一、正则表达式
1.1 概述
正则表达式定义了字符串的匹配模式,可以用来进行搜索,编辑,或处理文本
并不仅限于某一种语言,但是在每种语言中有细微的差别
1 数据校验、格式校验
2 数据提取
1.2 语法
| 元字符 | 描述 |
|---|---|
| \ | 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，"\n"匹配\n。"\n"匹配换行符。序列"\"匹配"\"而"("则匹配"("。即相当于多种编程语言中都有的"转义字符"的概念。 |
| ^ | 匹配输入字符串的开始位置。如果设置了RegExp对象的属性，^也匹配"\n"或"\r"之后的位置。 |
| $ | 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配"\n"或"\r"之前的位置。 |
| * | 匹配前面的子表达式任意次。例如，zo*能匹配"z"，"zo"以及"zoo"。*等价于{0,}。 |
| + | 匹配前面的子表达式一次或多次(大于等于1次）。例如，"zo+"能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于{1,}。 |
| ? | 匹配前面的子表达式零次或一次。例如，"do(es)?"可以匹配"do"或"does"中的"do"。?等价于{0,1}。 |
| {n} | n是一个非负整数。匹配确定的n次。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。 |
| {n,} | n是一个非负整数。至少匹配n次。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o*"。 |
| {n,m} | m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，"o{1,3}"将匹配"fooooood"中的前三个o。"o{0,1}"等价于"o?"。请注意在逗号和两个数之间不能有空格。 |
| .点 | 匹配除"\r\n"之外的任何单个字符。要匹配包括"\r\n"在内的任何字符，请使用像"\\s\\S"的模式。 |
| (pattern) | 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用0...9属性。要匹配圆括号字符，请使用"("或")"。 |
| (?:pattern) | 匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符"(|)"来组合一个模式的各个部分是很有用。例如"industr(?:y|ies)"就是一个比"industry|industries"更简略的表达式。 |
| (?=pattern) | 正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，"Windows(?=95|98|NT|2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| (?!pattern) | 正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。 |
| (?=pattern) | 反向肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。 |
| (?<!pattern) | 反向否定预查，与正向否定预查类似，只是方向相反。例如"(?<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。 |
| x|y | 匹配x或y。例如，"z|food"能匹配"z"或"food"或"zood"(此处请谨慎)。"(z|f)ood"则匹配"zood"或"food"。 |
| xyz | 字符集合。匹配所包含的任意一个字符。例如，"abc"可以匹配"plain"中的"a"。 |
| \^xyz | 负值字符集合。匹配未包含的任意字符。例如，"\^abc"可以匹配"plain"中的"plin"。 |
| a-z | 字符范围。匹配指定范围内的任意字符。例如，"a-z"可以匹配"a"到"z"范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
| \^a-z | 负值字符范围。匹配任何不在指定范围内的任意字符。例如，"\^a-z"可以匹配任何不在"a"到"z"范围内的任意字符。 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的"匹配"有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，"er\b"可以匹配"never"中的"er"，但不能匹配"verb"中的"er"。 |
| \B | 匹配非单词边界。"er\B"能匹配"verb"中的"er"，但不能匹配"never"中的"er"。 |
| \cx | 匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的"c"字符。 |
| \d | 匹配一个数字字符。等价于0-9。 |
| \D | 匹配一个非数字字符。等价于\^0-9。 |
| \f | 匹配一个换页符。等价于\x0c和\cL。 |
| \n | 匹配一个换行符。等价于\x0a和\cJ。 |
| \r | 匹配一个回车符。等价于\x0d和\cM。 |
| \s | 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于 \\f\\n\\r\\t\\v。 |
| \S | 匹配任何可见字符。等价于\^ \\f\\n\\r\\t\\v。 |
| \t | 匹配一个制表符。等价于\x09和\cI。 |
| \v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
| \w | 匹配包括下划线的任何单词字符。类似但不等价于"A-Za-z0-9_"，这里的"单词"字符使用Unicode字符集。 |
| \W | 匹配任何非单词字符。等价于"\^A-Za-z0-9_"。 |
| \xn | 匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，"\x41"匹配"A"。"\x041"则等价于"\x04&1"。正则表达式中可以使用ASCII编码。 |
| \num | 匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，"(.)\1"匹配两个连续的相同字符。 |
| \n | 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。 |
| \nm | 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。 |
| \nml | 如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。 |
| \un | 匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。 |
| < > | 匹配词（word）的开始（<）和结束（>）。例如正则表达式<the>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。 |
| ( ) | 将 ( 和 ) 之间的表达式定义为"组"（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。 |
| | | 将两个匹配条件进行逻辑"或"（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。 |
| + | 匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。 |
| ? | 匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。 |
| {i} {i,j} | 匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A0-9{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式0-9{4,6} 匹配连续的任意4个、5个或者6个数字 |
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 "\(hello\)"。
(),\[\],{}的区别
1>. 小括号()：匹配小括号内的字符串，可以是一个，也可以是多个，常跟"|"（或）符号搭配使用，是多选结构的
示例1：string name = "way2014"; regex：(way|zgw) result：结果是可以匹配出way的，因为是多选结构，小括号是匹配字符串的
示例2：string text = "123456789"; regex：(0-9) result：结果是什么都匹配不到的，它只匹配字符串"0-9"而不是匹配数字, 0-9这个字符组才是匹配0-9的数字
2>.中括号\[\]：匹配字符组内的字符，比如咱们常用的0-9a-zA-Z.*?!等，在\[\]内的字符都是字符，不是元字符，比如"0-9"、"a-z"这中间的"-"就是连接符号，表示范围的元字符，如果写成-!?*(这样的话，就是普通字符
示例1： string text = "1234567890"; regex：0-9 result：结果是可以匹配出字符串text内的任意数字了，像上边的【或符号"|"在字符组内就是一个普通字符】
示例2：string text = "a|e|s|v"; regex：a\|e\|s result：结果就是匹配字符a、e、s三个字符，这个跟(a|e|s)有区别的，区别就是(a|e|s)匹配的是a、e、s三个字符的随意一个，三个 中的任意一个，这里|是元字符
3>.大括号{}：匹配次数，匹配在它之前表达式匹配出来的元素出现的次数，{n}出现n次、{n,}匹配最少出现n次、{n,m}匹配最少出现n次，最多出现m次
1.3 Java中的正则表达式
java.util.regex包
PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误
1.3.1 pattern
用于创建一个正则表达式，也可以说创建一个匹配模式，它的构造方法是私有的，不可以直接创建
可以通过Pattern.complie(String regex)创建一个正则表达式
只能做一些简单的匹配操作
使用:
1.3.2 mather
构造方法也是私有的，不能随意创建，只能通过Pattern.matcher(CharSequence input)方法得到该类的实例 Matcher m = p.matcher("aaaaab");
支持便捷强大的正则匹配操作，包括分组、多次匹配支持
1.3.2.1 字符串匹配
Matcher.matches()：对整个字符串进行匹配，只有整个字符串都匹配了才返回true
Matcher.lookingAt()：对前面的字符串进行匹配，只有匹配到的字符串在最前面才返回true
Matcher.find()：对字符串进行匹配,匹配到的字符串可以在任何位置
1.3.2.2 数据提取
1.3.2.3 叠词去重
// 还原成 : 我要学编程
String input = "我我...我我...我要...要要...要要...学学学...学学...编编编...编程...程.程程...程...程";
)]
1.3.2.3 叠词去重
// 还原成 : 我要学编程
String input = "我我...我我...我要...要要...要要...学学学...学学...编编编...编程...程.程程...程...程";
