正则表达式及其在Java和Python中的应用

发表于 2022-02-19 更新于 2022-02-20 阅读次数：本文字数： 3.6k 阅读时长 ≈ 7 分钟

学了很多遍正则表达式，总是一学就忘quq，这次，我一定要，记住

正则表达式相关知识

所谓正则表达式，就是用一种格式去表达你想要的字符串的模式，然后用来比较、匹配和查找。

基本语法

原子

原子就是字符串中不可分割的部分，一个字符是一个原子，一个转义字符（例如""）也是一个原子。

递归的定义：()括起来的多个原子（或者说一个正则表达式）构成一个原子。

例如(ab)代表原子ab，在匹配时，原子内部的内容代表一个整体，不可拆分

中括号和花括号

[]括起来的原子代表匹配时匹配上其中的任何一个就行

[^]为非原子表，它所能匹配的东西刚好取不加^时的补集
另一种语法是[a-z]代表az之间（在ASCII表中）的所有字符

{}可以放原子或者中括号表达式后面，里面写上数字，表示前面的原子出现的次数

数字的形式可以是 {m} {m,n} {m,}(闭区间)

特殊字符

转义字符

转义字符就是用一个字符代表某一类字符

字符	含义
\d	匹配一个数字
\w	匹配字母数字或下划线
\s	匹配一个空白字符，相当于`[\f\n\r\t\v]`

这几种字符如果后面字母换成大写就代表取反（\S等价于 [^\s]）

元字符

元字符是有特殊含义的字符，如果要在正则表达式中包含元字符本身，必须在其前加上””进行转义

字符	含义
*	前面的原子匹配任何次
+	前面的原子匹配一次或以上
？	前面的原子匹配0或1次
^	匹配字符串首的位置
$	匹配字符串尾的位置
\b	匹配字符串的边界（\B反）
.	除换行符外的任何字符

可以看到，这些元字符或者对其前面字符的匹配模式有所影响，或者匹配某个位置

模式修正符

还有一个东西叫模式修正符，表示匹配的模式（如忽略大小写这些）。

最常用的就是忽略大小写了，其他的我也不懂，等用到的时候补充。

修饰符	描述
I	忽略大小写
L	做本地化识别匹配
M	多行匹配
S	使.匹配包括换行在内的所有字符
U	根据Unicode字符集解析字符
X	详细模式，正则表达式可以有多行

有的时候你看到的正则表达式是写在两个斜杠之间的，比如/abc/这个斜杠其实没有什么意思，只是表达这是一条正则表达式，在编程的时候不用管这两个斜杠，只用把两个杠之间的东西当做pattern就行。

一般在写正则表达式的时候，会把模式修正符放在右斜杠的右边，比如/abc/i表示匹配这个字符串并且忽略大小写。

捕获组

这里就要介绍()的另一个含义：

被括号括起来的东西叫模式单元，在匹配结束后，系统自动将模式单元中的匹配储存起来，可以进行引用。

当需要指定一个模式单元不被储存的时候，可以用(?: )

命名捕获组：(?<name>expression) （在Python中是(?P<name>expression) ）

捕获组的编号

零号一般代表整个匹配结果，从左到右根据(出现的先后编号

不过要是括号比较多的话，建议使用命名捕获组

非贪婪匹配

如果用表达式(.*)去匹配一个字符串，应该能匹配一整行，因为正则表达式默认贪婪匹配，也就是说，在满足条件的情况下尽可能多的匹配字符。

但是如果我们不想要匹配这么多字符呢？

一种解决方法是用{数字}替代元字符，这样就能指定匹配的次数，但是要是预先不知道次数呢？

可以使用非贪婪匹配

代表匹配次数的元字符后面加上?表示非贪婪匹配，含义是在满足条件的情况下尽可能少的匹配。

例如："(\d*?)(0*)"匹配字符串后面的0

了解了这些正则表达式中的基本知识，下面来看看这些功能在具体的编程语言中应该怎么实现。

Python的Re库

主要用到的函数

re.compile(pattern)

可输入输入字符，转化为匹配对象

在需要多次使用一个pattern的时候最好先compile而不是直接拿字符串去匹配，这样能加快速度。

第二个参数的位置可以输入模式修正符，例如：
1
2
pattern = re.compile(r"abc",re.I)
#还有一件事：上面的字符串前面有一个r，代表这个字符串不进行转义
re.***(pattern,string)

这里的pattern可以是字符串，也可以是用compile创建的模式对象

下面这几个函数的调用都是上面的格式：
- re.findall():搜索所有满足条件的字符串，返回一个列表
- re.match():从第一个字符开始匹配，返回匹配对象
  
  可以用group()查看匹配到的结果，用start(),end()获取匹配的开始以及结束位置
- re.fullmatch(): 用pattern去匹配整个字符串
- re.search():搜索第一个满足条件的字符串，查找到第一个停止
re.sub(pattern,rep,string,mood)

pattern 为需要寻找的模式

rep 是要替换为的东西

string 原字符串

mood选项（用来控制替换的数量等）
小例子：

就是说咱有多懒，写个脚本把字符串中的"{name}"这些东西换成 "%s"（OO作业
1
2
3
4
5
6
7
>import re
>s = input()
>while (s != "q"):
s = input()
pattern = "{.*?}" # 非贪婪
ss = re.sub(pattern, "%s", s)
print( ss + "\\n")

Java与字符串

不用正则表达式的简单处理

split()用额定字符串分割字符串，不会输出空字符串
indexOf()搜索字符串出现的位置
subString()截取子串
trim()删除前后空格以及换行符
判断字符串相等不能用==（而Python中是可以的），用==只是判断地址。应该用s1.equals(s2)判断

正则表达式

类

Pattern类

Pattern 类对象是由Pattern.compile()函数返回的
Matcher类

由Pattern对象的matcher()方法返回

方法：
- group()输入捕获组的编号或者名称，返回对应的字符串
- start([int group]) 可以输入group的编号，如果不输入参数，默认

方法

匹配方法

在调用group()，start()等方法获取信息之前，要先进行匹配，否则会报错

find() 从上一次匹配到的字符串结束的地方开始匹配

例如：

String REGEX = "csc";
String INPUT =
        "cscscore";
Pattern p = Pattern.compile(REGEX);
Matcher m = p.matcher(INPUT);
for (int i=0;i<2;i++) {
    // 第二次匹配是从位置3开始的，所以第二次是匹配不到的
    if(m.find())
    	System.out.println(m.start());
    else 
        System.out.println("Not found");
}

find还可以输入一个int参数，表示匹配开始的位置

lookingAt() 从头开始匹配
matches()

相当于Python里面的fullmatch() ，尝试将整个区域与模式匹配

替换方法

replaceFirst()
replaceAll()

appendReplacement() 和appendTail()

看一个例子：

public class RegexMatches
{
   private static String REGEX = "a*b";
   private static String INPUT = "aabfooaabfooabfoobkkk";
   private static String REPLACE = "-";
   public static void main(String[] args) {
      Pattern p = Pattern.compile(REGEX);
      Matcher m = p.matcher(INPUT);
      StringBuffer sb = new StringBuffer();//新建一个空的StringBuffer
     
      while(m.find()){
         m.appendReplacement(sb,REPLACE);
      }
      m.appendTail(sb);
      System.out.println(sb.toString());
      //输出为-foo-foo-foo-kkk
   }
}

appendReplacement就是把从上一次匹配结束(或者0位置)到这一次匹配结束并且替换后的这一段字符串加到StringBuffer结尾

appendTail就是把上一次匹配结束的位置到结尾的部分都加到StringBuffer结尾