java 正则式，正则表达式，多行匹配，不以某某开头，不区分大小写，2个单元的或操作

From: /article/9589060.html

文章出处：http://topic.csdn.net/u/20080627/14/8a91b33a-f35c-4303-85b5-e0a8da462202.html

1 多行匹配

2 不以某某开头 ，比如不以www开头

3 不区分大小写

4 2个单元的或操作，比如 www ¦ 3w 都可以这种

火龙果回答：

1：多行匹配

在默认的情况下 . 是不能匹配行结束符的（行结束符有 6 个，具体的可以看看 Pattern 的 API DOC）

同样，可以像不匹配大小写匹配那样使用编译参数：Pattern.DOTALL

如果还得区分大小写的话，还得加上上面说到的 Pattern.CASE_INSENSITIVE 这个，举个例子：

Java代码

import java.util.regex.Matcher;

import java.util.regex.Pattern;public class Test {

public static void main(String[] args) {

String str =

"<table> /n" +

" <tr> /n" +

" <td> /n" +

" Hello World! /n" +

" </td> /n" +

" </tr> /n" +

"</table>";

String regex = "<td>(.+?)</td>";

Pattern pattern = Pattern.compile(regex);

Matcher matcher = pattern.matcher(str);

while(matcher.find()) {

System.out.println(matcher.group(1).trim());

}

}

}

上面这个是不能从 str 抽取出东西的，因为 td 的后面带有换行符，我们只要更改一下：

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);

这样就行了，如果 td 还得不区分大小写的话，再改成：

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);

这样的话，td 哪怕是大写的这个表达式都能把 td 之间的字符区抽取出来。

当然和 Pattern.CASE_INSENSITIVE 一样，Pattern.DOTALL 也有内嵌标志表达式，即 (?s)

s 的意思表示 single-line 就是忽略换行符什么的，只看成单行进行处理。

这个表达式使用内嵌 (?s) 的话可以改为：

String regex = "(?s)<td>(.+?)</td>";

如果还要不区分大小写的话，再加上 i 标志：

String regex = "(?s)(?i)<td>(.+?)</td>";

但这样显得很拖沓，可以把它们合并起来：

String regex = "(?is)<td>(.+?)</td>"; // 秩序无所谓

最后需要说明一下的是，我曾看到过由于不明白 DOTALL，为了让 . 匹配行结束符，直接把表达式写成：

String regex = "<td>((.|//s)+?)</td>";

这样做是极其危险的，由于选择结构的匹配效率问题，这样做在比较长的字符串时会造成堆栈溢出，

使程序崩溃，如果使用 DOTALL 或者 (?s) 的话就不会出现这种情况。

2：不以某某开头 ，比如不以www开头

Java代码

public class Test {

public static void main(String[] args) {

String[] strs = {

"abc1232", "wwwadsf",

"awwwfas", "wwadfsf",

"", "ww", " ", "www"

};

String regex = "(?:(?!^www).)*";

for(String str : strs) {

System.out.printf("%-7s %s%n", str, str.matches(regex));

}

}

}

(?!X) 专业名称为 Negative Lookahead，表示字符间缝隙后面不允许出现的字符，

即匹配字符间的缝隙，如果缝隙后的字符不是 X 的话，那这个缝隙就匹配成功。

举个例子，aab 和 aac，现有表达式 aa(?!b) 这时我们能匹配到的字符串是 aac，

因为 aa 的后面的缝隙之后不允许出现字符 b，因此只有 aac 进行了匹配。

再来看个示例：

Java代码

public class Test {

public static void main(String[] args) {

String str = "AQuickBrownFoxJumpsOverTheLazyDog";

String[] strs = str.split("(?<!^)(?=[A-Z])");

for(String s : strs) {

System.out.println(s);

}

}

}

根据大写字母拆分字符串。当然了，这个使用字符串进行分析同样也能进行拆分，

但是使用正则表达式来拆的话更为便捷直观一些。

在进行这种拆分时，由于在拆分后的字符数不能减少，因此只能使用零宽度的

lookaround 功能进行匹配，lookaround 包括四个，即：

(?=X) (?!X) (?<=X) (?<!X)

来看一下这个表达式：(? <!^)(?=[A-Z])

前面说到过 (?!) 表示缝隙后面不允许出现的东西，而 (? <!) 表示缝隙前不允许出现的东西。

(?=) 表示缝隙后允许出现的东西，(? <=) 表示缝隙前允许出现的东西。

这个表达式在拆分时，根据零宽度匹配缝隙进行拆分的，这个缝隙必须满足以下条件：

(? <!^) 表示缝隙不允许前不能是行开始，即缝隙不能出现在首字母的前面。

(?=[A-Z]) 表示缝隙后面允许出现 A-Z 的大写字母。

这时这个表达式就匹配了下面带有 ¦ 的缝隙：

A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

PS：不加 (?<!^) 的话，会变成：

|A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

根据 split 的功能，正则表达式处理程序就根据上面的 ¦ 将字符串给拆分开来了。

3，不区分大小写

不加任何限制的匹配是匹配分大小写的，但是正则表达式中可以进行改变，

有两种方式：参数式和内嵌式。

来看个示例：

Java代码

import java.util.regex.Matcher;

import java.util.regex.Pattern;public class Test {

public static void main(String[] args) {

String str = "Book";

Pattern pattern = Pattern.compile("book");

Matcher matcher = pattern.matcher(str);

System.out.println(matcher.matches());

}

}

上面的这个表达式 book 是不能匹配字符串 Book 的，这时我们只要给定编译时的参数就可以了：

Pattern pattern = Pattern.compile("book", Pattern.CASE_INSENSITIVE);

Pattern.CASE_INSENSITIVE 这是一个 int 类型的常量，值为 2。表示表达式忽略大小写进行区配。

如果我们不采用 Pattern 和 Matcher 两个类来匹配的话，只是使用 String 的 matches 方法的话，

我们就不能指定表达式的编译参数了，这时就需要采用内嵌标志表达式了，与 Pattern.CASE_INSENSITIVE

对应的内嵌标志表达式是 (?i)，它有四种形式：

1，(?i)

2，(?-i)

3，(?i:X)

4，(?-i:X)

不带有 - 的是开标志，带有 - 的是关标志。

把上面的代码改成这样：

Java代码

public class Test {

public static void main(String[] args) {

String str = "Book";

String regex = "(?i)book";

System.out.println(str.matches(regex));

}

}

我们就达到了同样的效果，当然这样并不是最好的，因为字符串中只有 B 是大写的，

我们没有必要把所有的字符都进行不区分大小写匹配，我们可以在打开标志，用 (?i) 的

第二种形式马上关掉它：

String regex = "(?i)b(?-i)ook";

这样的话，只有 b 是区分大小写了，而 (?-i) 后面的还是得区分大小写匹配的。这样写

可能看上去很不顺眼，我们还能使用第 3 种形式直接指定某些字符是不区分大小写的。

String regex = "(?i:b)ook";

这样的表达式与上面的那个在语义上是相同的。就效率上肯定是优于一下子开，一下子关的。

可见内嵌标志表达式要比指定编译参数的功能强大许多。

使用建议：如果能确定某些字符的大小写时，尽量使用已确定的字符，对于不确定的可以采用

(?i:X) 的方式指定。因此打开不区分大小写开关时，对匹配的性能是有一定影响的。

思考一下：String regex = "(?i)b(?-i:oo)k"; 这个表达式的意思？

另外：第 1 和第 4，我没看明白需要了解什么，请在下面的楼层中具体地说明一下。

4：2个单元的或操作

¦ 称为多选结构，用于匹配 ¦ 之中的任何一个，拿你的例子来说明：

Java代码

import java.util.regex.Matcher;

import java.util.regex.Pattern;public class Test {

public static void main(String[] args) {

String str =

"<img src=/"http://www.google.com/1.gif/"/>/n" +

"<img src=/"http://3w.google.com/1.gif/"/>/n" +

"<img src=/"http://abc.baidu.com/1.gif/"/>";

String regex = "<img//ssrc=/"http://(?:ww|3)w.google.com/1.gif/"/>";

Pattern pattern = Pattern.compile(regex);

Matcher matcher = pattern.matcher(str);

while(matcher.find()) {

System.out.println(matcher.group());

}

}

}

注意到其中的 (?:ww ¦3) 在进行多选匹配时尽量找出多选中的规律，以减少多选的字符，

www 和 3w 在最后一个字符可以共用，前面的不一样。

(?: ) 的意思表示组成一组，如果没有 (?: ) 这样的话，表达式就变成了：

String regex = "<img//ssrc=/"http://ww|3w.google.com/1.gif/"/>";

这样的语义完全变掉了， ¦ 是在一组中进行选择，由于上面的那个表达式中没有组，就把整个表

达式作为了一组，使用 ¦ 的话，就进行了整个表达式的多选结构了。这个表达式的意思是：

匹配 <img ssrc="http://ww 或者是 3w.google.com/1.gif"/>，这样的结果并不是我们所要的。

我们仅仅需要在 ww 和 3 之间进行选择，这时只要把 ww 和 3 放在一组中进行多选择就可以了，

变成 (?:ww ¦3)。

还有，在多选结构中尽量把出现频率高的放在前面，这样可以加快匹配速度。

多选结构的效率在传统型的引擎中是效率低下的，如果是单个字符的选择，比如 a $ & 之中的一个，

那就不要使用 (?:a ¦$ ¦&) 了，可以直接使用字符类 [a$&] 就可以了。

5:split分割字母和数字，简单正则缝隙

Java代码

public class Test01 {

public static void main(String[] args) {

String str = "one123";

String regex = "(?<=one)(?=123)";

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

for(int i = 0; i < strs.length; i++) {

System.out.printf("strs[%d] = %s%n", i, strs[i]);

}

}

}