressions.info/reference.html
关于贪婪、非贪婪、占有量词的区别：https://blog.csdn.net/jdbdh/article/details/82695137
文章用用到的一个例子：https://stackoverflow.com/questions/6143304/how-to-use-java-regex-to-match-a-line