Regular expressions - регулярные выражения (Java)

Определение

Формальный язык поиска и осуществления манипуляций с подстроками в тексте.
Основан на

Символы

x ==> символ x
\\ ==> обратный слеш
\xhh ==> символ с кодом U+00hh
\xhhhh ==> символ с кодом U+hhhh
\n ==> перевод строки
\r ==> возврат каретки
\t ==> табуляция

Kolesnikov

Символьные классы

Простой класс:
[abc] ==> a, b или c
Регулярное выражение: [ab]
Входная строка: accddba

Kolesnikov D.O.

Символьные классы

Отрицание:
[^abc] ==> любой символ, кроме a, b, c
Регулярное выражение: [^ab]
Входная строка: acdba

Kolesnikov

Символьные классы

Диапазон:
[a-zA-Z] ==> от a до z или от A до Z
Регулярное выражение:

Символьные классы

Объединение:
[a-z[A-Z]] ==> от a до z или от A до Z
Тоже самое,

Символьные классы

Пересечение:
[a-z&&[def]] ==> d, e или f
Регулярное выражение: [a-d&&c-f]
Входная строка: accdddeab

Kolesnikov D.O. SED

Символьные классы

Вычитание:
[a-z&&[^def]] ==> от a до c или от g до z
Регулярное выражение:

Символьные классы Java

Эквиваленты методов класса Character:
\p{javaLowerCase} ~ isLowerCase
\p{javaUpperCase} ~ isUpperCase
\p{javaWhitespace} ~ isWhitespace
Регулярное выражение:
\p{javaUpperCase} \p{javaLowerCase}
Входная строка: Текст

Kolesnikov

Предопределенные классы

. ==> любой символ
Регулярное выражение: ...
Входная строка: abcdefgh
Регулярное выражение: ..
Входная строка: abcde

Kolesnikov

Предопределенные классы

\d ==> цифра, [0-9]
\D ==> не цифра, [^\d]
Регулярное выражение: \d\D
Входная строка: ab8ab8

Kolesnikov D.O. SED

Предопределенные классы

\s ==> пробельный символ, [ \t\n\f\r\x0b]
\S ==> непробельный символ, [^\s]
Регулярное выражение: \s\S
Входная строка: ab

Предопределенные классы

\w ==> символ слова, [a-zA-Z_\d]
\W ==> отрицание \w, [^\w]
Регулярное выражение: \w\W
Входная строка: ab*8&ab8

Kolesnikov D.O.

Границы

^ ==> начало строки
Регулярное выражение: ^ab
Входная строка: ababab
$ ==> конец строки
Регулярное выражение: ab$
Входная строка: ababab

Kolesnikov

Границы

\b ==> граница слова
\B ==> отрицание \b
Регулярное выражение: abc\b
Входная строка: abc abcd

Kolesnikov D.O. SED KNURE

Границы

\A ==> начало ввода
Регулярное выражение: \Aabc
Входная строка:
abc abc
abc abc

Kolesnikov D.O. SED KNURE

Границы

\z ==> конец ввода
Регулярное выражение: abc\z
Входная строка:
abc abc
abc abc

Kolesnikov D.O. SED KNURE

Границы

\Z ==> конец ввода, как и \z, но может включать ограничитель строки
Регулярное выражение:

Ограничители строк

'\n' ==> LF (новая строка)
'\r' ==> CR (возврат каретки)
"\r\n" ==> CR+LF
'\u0085' ==> следующая строка
'\u2028' ==> разделитель строки
'\u2029' ==> разделитель параграфа

Kolesnikov D.O. SED

Квантификаторы

Квантификатор определяет повторяемость.
Жадный квантификатор определяет максимально возможную подстроку.
Ленивый квантификатор определяет минимально

Квантификаторы

X? ==> один или ноль раз (жадный)
Регулярное выражение: ab?
Входная строка: aabcabbb
X?? ==> один или ноль

Квантификаторы

X* ==> ноль или более раз (жадный)
Регулярное выражение: ab*
Входная строка: aabcabbb
X*? ==> ноль или более

Квантификаторы

X+ ==> один или более раз (жадный)
Регулярное выражение: ab+
Входная строка: aabcabbb
X+? ==> один или более

Квантификаторы

X{n} ==> ровно n раз (жадный)
или (совпадает по результату применения)
X{n}? ==> ровно n раз (ленивый)
Регулярное

Квантификаторы

X{n,} ==> не менее n раз (жадный)
Регулярное выражение: ab{2,}
Входная строка: aabcabbb
X{n,}? ==> не менее n

Квантификаторы

X{n,m} ==> от n до m раз (жадный)
Регулярное выражение: ab{1,2}
Входная строка: aabcabbb
X{n,m}? ==> от n

Сверхжадные квантификаторы

При поиске в строке aab с помощью рег. выражения a+b

Сверхжадные квантификаторы

Сверхжадный квантификатор действует как жадный, но никогда не откатывается назад.
a++ ==> a

Сверхжадные квантификаторы

Чтобы сделать жадный квантификатор сверхжадным достаточно добавить + справа от

Логические операции

XY ==> X за которым следует Y (AND)
X|Y ==> X илиY (OR)
Приоритет AND выше

Группы

Выражение в круглых скобка - группа.
Каждая группа имеет номер.
Группы нумеруются слева

Группы

(A)(B(C)(?:D))
(A) ==> группа номер 1
(B(C)(?:D)) ==> группа номер 2
(C) ==> группа номер 3
(?:D) ==> группа без номера

Kolesnikov D.O. SED

Группы

Группы могут быть использованы по номеру в регулярном выражении с помощью

Экранирование символов

Для представления специальных символов:
\ . | + * ?
[ ]

Экранирование символов

Для указания диапазона экранирования можно использовать \Q и/или \E
\Q ==> начало диапазона
\E ==> окончание

Упреждающий просмотр вперед

Позитивный: (?=X)
Регулярное выражение: a(?=b)
Входная строка: abacab
Негативный: (?!X)
Регулярное выражение: a(?!b)
Входная

Просмотр назад

Позитивный: (?<=X)
Регулярное выражение: (?<=b)a
Входная строка: abacab
Негативный: (?Регулярное выражение: (?Входная

Режимы

Влияют на работу регулярных выражений.
Каждый режим имеет буквенный код.
COMMENTS ==> x
CASE_INSENSITIVE ==> i
UNIX_LINES ==> d
DOTALL ==> s
UNICODE_CASE ==> u
MULTILINE ==> m

Kolesnikov D.O.

Режимы

Чтобы включить режим, достаточно предварить регулярное выражение комбинацией: (?КОД_РЕЖИМА).
(?m) (?s)
Если нужно включить

Режимы

COMMENTS ==> x
Режим комментариев. Пробельные символы игнорируются, после символа # можно писать комментарий

Режимы

CASE_INSENSITIVE ==> i
Игнорирует регистр символов.
UNIX_LINES ==> d
Разделитель строк только CR (\r)
DOTALL ==> s
Точка (.)