正則表達式（語法篇）

正則表達式的構造摘要
構造 匹配
 
字元
x 字元 x
\\ 反斜線字元
\0n 帶有八進位值 0 的字元 n (0 <= n <= 7)
\0nn 帶有八進位值 0 的字元 nn (0 <= n <= 7)
\0mnn 帶有八進位值 0 的字元 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh 帶有十六進位值 0x 的字元 hh
\uhhhh 帶有十六進位值 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
 
字元類
[abc] a、b 或 c（簡單類）
[^abc] 任何字元，除了 a、b 或 c（否定）
[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）
 
預定義字元類
. 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]
 
POSIX 字元類（僅 US-ASCII）
\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} 十六進位數字：[0-9a-fA-F]
\p{Space} 空白字元：[ \t\n\x0B\f\r]
 
java.lang.Character 類（簡單的 java 字元類型）
\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()
 
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）
 
邊界匹配器
^ 行的開頭
$ 行的結尾
\b 單詞邊界
\B 非單詞邊界
\A 輸入的開頭
\G 上一個匹配的結尾
\Z 輸入的結尾，僅用於最後的結束符（如果有的話）
\z 輸入的結尾
 
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
 
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
 
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
 
Logical 運算符
XY X 後跟 Y
X|Y X 或 Y
(X) X，作為捕獲組
 
Back 引用
\n 任何匹配的 nth 捕獲組
 
引用
\ Nothing，但是引用以下字元
\Q Nothing，但是引用所有字元，直到 \E
\E Nothing，但是結束從 \Q 開始的引用
 
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i d m s u x on - off
(?idmsux-idmsux:X)   X，作為帶有給定標誌 i d m s u x on - off
的非捕獲組  (?=X) X，通過零寬度的正 lookahead
(?!X) X，通過零寬度的負 lookahead
(?<=X) X，通過零寬度的正 lookbehind
(?<!X) X，通過零寬度的負 lookbehind
(?>X) X，作為獨立的非捕獲組

--------------------------------------------------------------------------------

反斜線、轉義和引用
反斜線字元 ('\') 用於引用轉義構造，如上表所定義的，同時還用於引用其他將被解釋為非轉義構造的字元。因此，表達式 \\ 與單個反斜線匹配，而 \{ 與左括弧匹配。

在不表示轉義構造的任何字母字元前使用反斜線都是錯誤的；它們是為將來擴展正則表達式語言保留的。可以在非字母字元前使用反斜線，不管該字元是否非轉義構造的一部分。

根據 Java Language Specification 的要求，Java 源代碼的字元串中的反斜線被解釋為 Unicode 轉義或其他字元轉義。因此必須在字元串字面值中使用兩個反斜線，表示正則表達式受到保護，不被 Java 位元組碼編譯器解釋。例如，當解釋為正則表達式時，字元串字面值 "\b" 與單個退格字元匹配，而 "\\b" 與單詞邊界匹配。字元串字面值 "\(hello\)" 是非法的，將導致編譯時錯誤；要與字元串 (hello) 匹配，必須使用字元串字面值 "\\(hello\\)"。

字元類
字元類可以出現在其他字元類中，並且可以包含並集運算符（隱式）和交集運算符 (&&)。並集運算符表示至少包含其某個操作數類中所有字元的類。交集運算符表示包含同時位於其兩個操作數類中所有字元的類。

字元類運算符的優先順序如下所示，按從最高到最低的順序排列：

1     字面值轉義     \x
2     分組 [...]
3     範圍 a-z
4     並集 [a-e][i-u]
5     交集 [a-z&&[aeiou]]

註意，元字元的不同集合實際上位於字元類的內部，而非字元類的外部。例如，正則表達式 . 在字元類內部就失去了其特殊意義，而表達式 - 變成了形成元字元的範圍。

行結束符
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。以下代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)。
如果激活 UNIX_LINES 模式，則新行符是唯一識別的行結束符。

如果未指定 DOTALL 標誌，則正則表達式 . 可以與任何字元（行結束符除外）匹配。

預設情況下，正則表達式 ^ 和 $ 忽略行結束符，僅分別與整個輸入序列的開頭和結尾匹配。如果激活 MULTILINE 模式，則 ^ 在輸入的開頭和行結束符之後（輸入的結尾）才發生匹配。處於 MULTILINE 模式中時，$ 僅在行結束符之前或輸入序列的結尾處匹配。

組和捕獲
捕獲組可以通過從左到右計算其開括弧來編號。例如，在表達式 ((A)(B(C))) 中，存在四個這樣的組：

1     ((A)(B(C)))
2     \A
3     (B(C))
4     (C)

組零始終代表整個表達式。

之所以這樣命名捕獲組是因為在匹配中，保存了與這些組匹配的輸入序列的每個子序列。捕獲的子序列稍後可以通過 Back 引用在表達式中使用，也可以在匹配操作完成後從匹配器獲取。

與組關聯的捕獲輸入始終是與組最近匹配的子序列。如果由於量化的緣故再次計算了組，則在第二次計算失敗時將保留其以前捕獲的值（如果有的話）例如，將字元串 "aba" 與表達式 (a(b)?)+ 相匹配，會將第二組設置為 "b"。在每個匹配的開頭，所有捕獲的輸入都會被丟棄。

以 (?) 開頭的組是純的非捕獲 組，它不捕獲文本，也不針對組合計進行計數。