10.2 刷题知识点总结（1） ---- 正则表达式

核心概念与语法

正则表达式由普通字符（如字母、数字）和元字符（具有特殊含义的字符）组成。以下是常用元字符和语法：

1. 基础匹配

• .：匹配任意单个字符（除换行符 \n）
  • 例：a.b 匹配 “acb”、“a1b”，不匹配 “ab”、“a\nb”
• []：匹配括号内的任意一个字符
  • 例：[abc] 匹配 “a”、“b” 或 “c”；[0-9] 匹配任意数字
• [^]：匹配不在括号内的任意字符（取反）
  • 例：[^0-9] 匹配非数字字符
• |：逻辑“或”，匹配两边的任意一个表达式
  • 例：cat|dog 匹配 “cat” 或 “dog”

2. 量词（匹配次数）

• *：匹配前面的元素 0 次或多次
  • 例：a* 匹配 “”（空）、“a”、“aa”、“aaa” 等
• +：匹配前面的元素 1 次或多次
  • 例：a+ 匹配 “a”、“aa”，不匹配 “”
• ?：匹配前面的元素 0 次或 1 次（可选）
  • 例：a? 匹配 “” 或 “a”
• {n}：匹配前面的元素 恰好 n 次
  • 例：a{3} 仅匹配 “aaa”
• {n,}：匹配前面的元素 至少 n 次
  • 例：a{2,} 匹配 “aa”、“aaa” 等
• {n,m}：匹配前面的元素 n 到 m 次（包含 n 和 m）
  • 例：a{1,3} 匹配 “a”、“aa”、“aaa”

3. 位置匹配（锚点）

• ^：匹配字符串的开头
  • 例：^abc 匹配以 “abc” 开头的字符串（如 “abcd”）
• $：匹配字符串的结尾
  • 例：xyz$ 匹配以 “xyz” 结尾的字符串（如 “axyz”）
• \b：匹配单词边界（单词与非单词字符的位置）
  • 例：\bcat\b 匹配独立的 “cat”，不匹配 “category” 中的 “cat”

4. 转义字符

如果需要匹配元字符本身（如 .、*、( 等），需用 \ 转义：

• 例：a\.b 匹配 “a.b”（而非 “acb”）；\* 匹配 “*”

5. 预定义字符集

• \d：匹配任意数字（等价于 [0-9]）
• \D：匹配非数字（等价于 [^0-9]）
• \w：匹配字母、数字、下划线（等价于 [a-z A-Z 0-9 _]）
• \W：匹配非单词字符（等价于 [^ a-z A-Z 0-9 _]）
• \s：匹配空白字符（空格、制表符 \t、换行符 \n 等）
• \S：匹配非空白字符

常用示例

1. 验证手机号（中国大陆）：
   ^1[3-9]\d{9}$

   • 以 “1” 开头，第二位是 3-9，后面跟 9 位数字。

2. 验证邮箱：
   ^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

   • 匹配类似 “[e-mail]” 的邮箱格式。

3. 提取 HTML 标签中的内容：
   <title>(.*?)</title>

   • 用括号 () 定义分组，.*? 非贪婪匹配标签内的内容。

4. 替换字符串中的空格：
   用 \s+ 匹配一个或多个空格，替换为单个空格：

 "hello   world".replaceAll("\\s+", " ")

输出结果：

  "hello world"

注意事项

• 贪婪匹配 vs 非贪婪匹配：默认是贪婪模式（尽可能多匹配），加 ? 切换为非贪婪模式（尽可能少匹配）。
  例：a.*b 匹配 “aabxb” 中的 “aabxb”，而 a.*?b 匹配 “aab”。
• 不同语言的细微差异：Java 中需用双反斜杠 \\（如 \\d），而 Python、JavaScript 中用单反斜杠 \（如 \d）。
• 性能问题：复杂的正则表达式可能效率较低，避免过度嵌套或不必要的贪婪匹配。