Java's java.util.regex 包包括：Pattern类、Matcher类、MatchResult接口和PatternSyntaxException异常：
- Pattern 对象代表了编译了的正则表达式（A compiled representation of a regular expression.）。
- Matcher ，An engine that performs match operations on a character sequence by interpreting a
Pattern.
- MatchResult接口：The result of a match operation.
- PatternSyntaxException对象，描述非法的regex patterns，Unchecked exception thrown to indicate a syntax error in a regular-expression pattern.
同时还需要了解是CharSequence，JDK 1.4定义的新的接口，它提供了String和StringBuffer这两个类的字符序列的抽象
interface CharSequence {
charAt(int i);
length();
subSequence(int start, int end);
toString();
}
为了实现这个新的CharSequence接口，String，StringBuffer以及CharBuffer都作了修改，很多的正则表达式的操作都要拿CharSequence作参数。
Matcher类的几个重要的方法：
- boolean matches()：Pattern匹配整个字符串
- boolean lookingAt()：Pattern匹配字符串的开头
- boolean find()：发现CharSequence里的，与pattern相匹配的多个字符序列
boolean find(int start)：告诉方法从参数start位置开始查找
group的概念
Group是指里用括号括起来的，能被后面的表达式调用的正则表达式。
Group 0 表示整个表达式，group 1表示第一个被括起来的group，以此类推。所以；
A(B(C))D
里面有三个group：group 0是ABCD， group 1是BC，group 2是C。
你可以用下述Matcher方法来使用group：
- public int groupCount( )返回matcher对象中的group的数目。不包括group0。
- public String group( ) 返回上次匹配操作(比方说find( ))的group 0(整个匹配)
- public String group(int i)返回上次匹配操作的某个group。如果匹配成功，但是没能找到group，则返回null。
- public int start(int group)返回上次匹配所找到的group的开始位置。
- public int end(int group)返回上次匹配所找到的group的结束位置，最后一个字符的下标加一。
- split( ) 是指将以正则表达式为界，将字符串分割成String数组,如果带有limit参数，split( )会限定分割的次数。
- replaceFirst(String replacement)将字符串里，第一个与模式相匹配的子串替换成replacement。
- replaceAll(String replacement)，将输入字符串里所有与模式相匹配的子串全部替换成replacement。
- appendReplacement(StringBuffer sbuf, String replacement)对sbuf进行逐次替换，而不是像replaceFirst( )或replaceAll( )那样，只替换第一个或全部子串。这是个非常重要的方法，因为replacement(replaceFirst( )和replaceAll( )只允许用固定的字符串来充当replacement)。有了这个方法，你就可以编程区分group，从而实现更强大的替换功能。
- 调用完appendReplacement( )之后，为了把剩余的字符串拷贝回去，必须调用appendTail(StringBuffer sbuf, String replacement)。
使用group可以做到逐步缩小匹配的范围，直至精确匹配的目的。
start( )和end( )：如果匹配成功，start( )会返回此次匹配的开始位置，end( )会返回此次匹配的结束位置，即最后一个字符的下标加一。如果之前的匹配不成功(或者没匹配)，那么无论是调用start( )还是end( )，都会引发一个IllegalStateException。
二、4大使用方法：
查询
String str="abc efg ABC";
String regEx="a|f"; //表示a或f
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find();
如果str中有regEx，那么rs为true，否则为flase。如果想在查找时忽略大小写，则可以写成Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);
提取
String regEx=".+\(.+)$";
String str="c:\dir1\dir2\name.txt";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean rs=m.find();
for(int i=1;i<=m.groupCount();i++){
System.out.println(m.group(i));
}
以上的执行结果为name.txt，提取的字符串储存在m.group(i)中，其中i最大值为m.groupCount();
分割
String regEx="::";
Pattern p=Pattern.compile(regEx);
String[] r=p.split("xd::abc::cde");
执行后，r就是{"xd","abc","cde"}，其实分割时还有跟简单的方法：
String str="xd::abc::cde";
String[] r=str.split("::");
替换或者删除
String regEx="a+"; //表示一个或多个a
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher("aaabbced a ccdeaa");
String s=m.replaceAll("A");
结果为"Abbced A ccdeA"
如果写成空串，既可达到删除的功能，比如：
String s=m.replaceAll("");
结果为"bbced ccde"
三、一个实际的例子
下面的函数是一个实际应用的例子，需求是需要将抓取的网页中的<img src=''http://aa.bb.cc.com/images/**.jpg"> 中的地址，保存到一个地址列表中（以供抓取图片使用），并将绝对地址替换成本地的相对地址，即<img src="images/**.jpg">。
public static Map<String, String> getImagesURL(String description) {
Map<String, String> map = new HashMap<String, String>();
// img 的正则表达式:匹配<img>标签
String imgPattern = "<\s*img\s+([^>]+)\s*>";
Pattern pattern1 = Pattern.compile(imgPattern, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern1.matcher(description);
// img src元素的正则表达式：匹配img标签内的src属性
String srcPattern = "\s*src\s*=\s*\"([^\"]+)\s*\"";
Pattern pattern2 = Pattern.compile(srcPattern, Pattern.CASE_INSENSITIVE);
while (matcher.find()) {
//group()返回符合表达式的内容
Matcher matcher2 = pattern2 .matcher(matcher.group());
// 一定要find(),这是实际的匹配动作
if (matcher2.find()) {
String src = matcher2.group();
log.info(src);
int i2 = src.lastIndexOf('/');
int i1 = src.indexOf("http");
if (i1 != -1) {
map.put(src.substring(i2 + 1, src.length() - 1), src
.substring(i1, src.length() - 1));
}
}
}
log.debug("图片：" + map);
return map;
}
整体思路是先匹配到img标签，然后匹配src属性，并修改src的属性
"<\s*img\s+([^>]+)\s*>" 的解释：
([^>]+)：指的是到>为止的所有的元素，至少一个
常用的正则表达式（参考jdk的regex文档）
字符集类
. 表示任意一个字符
[abc] 表示字符a，b，c中的任意一个(与a|b|c相同)
[^abc] 除a，b，c之外的任意一个字符(否定)
[a-zA-Z] 从a到z或A到Z当中的任意一个字符(范围)
[abc[hij]] a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集)
[a-z&&[hij]] h,i,j中的一个(交集)
\s 空格字符(空格键, tab, 换行, 换页, 回车)
\S 非空格字符([^\s])
\d 一个数字，也就是[0-9]
\D 一个非数字的字符，也就是[^0-9]
\w 一个单词字符(word character)，即[a-zA-Z_0-9]
\W 一个非单词的字符，[^\w]
字符类：
B 字符B
\xhh 16进制值0xhh所表示的字符
\uhhhh 16进制值0xhhhh所表示的Unicode字符
\t Tab
\n 换行符
\r 回车符
\f 换页符
\e Escape
逻辑运算符
XY X 后面跟着 Y
X|Y X或Y
(X) 一个"要匹配的组(capturing group)". 以后可以用\i来表示第i个被匹配的组。
边界匹配符
^ 一行的开始
$ 一行的结尾
\b 一个单词的边界
\B 一个非单词的边界
\G 前一个匹配的结束
数量表示符
"数量表示符(quantifier)"的作用是定义模式应该匹配多少个字符。
- Greedy(贪婪的)：除非另有表示，否则数量表示符都是greedy的。Greedy的表达式会一直匹配下去，直到匹配不下去为止。(如果你发现表达式匹配的结果与预期的不符)，很有可能是因为，你以为表达式会只匹配前面几个字符，而实际上它是greedy的，因此会一直匹配下去。
- Reluctant(勉强的)：用问号表示，它会匹配最少的字符。也称为lazy, minimal matching, non-greedy, 或ungreedy。
- Possessive(占有的)：目前只有Java支持(其它语言都不支持)。它更加先进，所以你可能还不太会用。用正则表达式匹配字符串的时候会产生很多中间状态，(一般的匹配引擎会保存这种中间状态，)这样匹配失败的时候就能原路返回了。占有型的表达式不保存这种中间状态，因此也就不会回头重来了。它能防止正则表达式的失控，同时也能提高运行的效率。
Greedy Reluctant Possessive 匹配
X? X?? X?+ 匹配一个或零个X
X* X*? X*+ 匹配零或多个X
X+ X+? X++ 匹配一个或多个X
X{n} X{n}? X{n}+ 匹配正好n个X
X{n,} X{n,}? X{n,}+ 匹配至少n个X
X{n,m} X{n,m}? X{n,m}+ 匹配至少n个，至多m个X
参考资料
要想进一步学习正则表达式，建议看Mastering Regular Expression, 2nd Edition，作者Jeffrey E. F. Friedl (O’Reilly, 2002)。
