admin管理员组文章数量:1579083
【版权声明】未经博主同意,谢绝转载!(请尊重原创,博主保留追究权)
https://blog.csdn/m0_69908381/article/details/132953085
出自【进步*于辰的博客】
注:依赖类:Matcher。
文章目录
- 1、概述
- 2、正则表达式的构造摘要
- 3、方法摘要
- 3.1 static Pattern compile(String regex)
- 3.2 static Pattern compile(String regex, int flags)
- 3.3 int flags()
- 3.4 Matcher matcher(CharSequence input)
- 3.5 static boolean matches(String regex, CharSequence input)
- 3.6 String pattern()
- 3.7 static String quote(String s)
- 3.8 String[] split(CharSequence input)
- 3.9 String[] split(CharSequence input, int limit)
- 3.10 String toString()
1、概述
继承关系:
- java.lang.Object
- java.util.regex.Pattern
所有已实现的接口:
Serializable
public final class Pattern extends Object implements Serializable
正则表达式的编译表示形式。
指定为字符串的正则表达式必须首先被编译为此类的实例。然后,可将得到的模式用于创建 Matcher 对象,依照正则表达式,该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式。
因此,典型的调用顺序是
Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
boolean b = m.matches();
在仅使用一次正则表达式时,可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句
boolean b = Pattern.matches("a*b", "aaaaab");
等效于上面的三个语句,尽管对于重复的匹配而言它效率不高,因为它不允许重用已编译的模式。
此类的实例是不可变的,可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。
正则表达式的构造摘要
(篇幅考虑,移至下文)
反斜线、转义和引用
反斜线字符 ('\'
) 用于引用转义构造,如上表所定义的,同时还用于引用其他将被解释为非转义构造的字符。因此,表达式 \\
与单个反斜线匹配,而 \{
与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的;它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线,不管该字符是否非转义构造的一部分。
根据 Java Language Specification 的要求,Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线,表示正则表达式受到保护,不被 Java 字节码编译器解释。例如,当解释为正则表达式时,字符串字面值 "\b"
与单个退格字符匹配,而 "\\b"
与单词边界匹配。字符串字面值 "\(hello\)"
是非法的,将导致编译时错误;要与字符串 (hello)
匹配,必须使用字符串字面值 "\\(hello\\)"
。
字符类
字符类可以出现在其他字符类中,并且可以包含并集运算符(隐式)和交集运算符 (&&
)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。
字符类运算符的优先级如下所示,按从最高到最低的顺序排列:
序号 | 含义 | 运算符 |
---|---|---|
1 | 字面值转义 | \x |
2 | 分组 | [...] |
3 | 范围 | a-z |
4 | 并集 | [a-e][i-u] |
5 | 交集 | [a-z&&[aeiou]] |
注意,元字符的不同集合实际上位于字符类的内部,而非字符类的外部。例如,正则表达式 . 在字符类内部就失去了其特殊意义,而表达式 -
变成了形成元字符的范围。
行结束符
行结束符 是一个或两个字符的序列,标记输入字符序列的行结尾。以下代码被识别为行结束符:
- 新行(换行)符 (
'\n'
)、 - 后面紧跟新行符的回车符 (
"\r\n"
)、 - 单独的回车符 (
'\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,则新行符是惟一识别的行结束符。
如果未指定 DOTALL 标志,则正则表达式.
可以与任何字符(行结束符除外)匹配。
默认情况下,正则表达式 ^
和 $
忽略行结束符,仅分别与整个输入序列的开头和结尾匹配。如果激活 MULTILINE 模式,则 ^
在输入的开头和行结束符之后(输入的结尾)才发生匹配。处于 MULTILINE 模式中时,$
仅在行结束符之前或输入序列的结尾处匹配。
组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如,在表达式 ((A)(B(C)))
中,存在四个这样的组:
序号 | 组 |
---|---|
1 | ((A)(B(C))) |
2 | \A |
3 | (B(C)) |
4 | (C) |
组零始终代表整个表达式。
之所以这样命名捕获组是因为在匹配中,保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用(见下文)在表达式中使用,也可以在匹配操作完成后从匹配器检索。
与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组,则在第二次计算失败时将保留其以前捕获的值(如果有的话)例如,将字符串 "aba"
与表达式 (a(b)?)+
相匹配,会将第二组设置为 "b"
。在每个匹配的开头,所有捕获的输入都会被丢弃。
以 (?)
开头的组是纯的 非捕获 组,它不捕获文本,也不针对组合计进行计数。
Unicode 支持
此类符合 Unicode Technical Standard #18:Unicode Regular Expression Guidelines 第 1 级和 RL2.1 Canonical Equivalents。
Java 源代码中的 Unicode 转义序列(如 \u2014
)是按照 Java Language Specification 的 第 3.3 节中的描述处理的。这样的转义序列还可以由正则表达式分析器直接实现,以便在从文件或键盘击键读取的表达式中使用 Unicode 转义。因此,可以将不相等的字符串 "\u2014"
和 "\\u2014"
编译为相同的模式,从而与带有十六进制值 0x2014
的字符匹配。
与 Perl 中一样,Unicode 块和类别是使用 \p
和 \P
构造编写的。如果输入具有属性 prop
,则与 \p{prop}
匹配,而输入具有该属性时与 \P{prop}
不匹配。块使用前缀 In
指定,与在 InMongolian 中一样。可以使用可选前缀 Is
指定类别:\p{L}
和 \p{IsL}
都表示 Unicode 字母的类别。块和类别在字符类的内部和外部都可以使用。
受支持的类别是由 Character 类指定版本中的 The Unicode Standard 的类别。类别名称是在 Standard 中定义的,即标准又丰富。Pattern 所支持的块名称是 UnicodeBlock.forName()
所接受和定义的有效块名称。
行为类似 java.lang.Character boolean
是 methodname()
(废弃的类别除外)的类别,可以通过相同的 \p{prop}
语法来提供,其中指定的属性具有名称 javamethodname
。
与 Perl 5 相比较
Pattern 引擎用有序替换项执行传统上基于 NFA 的匹配,与 Perl 5 中进行的相同。
此类不支持 Perl 构造:
- 条件构造 (
?{X}
) 和 (?(condition)X|Y
)、 - 嵌入式代码构造 (
?{code}
) 和 (??{code}
)、 - 嵌入式注释语法 (
?#comment
) 和 - 预处理操作
\l \u、\L
和\U
。
此类支持但 Perl 不支持的构造:
- Possessive 数量词,它可以尽可能多地进行匹配,即使这样做导致所有匹配都成功时也如此。
- 字符类并集和交集,如上文所述。
与 Perl 的显著不同点是:
- 在 Perl 中,
\1
到\9
始终被解释为 Back 引用(见下文);如果至少存在多个子表达式,则大于 9 的反斜线转义数按 Back 引用对待,否则在可能的情况下,它将被解释为八进制转义。在此类中,八进制转义必须始终以 0 开头。在此类中,\1
到\9
始终被解释为 Back 引用,较大的数被接受为 Back 引用,如果在正则表达式中至少存在多个子表达式的话;否则,分析器将删除数字,直到该数小于或等于组的现有数或者其为一个数字。 - Perl 使用
g
标志请求恢复最后匹配丢失的匹配。此功能是由 Matcher 类显式提供的:重复执行find()
调用可以恢复丢失的最后匹配,除非匹配器被重置。 - 在 Perl 中,位于表达式顶级的嵌入式标记对整个表达式都有影响。在此类中,嵌入式标志始终在它们出现的时候才起作用,不管它们位于顶级还是组中;在后一种情况下,与在 Perl 中类似,标志在组的结尾处还原。
- Perl 允许错误匹配构造,如在表达式
*a
中,以及不匹配的括号,如在在表达式abc]
中,并将其作为字面值对待。此类还接受不匹配的括号,但对+、?
和*
不匹配元字符有严格限制;如果遇到它们,则抛出 PatternSyntaxException。
有关正则表达式构造行为更准确的描述,请参见《Mastering Regular Expressions, 2nd Edition》,该书由 Jeffrey E. F. Friedl、O’Reilly 和 Associates 合著,于 2002 年出版。
从以下版本开始:
1.4
另请参见:
String.split(String, int)
, String.split(String)
, 序列化表格
2、正则表达式的构造摘要
字符。
构造 | 匹配 |
---|---|
x | 字符 x |
\\ | 反斜线字符 |
\0n | 带有八进制值 0 的字符 n (0 <= n <= 7) |
\0nn | 带有八进制值 0 的字符 nn (0 <= n <= 7) |
\0mnn · | 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7) |
\xhh | 带有十六进制值 0x 的字符 hh |
\uhhhh | 带有十六进制值 0x 的字符 hhhh |
\t | 制表符 (‘\u0009’) |
\n | 新行(换行)符 (‘\u000A’) |
\r | 回车符 (‘\u000D’) |
\f | 换页符 (‘\u000C’) |
\a | 报警 (bell) 符 (‘\u0007’) |
\e | 转义符 (‘\u001B’) |
\cx | 对应于 x 的控制符 |
字符类。
构造 | 匹配 |
---|---|
[abc] | a、b 或 c(简单类) |
[^abc] | 任何字符,除了 a、b 或 c(否定) |
[a-zA-Z] | a 到 z 或 A 到 Z,两头的字母包括在内(范围) |
[a-d[m-p]] | a 到 d 或 m 到 p:[a-dm-p](并集) |
[a-z&&[def]] | d、e 或 f(交集) |
[a-z&&[^bc]] | a 到 z,除了 b 和 c:[ad-z](减去) |
[a-z&&[^m-p]] | a 到 z,而非 m 到 p:[a-lq-z](减去) |
预定义字符类。
构造 | 匹配 |
---|---|
. | 任何字符(与行结束符可能匹配也可能不匹配) |
\d | 数字:[0-9] |
\D | 非数字: [^0-9] |
\s | 空白字符:[ \t\n\x0B\f\r] |
\S | 非空白字符:[^\s] |
\w | 单词字符:[a-zA-Z_0-9] |
\W | 非单词字符:[^\w] |
POSIX 字符类(仅 US-ASCII)。
构造 | 匹配 |
---|---|
\p{Lower} | 小写字母字符:[a-z] |
\p{Upper} | 大写字母字符:[A-Z] |
\p{ASCII} | 所有 ASCII:[\x00-\x7F] |
\p{Alpha} | 字母字符:[\p{Lower}\p{Upper}] |
\p{Digit} | 十进制数字:[0-9] |
\p{Alnum} | 字母数字字符:[\p{Alpha}\p{Digit}] |
\p{Punct} | 标点符号:!"#$%&'()*+,-./:;<=>?@[\]^_ { |
\p{Graph} | 可见字符:[\p{Alnum}\p{Punct}] |
\p{Print} | 可打印字符:[\p{Graph}\x20] |
\p{Blank} | 空格或制表符:[ \t] |
\p{Cntrl} | 控制字符:[\x00-\x1F\x7F] |
\p{XDigit} | 十六进制数字:[0-9a-fA-F] |
\p{Space} | 空白字符:[ \t\n\x0B\f\r] |
java.lang.Character 类(简单的 java 字符类型)。
构造 | 匹配 |
---|---|
\p{javaLowerCase} | 等效于 java.lang.Character.isLowerCase() |
\p{javaUpperCase} | 等效于 java.lang.Character.isUpperCase() |
\p{javaWhitespace} | 等效于 java.lang.Character.isWhitespace() |
\p{javaMirrored} | 等效于 java.lang.Character.isMirrored() |
Unicode 块和类别的类。
构造 | 匹配 |
---|---|
\p{InGreek} | Greek 块(简单块)中的字符 |
\p{Lu} | 大写字母(简单类别) |
\p{Sc} | 货币符号 |
\P{InGreek} | 所有字符,Greek 块中的除外(否定) |
[\p{L}&&[^\p{Lu}]] | 所有字母,大写字母除外(减去) |
边界匹配器。
构造 | 匹配 |
---|---|
^ | 行的开头 |
$ | 行的结尾 |
\b | 单词边界 |
\B | 非单词边界 |
\A | 输入的开头 |
\G | 上一个匹配的结尾 |
·\Z` | 输入的结尾,仅用于最后的结束符(如果有的话) |
·\z· | 输入的结尾 |
Greedy 数量词。
构造 | 匹配 |
---|---|
X? | X,一次或一次也没有 |
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,但是不超过 m 次 |
Reluctant 数量词。
构造 | 匹配 |
---|---|
X?? | X,一次或一次也没有 |
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,但是不超过 m 次 |
Possessive 数量词。
构造 | 匹配 |
---|---|
X?+ | X,一次或一次也没有 |
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,但是不超过 m 次 |
Logical 运算符。
构造 | 匹配 |
---|---|
XY | X 后跟 Y |
X|Y | X 或 Y |
(X) | X,作为捕获组 |
Back 引用。
构造 | 匹配 |
---|---|
\n | 任何匹配的 nth 捕获组 |
引用。
构造 | 匹配 |
---|---|
\ | Nothing,但是引用以下字符 |
\Q | Nothing,但是引用所有字符,直到 \E |
\E | Nothing,但是结束从 \Q 开始的引用 |
特殊构造(非捕获)。
构造 | 匹配 |
---|---|
(?:X) | X,作为非捕获组 |
(?idmsux-idmsux) | Nothing,但是将匹配标志由 on 转为 off |
(?idmsux-idmsux:X) | X,作为带有给定标志 on - off 的非捕获组 |
(?=X) | X,通过零宽度的正 lookahead |
(?!X) | X,通过零宽度的负 lookahead |
(?<=X) | X,通过零宽度的正 lookbehind |
(?<!X) | X,通过零宽度的负 lookbehind |
(?>X) | X,作为独立的非捕获组 |
3、方法摘要
3.1 static Pattern compile(String regex)
将给定的正则表达式编译到模式中。
3.2 static Pattern compile(String regex, int flags)
将给定的正则表达式编译到具有给定标志的模式中。
3.3 int flags()
返回此模式的匹配标志。
3.4 Matcher matcher(CharSequence input)
创建匹配给定输入与此模式的匹配器。
public Matcher matcher(CharSequence input) {
if (!compiled) {
synchronized(this) {
if (!compiled)
compile();
}
}
Matcher m = new Matcher(this, input);
return m;
}
后续解析。
3.5 static boolean matches(String regex, CharSequence input)
编译给定正则表达式并尝试将给定输入与其匹配。
public static boolean matches(String regex, CharSequence input) {
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
return m.matches();
}
后续解析。
3.6 String pattern()
返回在其中编译过此模式的正则表达式。
3.7 static String quote(String s)
返回指定 String 的字面值模式 String。
3.8 String[] split(CharSequence input)
围绕此模式的匹配拆分给定输入序列。
3.9 String[] split(CharSequence input, int limit)
围绕此模式的匹配拆分给定输入序列。
3.10 String toString()
返回此模式的字符串表示形式。
本文持续更新中。。。
版权声明:本文标题:Java-API简析_java.util.regex.Pattern类(基于 Latest JDK)(浅析源码) 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://www.elefans.com/dianzi/1727845950a1133093.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论