Java正規表示式的解釋說明

http://www.blogjava.net/Werther/archive/2009/06/10/281198.html

表示式意義：

1.字元

x    字元 x。例如a表示字元a
\\    反斜線字元。在書寫時要寫為\\\\。（注意：因為java在第一次解析時,把\\\\解析成正規表示式\\，在第二次解析時再解析為\，所以凡是不是1.1列舉到的轉義字元，包括1.1的\\,而又帶有\的都要寫兩次）
\0n    帶有八進位制值 0的字元 n (0 <= n <= 7)
\0nn    帶有八進位制值 0的字元 nn (0 <= n <= 7)
\0mnn    帶有八進位制值 0的字元 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh    帶有十六進位制值 0x的字元 hh
\uhhhh    帶有十六進位制值 0x的字元 hhhh
\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    轉義符 ('\u001B')
\cx    對應於 x 的控制符
2.字元類
[abc]    a、b或 c（簡單類）。例如[egd]表示包含有字元e、g或d。
[^abc]    任何字元，除了 a、b或 c（否定）。例如[^egd]表示不包含字元e、g或d。
[a-zA-Z]    a到 z或 A到 Z，兩頭的字母包括在內（範圍）
[a-d[m-p]]    a到 d或 m到 p：[a-dm-p]（並集）
[a-z&&[def]]    d、e或 f（交集）
[a-z&&[^bc]]    a到 z，除了 b和 c：[ad-z]（減去）
[a-z&&[^m-p]]    a到 z，而非 m到 p：[a-lq-z]（減去）
3.預定義字元類(注意反斜槓要寫兩次，例如\d寫為\\d)任何字元

（與行結束符可能匹配也可能不匹配）
\d    數字：[0-9]
\D    非數字： [^0-9]
\s    空白字元：[ \t\n\x0B\f\r]
\S    非空白字元：[^\s]
\w    單詞字元：[a-zA-Z_0-9]
\W    非單詞字元：[^\w]
4.POSIX 字元類（僅 US-ASCII)(注意反斜槓要寫兩次，例如\p{Lower}寫為\\p{Lower})
\p{Lower}    小寫字母字元：[a-z]。
\p{Upper}    大寫字母字元：[A-Z]
\p{ASCII}    所有 ASCII：[\x00-\x7F]
\p{Alpha}    字母字元：[\p{Lower}\p{Upper}]
\p{Digit}    十進位制數字：[0-9]
\p{Alnum}    字母數字字元：[\p{Alpha}\p{Digit}]
\p{Punct}    標點符號：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph}    可見字元：[\p{Alnum}\p{Punct}]
\p{Print}    可列印字元：[\p{Graph}\x20]
\p{Blank}    空格或製表符：[ \t]
\p{Cntrl}    控制字元：[\x00-\x1F\x7F]
\p{XDigit}    十六進位制數字：[0-9a-fA-F]
\p{Space}    空白字元：[ \t\n\x0B\f\r]
5.java.lang.Character 類（簡單的 java 字元型別）
\p{javaLowerCase}    等效於 java.lang.Character.isLowerCase()
\p{javaUpperCase}    等效於 java.lang.Character.isUpperCase()
\p{javaWhitespace}    等效於 java.lang.Character.isWhitespace()
\p{javaMirrored}    等效於 java.lang.Character.isMirrored()
6.Unicode 塊和類別的類
\p{InGreek}    Greek 塊（簡單塊）中的字元
\p{Lu}    大寫字母（簡單類別）
\p{Sc}    貨幣符號
\P{InGreek}    所有字元，Greek 塊中的除外（否定）
[\p{L}&&[^\p{Lu}]]     所有字母，大寫字母除外（減去）
7.邊界匹配器
^    行的開頭，請在正規表示式的開始處使用^。例如：^(abc)表示以abc開頭的字串。注意編譯的時候要設定引數MULTILINE，如 Pattern p = Pattern.compile(regex,Pattern.MULTILINE);
$    行的結尾，請在正規表示式的結束處使用。例如：(^bca).*(abc$)表示以bca開頭以abc結尾的行。
\b    單詞邊界。例如\b(abc)表示單詞的開始或結束包含有abc,（abcjj、jjabc 都可以匹配）
\B    非單詞邊界。例如\B(abc)表示單詞的中間包含有abc,(jjabcjj匹配而jjabc、abcjj不匹配)
\A    輸入的開頭
\G    上一個匹配的結尾(個人感覺這個引數沒什麼用)。例如\\Gdog表示在上一個匹配結尾處查詢dog如果沒有的話則從開頭查詢,注意如果開頭不是dog則不能匹配。
\Z    輸入的結尾，僅用於最後的結束符（如果有的話）
行結束符 是一個或兩個字元的序列，標記輸入字元序列的行結尾。
以下程式碼被識別為行結束符：
‐新行（換行）符 ('\n')、
‐後面緊跟新行符的回車符 ("\r\n")、
‐單獨的回車符 ('\r')、
‐下一行字元 ('\u0085')、
‐行分隔符 ('\u2028') 或
‐段落分隔符 ('\u2029)。
\z    輸入的結尾
當編譯模式時，可以設定一個或多個標誌，例如
Pattern pattern = Pattern.compile(patternString,Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);
下面六個標誌都是支援的：
‐CASE_INSENSITIVE：匹配字元時與大小寫無關，該標誌預設只考慮US ASCII字元。
‐UNICODE_CASE：當與CASE_INSENSITIVE結合時，使用Unicode字母匹配
‐MULTILINE：^和$匹配一行的開始和結尾，而不是整個輸入
‐UNIX_LINES： 當在多行模式下匹配^和$時，只將'\n'看作行終止符
‐DOTALL: 當使用此標誌時，.符號匹配包括行終止符在內的所有字元
‐CANON_EQ: 考慮Unicode字元的規範等價
8.Greedy 數量詞
X?    X，一次或一次也沒有
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，但是不超過 m 次
9.Reluctant 數量詞
X??    X，一次或一次也沒有
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，但是不超過 m 次
10.Possessive 數量詞
X?+    X，一次或一次也沒有
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，但是不超過 m 次
Greedy，Reluctant，Possessive的區別在於:(注意僅限於進行.等模糊處理時)
greedy量 詞被看作“貪婪的”，因為它第一次就讀入整個被模糊匹配的字串。如果第一個匹配嘗試（整個輸入字串）失敗，匹配器就會在被匹配字串中的最後一位後退一個字元並且再次嘗試，重複這個過程，直到找到匹配或者沒有更多剩下的字元可以後退為止。根據表示式中使用的量詞，它最後試圖匹配的內容是1 個或者0個字元。
但是，reluctant量詞采取相反的方式：它們從被匹配字串的開頭開始，然後逐步地一次讀取一個字元搜尋匹配。它們最後試圖匹配的內容是整個輸入字串。
最後，possessive量詞總是讀完整個輸入字串，嘗試一次（而且只有一次）匹配。和greedy量詞不同，possessive從不後退。
11.Logical 運算子
XY    X 後跟 Y
X|Y    X 或 Y
(X)    X，作為捕獲組。例如(abc)表示把abc作為一個整體進行捕獲
12.Back 引用
\n    任何匹配的 nth捕獲組
捕獲組可以通過從左到右計算其開括號來編號。例如，在表示式 ((A)(B(C)))中，存在四個這樣的組：
1        ((A)(B(C)))
2        \A
3        (B(C))
4        (C)
在表示式中可以通過\n來對相應的組進行引用，例如(ab)34\1就表示ab34ab，(ab)34(cd)\1\2就表示ab34cdabcd。
13.引用
\    Nothing，但是引用以下字元
\Q    Nothing，但是引用所有字元，直到 \E。QE之間的字串會原封不動的使用(1.1中轉義字元的除外)。例如, ab\\Q{|}\\\\E
可以匹配ab{|}\\
\E    Nothing，但是結束從 \Q開始的引用
14.特殊構造（非捕獲）
(?:X)    X，作為非捕獲組
(?idmsux-idmsux)     Nothing，但是將匹配標誌由 on 轉為 off。比如：表示式 (?i)abc(?-i)def 這時，(?i) 開啟不區分大小寫開關，abc 匹配
idmsux說明如下：
‐i CASE_INSENSITIVE :US-ASCII 字符集不區分大小寫。(?i)
‐d UNIX_LINES : 開啟UNIX換行符
‐m MULTILINE :多行模式(?m)
UNIX下換行為\n
WINDOWS下換行為\r\n(?s)
‐u UNICODE_CASE : Unicode 不區分大小寫。(?u)
‐x COMMENTS :可以在pattern裡面使用註解，忽略pattern裡面的whitespace，以及"#"一直到結尾（#後面為註解）。(?x)例如(?x)abc#asfsdadsa可以匹配字串abc
(?idmsux-idmsux:X)     X，作為帶有給定標誌 on - off 的非捕獲組。與上面的類似，上面的表示式，可以改寫成為：(?i:abc)def，或者 (?i)abc(?-i:def)
(?=X)    X，通過零寬度的正 lookahead。零寬度正先行斷言，僅當子表示式 X 在 此位置的右側匹配時才繼續匹配。例如，\w+(?=\d) 表示字母后面跟數字，但不捕獲數字（不回溯）
(?!X)    X，通過零寬度的負 lookahead。零寬度負先行斷言。僅當子表示式 X 不在 此位置的右側匹配時才繼續匹配。例如，\w+(?!\d) 表示字母后面不跟數字，且不捕獲數字。
(?<=X)    X，通過零寬度的正 lookbehind。零寬度正後發斷言。僅當子表示式 X 在 此位置的左側匹配時才繼續匹配。例如，(?<=19)99 表示99前面是數字19，但不捕獲前面的19。（不回溯）
(?(?>X)    X，作為獨立的非捕獲組（不回溯）
(?=X)與(?>X)的區別在於(?>X)是不回溯的。例如被匹配的字串為abcm
當表示式為a(?:b|bc)m是可以匹配的，而當表示式是a(?>b|bc)時是不能匹配的，因為當後者匹配到b時，由於已經匹配，就跳出了非捕獲組，而不再次對組內的字元進行匹配。可以加快速度。