正则表达式使用单个字符串来描述、匹配一系列符 合某个句法规则的字符串，即由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索 的字符串进行匹配。

一、元字符

1.1    […] 字符组(Character Classes)

字符组可以匹配[ ]中包含的任意一个字符。虽然可以是任意一个，但只能是一个。

字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时，要求前面字符的码位小于后面字符的码位。

[^…] 排除型字符组。排除型字符组表示任意一个未列出的字符，同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。

举例：

“[0-9][0-9]”在匹配“Windows 2003”时，匹配成功，匹配的结果为“20”。

“[^inW]”在匹配“Windows 2003”时，匹配成功，匹配的结果为“d”。

1.2   常见字符范围缩写

对于一些常用的字符范围，如数字等，由于非常常用，即使使用[0-9]这样的字符组仍显得麻烦，所以定义了一些元字符，来表示常见的字符范围。

举例：

“\w\s\d”在匹配“Windows 2003”时，匹配成功，匹配的结果为“s 2”。

1.3    . 小数点

小数点可以匹配除“\n”以外的任意一个字符。如果要匹配包括“\n”在内的所有字符，一般用[\s\S]，或者是用“.”加(?s)匹配模式来实现。

1.4    其它元字符

举例：

“^a”在匹配“cba”时，匹配失败，因为表达式要求开始位置后面是字符“a”，而“cba”显然是不满足的。

“\d$”在匹配“123”时，匹配成功，匹配结果为“3”，这个表达式要求匹配结尾处的数字，如果结尾处不是数字，如“123abc”，则是匹配失败的。

1.5   转义字符

一些不可见字符，或是在正则中具有特殊意义的元字符，如想匹配字符本身，需要用“\”对其进行转义。

以下字符在匹配其本身时，通常需要进行转义。在实际应用中，根据具体情况，需要转义的字符可能不止如下所列字符

1.6   量词（Quantifier）

量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组，或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。

注意：在不是动态生成的正则表达式中，不要出现“{1}”这样的量词，如“\w{1}”在结果上等价于“\w”，但是会降低匹配效率和可读性，属于画蛇添足的做法。

1.7   分支结构（Alternation）

当一个字符串的某一子串具有多种可能时，采用分支结构来匹配，“ ”表示多个子表达式之间“或”的关系，“ ”是以()限定范围的，如果在“ ”的左右两侧没有()来限定范围，那么它的作用范围即为“ ”左右两侧整体。

举例：

“^aa b$”在匹配“cccb”时，是可以匹配成功的，匹配的结果是“b”，因为这个表达式表示匹配“^aa”或“b$”，而“b$”在匹配“cccb ”时是可以匹配成功的。

“^(aa b)$”在区配“cccb”时，是匹配失败的，因为这个表达式表示在“开始”和“结束”位置之间只能是“aa”或“b”，而“cccb”显然是不满足的。

二、Java中正则表达式的使用

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 

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 

例：

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test

{

    public static void main(String[] args)

    {

        //定义一个正则表达式，匹配任意个a和2~5个b组成的字符串

        String regex = "a*b{2,5}";

        //编译表达式

        Pattern p = Pattern.compile(regex);

        String str ="aaaaabb";

        Matcher m = p.matcher(str);

        boolean b = m.matches();

        System.out.println(b);   //输出:true

        //reset()方法，可将现有的Matcher对象应用于一个新的字符序列。

        str ="aaaaaadsddsdbb";

        m.reset(str);

        System.out.println(m.matches());   //输出:false

        str ="bbbb";

        m.reset(str);

        System.out.println(m.matches());   //输出:true

        str = "aaaaaahellobbbbbaabbabbbworldab@@&*goodabbbbbbbbbb";

        m.reset(str);

        //查找所有匹配模式的字符串，并打印出来

        //输出:bbbbb,aabb,abbb,abbbbb,bbbbb,

        while(m.find())

        {

            System.out.print(m.group()+",");

        }

        System.out.println();

        //用,替换所有匹配模式的字符串

        //输出:aaaaaahello,,,worldab@@&*good,,

        String str1 = str.replaceAll(regex, ",");

        System.out.println(str1);

        //将字符串以用匹配模式的字符串为界来划分数组

        //输出:aaaaaahello,,,worldab@@&*good,

        String[] arrays = str.split(regex);

        System.out.println(arrays.length); //4        

        for(String s:arrays)

        {

            System.out.print(s+",");

        }

        System.out.println();

    }

}

三、贪婪与懒惰模式

Ø  从语法角度看贪婪与懒惰

被匹配优先量词修饰的子表达式，使用的是贪婪模式；被忽略优先量词修饰的子表达式，使用的是懒惰模式。它们的区别在于重复限定修饰符的后面是否有问号，有的话就是懒惰模式，否则就是贪婪模式。

匹配优先量词包括：“{m,n}”、“{m,}”、“?”、“*”和“+”。

忽略优先量词包括：“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

Ø  从应用角度看贪婪与懒惰

贪婪与懒惰模式影响的是被量词修饰的子表达式的匹配行为，贪婪模式在整个表达式匹配成功的前提下，尽可能多的匹配；而懒惰模式在整个表达式匹配成功的前提下，尽可能少的匹配。懒惰模式只被部分NFA引擎所支持。

Ø  从匹配原理角度看贪婪与懒惰

能达到同样匹配结果的贪婪与懒惰模式，通常是贪婪模式的匹配效率较高。

所有的懒惰模式，都可以通过修改量词修饰的子表达式，转换为贪婪模式。

贪婪模式可以与固化分组结合，提升匹配效率，而懒惰模式却不可以。

例:

   源字符串：aa<div>test1</div>bb<div>test2</div>cc

正则表达式一：<div>.*</div>

匹配结果一：<div>test1</div>bb<div>test2</div>

正则表达式二：<div>.*?</div>

匹配结果二：<div>test1</div>

四、常用正则表达式

1、匹配中文字符的正则表达式： [\u4e00-\u9fa5]

2、匹配空白行的正则表达式：\n\s*\r

评注：可以用来删除空白行

3、匹配首尾空白字符的正则表达式：^\s* \s*$

评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

4、匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

评注：表单验证时很实用

5、匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*

评注：网上流传的版本功能很有限，上面这个基本可以满足需求

6、匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

评注：表单验证时很实用

7、匹配国内电话号码：\d{3}-\d{8} \d{4}-\d{7}

评注：匹配形式如 0511-4405222 或 021-87888822

8、匹配腾讯QQ号：[1-9][0-9]{4,}

评注：腾讯QQ号从10000开始

9、匹配身份证：\d{15} \d{18}

评注：中国的身份证为15位或18位

10、匹配ip地址：\d+\.\d+\.\d+\.\d+

评注：提取ip地址时有用