Java-正則表示式
正則表示式（Regular Expression）又稱正規表示法，常規表示法，在程式碼中常簡寫為regex，regexp或RE，他是電腦科學的一個概念。
正則表示式是一個強大的字串處理工具，可以對字串進行纏著，提取，分割，替換等操作，是一種可以給用於模式匹配和替換的規範。一個正則表示式就是由普通的字元（如字元a~z）以及特殊字元（元字元）組成的文字模式，它用以描述在查詢文字主題是待匹配的一個或多個字串。
String類裡也提供瞭如下幾個特殊的方法。
- boolean matches(String regex):判斷該字串是否匹配指定的正則表示式。
- String replaceAll(String regex,String replacement):將蓋子複查UN中所有匹配regex的子串替換成replacement。
- String replaceFirst(String regex,String replacement):將該字串中第一個匹配regex的子串替換成replacement。
- String[] split(String regex):以regex作為分割符，把該字串分割成多個子串。
上面這些特殊的方法都依賴於Java提供的正則表示式，除此之外，Java還提供了Pattern和Matcher連個類轉夢用於提供正則表示式支援。
很多讀者都會覺得正則表示式是一個非常神奇，高階的知識，其實正則表示式是一個非常簡單而非常使用的工具。正則表示式是一個用於匹配字串的模板。實際上，任意字串都可以當成正則表示式使用。例如“abc”，它也是一個正則表示式，知識它能匹配“abc”字串。
如果正則表示式僅能匹配“abc”這樣的字串，那麼正則表示式也就不值得學習了。正則表示式作為一個用於匹配字串的模板，將某個字元模式於所搜尋的字串進行匹配。本文簡單瞭解一下如何使用正則表示式來操作字串。
正則表示式支援字元
穿件正則表示式就是建立一個特殊的字串。正則表示式所有支援的合法字元如表1所示。
| 字元 | 解釋 |
|---|---|
| X | 字元x（x 可代表任何合法的字元) |
| \0mnn | 八進位制數 0mnn 所表示的字元 |
| \xhh | 十六進位制值 0xhh 所表示的字元 |
| \uhhhh | 十六進位制值 0xhhhh 所表示的 Unicode 字元 |
| \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 | Escape 符（‘\u001B’） |
| \cx | x 對應的的控制符。例如，\cM匹配 Ctrl-M。x 值必須為 A~Z 或 a~z 之一。 |
除此之外，正則表示式中有一些特殊字元，這些特殊字元在正則表示式中有其特殊的用途，比如前面介紹的反斜線\。
如果需要匹配這些特殊字元，就必須首先將這些字元轉義，也就是在前面新增一個反斜線\。正則表示式中的特殊字元如表2所示。
| 特殊字元 | 說明 |
|---|---|
| $ | 匹配一行的結尾。要匹配 $ 字元本身，請使用\$ |
| ^ | 匹配一行的開頭。要匹配 ^ 字元本身，請使用\^ |
| () | 標記子表示式的開始和結束位置。要匹配這些字元，請使用\(和\) |
| [] | 用於確定中括號表示式的開始和結束位置。要匹配這些字元，請使用\[和\] |
| {} | 用於標記前面子表示式的出現頻度。要匹配這些字元，請使用\{和\} |
| * | 指定前面子表示式可以出現零次或多次。要匹配 * 字元本身，請使用\* |
| + | 指定前面子表示式可以出現一次或多次。要匹配 + 字元本身，請使用\+ |
| ? | 指定前面子表示式可以出現零次或一次。要匹配 ？字元本身，請使用\? |
| . | 匹配除換行符\n之外的任何單字元。要匹配.字元本身，請使用\. |
| \ | 用於轉義下一個字元，或指定八進位制、十六進位制字元。如果需匹配\字元，請用\\ |
| | | 指定兩項之間任選一項。如果要匹配丨字元本身，請使用\| |
將上面多個字元拼起來，就可以建立一個正則表示式。例如:
"\u0041\\\\" // 匹配 A\
"\u0061\t" // 匹配a<製表符>
"\\?\\[" // 匹配？[
注意：可能大家會覺得第一個正則表示式中怎麼有那麼多反斜槓？這是由於 Java 字串中反斜槓本身需要轉義，因此兩個反斜槓（\\）實際上相當於一個（前一個用於轉義）。
上面的正則表示式依然只能匹配單個字元，這是因為還未在正則表示式中使用“萬用字元”，“萬用字元”是可以匹配多個字元的特殊字元。正則表示式中的“萬用字元”遠遠超出了普通萬用字元的功能，它被稱為預定義字元，正則表示式支援如表 3 所示的預定義字元。
| 預定義字元 | 說明 |
|---|---|
| . | 可以匹配任何字元 |
| \d | 匹配 0~9 的所有數字 |
| \D | 匹配非數字 |
| \s | 匹配所有的空白字元，包括空格、製表符、回車符、換頁符、換行符等 |
| \S | 匹配所有的非空白字元 |
| \w | 匹配所有的單詞字元，包括 0~9 所有數字、26 個英文字母和下畫線_ |
| \W | 匹配所有的非單詞字元 |
上面的 7 個預定義字元其實很容易記憶，其中：
- d 是 digit 的意思，代表數字。
- s 是 space 的意思，代表空白。
- w 是 word 的意思，代表單詞。
- d、s、w 的大寫形式恰好匹配與之相反的字元。
有了上面的預定義字元後，接下來就可以建立更強大的正則表示式了。例如：
c\\wt // 可以匹配cat、cbt、cct、cOt、c9t等一批字串
\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d // 匹配如 000-000-0000 形式的電話號碼
在一些特殊情況下，例如，若只想匹配 a~f 的字母，或者匹配除 ab 之外的所有小寫字母，或者匹配中文字元，上面這些預定義字元就無能為力了，此時就需要使用方括號表示式，方括號表示式有如表 4 所示的幾種形式。
| 方括號表示式 | 說明 |
|---|---|
| 表示列舉 | 例如[abc]表示 a、b、c 其中任意一個字元；[gz]表示 g、z 其中任意一個字元 |
| 表示範圍：- | 例如[a-f]表示 a~f 範圍內的任意字元；[\\u0041-\\u0056]表示十六進位制字元 \u0041 到 \u0056 範圍的字元。範圍可以和列舉結合使用，如[a-cx-z]，表示 a~c、x~z 範圍內的任意字元 |
| 表示求否：^ | 例如[^abc]表示非 a、b、c 的任意字元；[^a-f]表示不是 a~f 範圍內的任意字元 |
| 表示“與”運算：&& | 例如[a-z&&[def]]是 a~z 和 [def] 的交集，表示 d、ef[a-z&&^bc]]是 a~z 範圍內的所有字元，除 b 和 c 之外[ad-z] [a-z&&[m-p]]是 a~z 範圍內的所有字元，除 m~p 範圍之外的字元 |
| 表示“並”運算 | 並運算與前面的列舉類似。例如[a-d[m-p]]表示 [a-dm-p] |
方括號表示式比前面的預定義字元靈活多了，幾乎可以匹配任何字元。例如，若需要匹配所有的中文字元，就可以利用 [\\u0041-\\u0056] 形式——因為所有中文字元的 Unicode 值是連續的，只要找出所有中文字元中最小、最大的 Unicode 值，就可以利用上面形式來匹配所有的中文字元。
正則表示式還支援圓括號，用於將多個表示式組成一個子表示式，圓括號中可以使用或運算子|。例如，正則表示式“((public)|(protected)|(private))”用於匹配 Java 的三個訪問控制符其中之一。
除此之外，Java 正則表示式還支援如表 5 所示的幾個邊界匹配符。
| 邊界匹配符 | 說明 |
|---|---|
| ^ | 行的開頭 |
| $ | 行的結尾 |
| \b | 單詞的邊界 |
| \B | 非單詞的邊界 |
| \A | 輸入的開頭 |
| \G | 前一個匹配的結尾 |
| \Z | 輸入的結尾，僅用於最後的結束符 |
| \z | 輸入的結尾 |
前面例子中需要建立一個匹配 000-000-0000 形式的電話號碼時，使用了 \\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d 正則表示式，這看起來比較煩瑣。實際上，正則表示式還提供了數量識別符號，正則表示式支援的數量識別符號有如下幾種模式。
- Greedy（貪婪模式）：數量表示符預設採用貪婪模式，除非另有表示。貪婪模式的表示式會一直匹配下去，直到無法匹配為止。如果你發現表示式匹配的結果與預期的不符，很有可能是因為你以為表示式只會匹配前面幾個字元，而實際上它是貪婪模式，所以會一直匹配下去。
- Reluctant（勉強模式）：用問號字尾（?）表示，它只會匹配最少的字元。也稱為最小匹配模式。
- Possessive（佔有模式）：用加號字尾（+）表示，目前只有 Java 支援佔有模式，通常比較少用。
三種模式的數量表示符如表 6 所示。
| 貪婪模式 | 勉強模式 | 佔用模式 | 說明 |
|---|---|---|---|
| X? | X?? | X?+ | X表示式出現零次或一次 |
| X* | X*? | X*+ | X表示式出現零次或多次 |
| X+ | X+? | X++ | X表示式出現一次或多次 |
| X{n} | X{n}? | X{n}+ | X表示式出現 n 次 |
| X{n,} | X{n,}? | X{n,}+ | X表示式最少出現 n 次 |
| X{n,m} | X{n,m}? | X{n,m}+ | X表示式最少出現 n 次，最多出現 m 次 |
關於貪婪模式和勉強模式的對比，看如下程式碼：
String str = "hello,java!";
// 貪婪模式的正則表示式
System.out.println(str.replaceFirst("\\w*" , "■")); //輸出■,java!
// 勉強模式的正則表示式
System.out.println(str.replaceFirst("\\w*?" , "■"")); //輸出■hello, java!
當從“hello java!”字串中查詢匹配\\w*子串時，因為\w*使用了貪婪模式，數量表示符*會一直匹配下去，所以該字串前面的所有單詞字元都被它匹配到，直到遇到空格，所以替換後的效果是“■，Java!”；如果使用勉強模式，數量表示符*會盡量匹配最少字元，即匹配 0 個字元，所以替換後的結果是“■hello，java!”。