匹配规则

1437字约5分钟

2024-08-10

正则表达式的匹配规则是从左到右按规则匹配。我们首先来看如何使用正则表达式来做精确匹配

对于正则表达式 abc 来说，它只能精确地匹配字符串 "abc"，不能匹配 "ab"，"Abc"，"abcd" 等其他任何字符串

如果正则表达式有特殊字符，那就需要用 \ 转义。例如，正则表达式 a\&c，其中 \& 是用来匹配特殊字符 & 的，它能精确匹配字符串 "a&c"，但不能匹配 "ac"、"a-c"、"a&&c" 等

要注意正则表达式在 Java 代码中也是一个字符串，所以，对于正则表达式 a\&c 来说，对应的 Java 字符串是 "a\\&c"，因为 \ 也是 Java 字符串的转义字符，两个 \\ 实际上表示的是一个 \

如果想匹配非 ASCII 字符，例如中文，那就用 \u#### 的十六进制表示，例如：a\u548cc 匹配字符串 "a和c"，中文字符和的 Unicode 编码是 548c

匹配任意字符

精确匹配实际上用处不大，因为我们直接用 String.equals() 就可以做到。大多数情况下，我们想要的匹配规则更多的是模糊匹配。我们可以用 . 匹配一个任意字符

正则表达式a.c中间的.可以匹配一个任意字符，例如，下面的字符串都可以被匹配

"abc"，因为.可以匹配字符 b
"a&c"，因为.可以匹配字符 &
"acc"，因为.可以匹配字符 c

但它不能匹配 "ac"、"a&&c"，因为 . 匹配一个字符且仅限一个字符

匹配数字

用.可以匹配任意字符，这个口子开得有点大。如果我们只想匹配 0~9 这样的数字，可以用 \d 匹配。例如，正则表达式 00\d 可以匹配

"007"，因为 \d 可以匹配字符 7
"008"，因为 \d 可以匹配字符 8

它不能匹配 "00A"，"0077"，因为 \d 仅限单个数字字符

匹配常用字符

用 \w 可以匹配一个字母、数字或下划线，w 的意思是 word。例如，java\w 可以匹配

"javac"，因为 \w 可以匹配英文字符 c
"java9"，因为 \w 可以匹配数字字符 9
"java_"，因为 \w 可以匹配下划线 _

它不能匹配 "java#"，"java "，因为 \w 不能匹配 #、空格等字符

匹配空格字符

用 \s 可以匹配一个空格字符，注意空格字符不但包括空格，还包括 tab 字符（在 Java 中用 \t 表示）。例如，a\sc 可以匹配

"a c"，因为 \s 可以匹配空格字符
"a c"，因为 \s 可以匹配 tab 字符 \t

它不能匹配 "ac"，"abc" 等

匹配非数字

用 \d 可以匹配一个数字，而 \D 则匹配一个非数字。例如，00\D 可以匹配

"00A"，因为 \D 可以匹配非数字字符 A
"00#"，因为 \D 可以匹配非数字字符 #
00\d 可以匹配的字符串 "007"，"008" 等，00\D 是不能匹配的

类似的，\W 可以匹配 \w 不能匹配的字符，\S 可以匹配 \s 不能匹配的字符，这几个正好是反着来的

重复匹配

我们用 \d 可以匹配一个数字，例如，A\d 可以匹配 "A0"，"A1"，如果要匹配多个数字，比如 "A380"，怎么办？

修饰符 `` 可以匹配任意个字符，包括 `0` 个字符。我们用 `A\d` 可以匹配

A：因为 \d* 可以匹配 0 个数字
A0：因为 \d* 可以匹配 1 个数字 0
A380：因为 \d* 可以匹配多个数字 380

修饰符 `+` 可以匹配至少一个字符。我们用 `A\d+` 可以匹配

A0：因为 \d+ 可以匹配 1 个数字 0
A380：因为 \d+ 可以匹配多个数字 380

但它无法匹配 "A"，因为修饰符 + 要求至少一个字符

修饰符 `?` 可以匹配 `0` 个或一个字符。我们用 `A\d?` 可以匹配

A：因为 \d? 可以匹配 0 个数字
A0：因为 \d? 可以匹配 1 个数字 0

但它无法匹配 "A33"，因为修饰符 ? 超过 1 个字符就不能匹配了

如果我们想精确指定 `n` 个字符怎么办？用修饰符 `{n}` 就可以。`A\d{3}` 可以精确匹配

A380：因为 \d{3} 可以匹配 3 个数字 380

如果我们想指定匹配 `n~m` 个字符怎么办？用修饰符 `{n,m}` 就可以。`A\d{3,5}` 可以精确匹配

A380：因为 \d{3,5} 可以匹配 3 个数字 380
A3800：因为 \d{3,5} 可以匹配 4 个数字 3800
A38000：因为 \d{3,5} 可以匹配 5 个数字 38000

如果没有上限，那么修饰符 {n,} 就可以匹配至少 n 个字符

总结

单个字符的匹配规则如下

正则表达式	规则	可以匹配
A	指定字符	A
\u548c	指定Unicode字符	和
.	任意字符	a，b，&，0
\d	数字0~9	0~9
\w	大小写字母，数字和下划线	a_z，AZ，0~9，_
\s	空格、Tab键	空格，Tab
\D	非数字	a，A，&，_，……
\W	非\w	&，@，中，……
\S	非\s	a，A，&，_，……

多个字符的匹配规则如下

正则表达式	规则	可以匹配
`A*`	任意个数字符	空，`A，AA，AAA，……`
`A+`	至少1个字符	`A，AA，AAA，……`
`A?`	0个或1个字符	空，`A`
`A{3}`	指定个数字符	`AAA`
`A{2,3}`	指定范围个数字符	`AA，AAA`
`A{2,}`	至少n个字符	`AA，AAA，AAAA，……`
`A{0,3}`	最多n个字符	空，`A，AA，AAA`
正则表达式	规则	可以匹配
`A*`	任意个数字符	空，`A，AA，AAA，……`