正则表达式翻译—正则表达式翻译技术 收藏 0

如果您对正则表达式不了解，请阅读此内容

学习作为程序员最难的事情之一的基础知识

正则表达式是对文本进行模式匹配的一种方法。 它们经常被忽略，大多数程序员认为它们是很难学习的。

尽管正则表达式非常强大，但很多程序员对正则表达式的了解并不多。

切入正则表达式可能会非常困难，因为它肯定具有学习曲线。 尽管一旦您对正则表达式有了更多的了解，您就会发现它们可以完成很多工作。

最明显的用例之一是在大型代码库中搜索某些文本。 如果您是网络开发人员，则可能在职业生涯中的某个时候使用了正则表达式来验证用户数据。 而且正则表达式甚至可以用来禁止提交某些字符串。

如您所见，正则表达式有很多用例。 正则表达式的用例用途广泛，您不能简单地忽略它们。

这就是为什么对正则表达式更加熟悉是一件好事的原因。 为了成为一名更好的程序员，至关重要的是，您必须对正则表达式有更多的了解，并且至少要了解基础知识。

在本文中，我们将介绍正则表达式的基础知识。 与该理论一起，将使用一些示例阐明正则表达式的基础知识，这些示例阐明了正则表达式的工作方式。

> Photo by Štefan Štefančík on Unsplash

正则表达式的最基本示例是当您尝试在文本中查找某个字符串时。 在此示例中，我们将使用字母。

为了在文本中搜索字符串hij，我们使用以下正则表达式：/ hij /。 请注意，该字符串被正斜杠包围。 这些指示正则表达式的开始和结束。

正如您在下图中看到的，我们有一个匹配项。 很高兴知道此搜索区分大小写，并且仅返回第一个匹配项。

> The result of our first regex: /hij/

但是大多数时候，您想要做的事情比上一个示例中的要复杂一些。 您可能想做的一件事就是寻找以某些字符开头的字符串。

因此，让我们这样做。 让我们制作一个与字符串开头的abc匹配的正则表达式。 为此，您必须在正则表达式前加上^前缀-这将导致正则表达式/ ^ abc /。

> The result of the /^abc/ regex

如果我们想在字符串的末尾查找与某些字符匹配的字符串，我们可以做同样的事情，但是我们必须使用$而不是^并加后缀。 结果为regex / xyz $ /。

> The result of the /xyz$/ regex

也可以将这两个锚点结合使用，从而实现完全匹配的字符串。

bar 匹配包含 bar 的字符串

^bar 匹配以 bar 开始的字符串

bar$ 匹配以 bar 为结束的字符串

^foo bar$ 匹配以 foo 开始 bar 结束的字符串

有一些特殊字符在正则表达式中具有特殊含义。 这些字符需要转义以对它们进行文字搜索。

以下是所有特殊字符的列表：

[ \\ ^ $ . | ? * + ( )

假设我们要搜索问号。 在正则表达式中，问号具有特殊含义。 因此，为了对问号进行文字搜索，我们需要对其进行转义。

您可以通过在字符前面加上反斜杠\\来对字符进行转义。 这使您可以将特殊字符用作常规字符。

> The result of the /?/ regex

为了对特殊字符进行文字搜索，请使用[ ^ $。 |？ * +（），您需要使用反斜杠将其转义。

现在，您对如何构造正则表达式有了更好的了解，现在该介绍正则表达式的另一个基本部分，即标志。

如您现在所知，正则表达式通常以一种形式出现，该形式中的搜索模式由两个正斜杠字符分隔。 要指定一个标志，可以在最后一个斜杠字符之后添加它。 也可以合并标志。

尽管有很多不同的标志，但我们将介绍最常用的三个标志，它们是全局标志，不区分大小写和多行标志。

全局标志将接受所有比赛，而不是在第一场比赛后返回。

> The result of the /e/g regex

> The result of the /e/i regex

如前所述，我们还可以组合以下标志：

> The result of the /e/gi regex

如果您想搜索多行文字，则必须使用多行标志。

> The result of the /are/m regex

字符类是一种特殊的符号，它与特定集中的任何符号匹配。 假设我们有一个电话号码+（903）123-4567，我们只想将其变成数字。

为此，我们必须查找并删除所有非数字的内容。 这就是角色类可以提供帮助的东西。 例如， d字符类与任何数字匹配。

这对于我们的用例来说是完美的：

> The result of the /g regex

d字符类与一个数字匹配，该数字是从0到9的字符。但是 d不是唯一的字符类。

w字符类与\”单词\”字符匹配，该字符可以是拉丁字母，数字或下划线。 非拉丁字母不属于 w字符类别。

s字符类与空格符号匹配。 这包括空格，制表符和换行符。

尽管角色类别更多，但我们最常用的类别是。

可以得到字符类的逆矩阵。 假设我们需要一个非数字-基本上可以归结为 d以外的任何字符。 为了做到这一点，我们可以使用逆函数。

每个字符类都有一个反向，该反向用相同的字母表示，但大写。 d的倒数是 D。

本文中要涉及的最后一个主题是量词。 正则表达式量词指定前面的正则表达式应匹配的频率。

我们将介绍一些不同的量词。

我们要讨论的第一个量词是？ 表示零或一。 在下面的示例中，我们使用/ ba？/ g正则表达式。 此正则表达式将检查是否有任何b字符，后跟零或一个a字符。

> The result of the /ba?/g regex

第二个量词是，表示零或更大。

> The result of the /ba/g regex

还有一个或多个用于+的量词。

> The result of the /ba+/g regex

您还可以处理必须在量词中匹配的特定数量的事件。 / ba {2} / g regex匹配任何b字符，后跟两个连续的a字符。

> The result of the /ba{2}/g regex

如果要限制连续字符的数量，可以使用第二个数字，以逗号分隔。 / ba {2,4} /正则表达式匹配任何b字符，后跟2到4个连续的a字符。

> The result of the /ba{2,4}/g regex

我们还可以对至少跟着两个a字符的任何b字符执行此操作。 为此，您必须在出现次数的后面加上一个逗号-结果为/ ba {2，} / g。

> The result of the /ba{2,}/g regex

现在，我们已经了解了正则表达式的基础知识，该是您自己进行一些练习的时候了。 当然，关于正则表达式还有很多东西要学习。 由于我们已经讲过基础知识，因此我们没有涉及更高级的主题。

不过，明智的做法是先对基础知识有一个很好的了解。

编码愉快！

(本文翻译自Daan的文章《Read This If You Don\’t Know Enough About Regex》，参考：https://levelup.gitconnected.com/read-this-if-you-dont-know-enough-about-regex-73141bb0e1a7)

正则表达式（java 版）的理解

在 java 中有一个特殊的字符，那就是使用 \\ (反斜线）后面再添加一个字符，我们叫转义字符（escape character），比如 \\n 表示的是换号符号，并不是单纯的一个 n 字符了。

那 \\ (反斜线）用来做转义字符了，那么程序就是要输出一个 \\ (反斜线）怎么处理呢？

那就是再使用一个 \\ (下划线) ，用来说明告诉程序，接下来的 \\ 并不是用来转义字符的。

下面我们看看 String 类中关于 \\ (反斜线）的一些使用；

我们先来看看下面的代码：

你能回到以上 8 个示例的输出结果吗？如果可以，那么你对 java 当中转义字符 \\ 和反转义 \\\\ 应该很清楚了，结果如下：

在 java 语言当中 ‘ (单引号）用来表示字符，“ (双引号）用来表示字符串，所以如何输出一个单引号字符和一个双引号呢？所以在 java 当中就有了转义字符 \\ 来帮忙了。

如何反转义呢？那就使用两个 \\\\ ，上面示例 4 中两个 \\\\ 可以输出一个 \\ 。

在示例 5 中大家熟知的 windows 系统中的文件路径通常就需要一个 \\ ,那么使用两个 \\\\ 就可以防止发生转义，正常的输出一个 \\ 。

在示例 7 中使用了三个 \\\\\\ 怎么理解呢？ 前两个会输出一个 \\ , 最后一个 \\是转义字符，\\“ 是输出一个 “ 。

**在示例 8 中的四个 \\\\\\\\ 表示一个 \\ 怎么理解呢？尝试解释一下，查询了解一下……**

在 java 中有这样一个包，java.util.regex 这个包提供给我们方便使用正则表达式， Pattern 类是干嘛用的呢？

正则表达式就是一类字符串，这类字符串符合特定的规则而已，比如：**[0-9]\\d{5}** 就是匹配六位数字。

java 中 Pattern 就是正则表达式，通过 Pattern.compile(String regex) 来创建一个正则表达式实例，正则表达式是一个有规则的字符串，在 java 中定义一个有规则的字符串（正则表达式）用 Pattern 来表示。

Pattern 类文档中列举了许多正则表达式的规则，正则表达式忘记了也可以查询该类的 API 文档：

[https://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html](https://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html)

上文的一个问题 :**在上文的示例 8 中的四个 \\\\\\\\ 表示一个 \\ 怎么理解呢？**

我们看一下 String 类的 replaceAll 方法，第一个参数是 regex 正则表达式，我们就大致可以明白：

1. 在 java 中两个反斜线 \\\\ 输出一个反斜线 \\ ,四个反斜线就会处理成两个反斜线 \\\\ 。

2. 再由正则表达式处理上述结果的两个反斜线 \\\\ ，这里最终结果两个反斜线又解释成了一个反斜线 \\ 。

所以在 java 当中如果需要通过正则表达式匹配一个反斜线，那么就需要四个反斜线 \\\\\\\\ 。

下面来研究一下 Pattern 这个类：

结果如下：

以上方法中 compile 方法用来编译正则表达式（创建 Pattern 示例），compile 方法提供了两个方法，带有两个参数的 int flag 可以实现不同需求，比如上面示例中的Pattern.CASE_INSENSITIVE 就是表示正则表达式匹配字符串的时候不用区分大小写；flags()用来输出 Pattern 的 flag 。

pattern() 和 toString() 方法效果相同，就是输出一个正则表达式。

macher 方法是用来生成一个匹配对象 Matcher ，该类提供了一些获取匹配到的字符串的一些方法，matches 方法是一个静态方法，提供正则表达式和需要匹配的字符串直接获取匹配结果:true 匹配，false 不匹配。

quote 方法直接输出一个文本字符串，这个方法的用处是什么呢？

有时候我们需要正则表达式失效，就是想匹配原字符串，我们可以使用该方法，具体可以参考上面的示例。

asPredicate() 方法获取一个断言，可以判断正则表达式和断言提供的字符串是否有匹配结果。

在 Pattern 类中有这样一个方法 split(CharSequence,int) 这个方法，这个方法很难理解，现在通过示例代码说明：

参考以上示例，分析 split 方法 limit 的参数一下几种情况：

1. limit > 0

split 方法返回的是数组，数组的长度不可以超过 limit 的值，limit ≥ 数组的长度才可以，为了满足这个条件因此切割字符串的次数最多是 limit – 1 次。

2. limit < 0

当 limit < 0 ，如果匹配正则表达式就会进行切割切分，匹配多少次切割多少次，数组长度没有限制。

3. limit = 0

如果匹配结果就会进行切割，切割拆分后的结果会舍弃尾部的空字符串，尾部空字符串会被丢弃，数组长度没有限制

特殊案例分析：

提供的 limit = 1, 也就是数组长度最大是 1， 因此不会进行切割拆分。

从上面的结果可以看出，少了两个 0 ，因此进行切割了两次，因为不间断连续切割，因此中间会有一个空字符串，这样数组的总长度已经等于提供的 limit = 3 ,无法在继续进行切割。

limit = 5 , 最多只能进行切割拆分 4 次 ，中间不间断连续切割两次补了一个空字符串，尾部也是不间断连续切割补了一个字符串，最后因为在字符串尾部切割了一次，没有剩余子串，尾部会追加一个空字符串。

当 limit = 0 的时候,同一个参数的 split 方法效果相同:

如果切割拆分的尾部有空字符串将会被舍弃。

splitAsStream 方法提供了生成 Stream 流的方法，这样方便我们把拆分后的结果就行流式处理（切割拆分结果同 limit = 0 ，使用一个参数的 split 方法相同），方便集合操作等等。

Matcher 类用来获取匹配结果，Matcher 类中有几个高频常用方法，下面加以说明：

在解释说明 Matcher 类常用方法之前，我们需要理解一个概念，那就是正则表达式中组的概念，正则表达式如何分组，组号怎么理解的，组名又是什么呢？

正则表达式中使用括号来分组，我们可以统计有几个左括号就是有几组，从左边开始算起，组号分别是 1,2,3…..n 。

ABC 是第一组，组号是 1 。

BC 是第二组，组号是 2 。

C 是第三组，组号是 3 。

组号 0 表示正则表达式的一个整体，上面也是就是 ABC 。

上面一段代码正则表达式有几组，每组匹配的是什么？

上面的正则表达式中分 3 组，第一组 \\d{3}. 在匹配的结果中第一组是 3个数组和任意一个字符；第二组是 \\d{3} 是 3 个数字；第三组 \\w{2} 匹配两个字母。

这个方法用来统计改正则表达式有几组，上面的示例中 groupCount 输出是 3 。

find 方法是找到给定字符串匹配到的正则表达式的结果，上面示例中 m.find() 结果是 true，它的运行机制是从给定的字符串 hello987xworld456yhltest 从头开始匹配正则表达式，找到 9 开始进行匹配，然后 987xwo 中到一个匹配，程序会记录下字符串匹配到的开始索引和结束索引 ；

继续匹配，一直匹配到字符串的结束为止，当匹配到 456yhl 匹配到第二个结果，程序依然会记录第二次匹配到的开始索引和结束索引。

综上所述，上面的示例 m.find () 在 while 循环到中会找到两次匹配结果，第一次匹配结果是：987xwo 返回 true ; 第二次匹配结果是：456yhl 返回 true，findCount 的输出结果是 2 。

start 方法返回值是匹配到结果在字符串中的开始索引，end 方法返回的是匹配到结果在字符串中的结束索引，上面示例中匹配到的第一个结果 987xwo 在给定的字符串中 hello987xworld456yhltest 开始索引是 5，结束索引是 11； 第二个结果 456yhl 开始索引是 14，结束索引是 20 。

group() 方法返回的是正则表达式匹配到的结果，示例中 group()的输出结果分别是 987xwo 和 456yhl , group (0) 和 group() 结果相同都是输出完全匹配结果。

group(int) 方法中的参数是组号，上面示例中正则表达式有三组，第一组匹配的是3个数组和任意一个字符 ，因此在第一次匹配的结果 987xwo 中第一组是 987x，第二组是是 3 个数字 987，第三组是两个字母 wo；同理可分析第二次匹配结果 456yhl 中各组的匹配结果。

依据综上分析，可知上述示例的输出结果：

Matcher 类中 reset() 相关方法

上述示例说明了 reset 方法的使用规则：

reset 中文意思是重置，在这里是重置匹配的位置，从头开始。

1. 示例中的 m1.find() 会往下寻找匹配，找到匹配后就录匹配的结束位置，当下一次 m1.find() 的时候，会从上次的匹配的结束位置，继续往下匹配。

2. m2.reset() 后会从头开始匹配，在 m2 的第一个例子中，两次的匹配结果相同。

3. 在示例 m2.reset(\”123testdemo345\”) 当中，m2 重置了要匹配的字符串对象，结果也会从头开始进行结果的匹配。

4. lookingAt() 方法的效果就是从头开始匹配，因此最后一个 lookingAt() 的示例，两次输出的结果是相同的。

Matcher 类的 matches() 方法分析：

matches() 匹配的是整个字符串是否匹配正则表达式，比如上面示例当中的正则表达式是要匹配的是 3 个数字，m1 给定的字符串是 1345 四个数字不匹配，m2 符合要求返回true，m3 给定的 134345 给定六个数字依然不匹配，返回 false ， matches() 方法需要同 find() 方法区分开来：

1. matches 比配的是整体字符串，整体匹配正则表达式才会返回 true 。

2. find() 是在给定的字符串中从头开始找子串，子串有符合就会返回 true ；如果继续调用 find() 会从匹配的前一个子串的结尾处，继续寻找下去。

更新给定字符串的方法：

replaceAll 方法是从给定的字符串中找匹配正则表达式的子串，找到后使用replaceAll 方法提供的字符串替换匹配到的子串，上述示示例中正则表达式的意思是匹配 b 在尾部，b 前面有 0 个或者多个 a 的子串，匹配到子串后使用 replaceAll 方法提供的参数字符串替换掉匹配到的子串，示例中 s 的输出结果是 foo-foo-foo- 。

appendReplacement 方法把给定的字符串 one cat two cats in the yard 从头开始匹配正则表达式，如果匹配成功的话，就把匹配到的子串之前的子串追加到 StringBuffer 当中，并把匹配到的子串替换成 appendReplacement 给定的第二个参数字符串继续追加到 StringBuffer 当中 ，该方法的逻辑大致总结如下：**匹配成功，StringBuffer = 目标子串前面的子串 + 替换参数**

因此上面示例 while 循环结束以后，输出结果是 one dog two dog 。

appendTail(StringBuffer) 追加尾部没匹配到的子串到 StringBuffer 当中，最终的输出是 one dog two dogs in the yard 。

综上所述关于 Matcher 类的主要功能大致列举完毕…

能写出一个好的正则表达式是正则表达式最难的地方，有时候看着别人写的正则表达式就是看不懂，这时候我们就要寻求万能的谷歌帮忙了，其实正则表达式的各种表现形式，在 Java 的 Pattern API 也有列举说明：

[https://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html](https://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html)

下面列举几个不常用的一些写法：

为了理解上面这个表达式，我们来看看下面的例子：

前文提到了正则表达式的分组，但是正则表达式的命名没有提到？参考示例 “(?<hello>\\\\d3)\\\\w{2}” 表示的是匹配三个数字和两个字母的字符串，其中 “(?<hello>\\\\3) ” 表示的一个分组，组号是 1， 组名是 hello ，所以参考以上示例可知 m.group(”hello”) 是得到组名为 hello 的字符串。

(?=X) 可以这样理解：

1. 寻找匹配到的正则表达式字符串，其中包含匹配到的 X 子串，X 子串在尾部 ；

2. 去掉尾部匹配到的字符串中是 X 的子串，然后得到结果。

上面示例中的正则表达式是 “zempty(?=handsome|cool)” 表示的的是在含有 zemptyhandsome 或者 zemptycool 的字符串中获取 zempty 这个结果。

(?!X) 可以这样理解：

1. 寻找匹配到的正则表达式字符串其中不包含的 X 子串，不包含的 X 子串在尾部；

2. 去掉尾部匹配字符串中不是 X 的子串，然后得到结果。

上面的示例中 \”zempty(?!handsome|cool)\” 表示的在含有 zempty 且后面不能包含 handsome 或者 cool 的子字符串中获取 zempty 整个结果。

通常 (?=X) 和 (?!X) 的正则表达式写法就形如 xxxx(?=X) 获取尾部是 X 的 xxxx, 比如示例中 zempty(?=handsome|cool) 就是获取 zempty 这个子字符串，但是条件是只能获取zempty 后面是 handsome 或者 cool 中的 zempty 。

(?<=X) 可以这样理解：

1. 寻找匹配到的正则表达式字符串其中包含匹配到的 X ，X 子串在头部；

2. 去掉头部匹配到的字符串中是 X 的子串，然后得到结果。

上面的示例中的正则表达式 \”(?<=zempty|boys)handsome\” 表示的是在含有zemptyhandsome 或者 boyshandsome字符串中获取 handsome 这个结果。

(?<!X) 可以这样理解：

1. 寻找匹配到的正则表达式字符串其中不包含的 X 子串 ，不包含的 X 子串在尾部；

2. 去掉头部匹配到的字符串中不是X 的子串，然后得到结果。

上面的示例中的正则表达式 \”(?<!zempty|boys)handsome\” 表示的是在获取 handsome 这个结果，但是 handsome 前面不能有 zempty 或者 boys 。

通常 (?<=X) 和 (?<!X) 的正则表达式写法是 (?<=X)xxxx 获取头部是 X 的 xxxx，比如示例中的 \”(?<=zempty|boys)handsome\” 就是获取 handsome 这个子字符串，但是条件是只能获取 handsome 前面是 zempty 或者 boys 的 handsome 。

。。。。

本文作者及来源:Renderbus瑞云渲染农场https://www.renderbus.com