Java's Regex Flavor

java.util.regex使用传统型NFA，所以第4、5、6章介绍的丰富特性都适用于它。下页的表8-2总结了它的元字符。此流派的某些方面已经发生了变化，原因是各种匹配模式，匹配模式的启用通过各种 method 和 factory 来设定标志位，或者内嵌在表达式中的「（？mods-mods）」和「（？mods-mods：…）」修饰符。这些模式在第368页的表8-3中有列出。下面是对表8-2的说明：

① 只有在字符组内部，\b才代表退格字符。在其他场合，\b都代表单词分界符。

表中给出的是“纯（raw）”反斜线，但是用作Java正则表达式的字符串时必须使用双反斜线。例如，表中的「\n」在Java的字符串中必须写作“\\n”。请参考“作为正则表达式的字符串”（☞101）。

\x＃＃容许且只容许出现两位十六进制数字，所以「\xFCber」匹配‘über’。

表8-2：java.util.regex的正则流派

\u＃＃＃＃容许且只容许四位十六进制数字，例如，「\u00FCber」匹配‘über’，「\u20AC」匹配‘€’。

\0octal要求开头为0，后接1到3位十进制数字。

\cchar是区分大小写的，直接对后面字符的十进制编码进行异或（xoring）操作。与我见过的任何流派都不一样，在这里\cA和\ca是不同的。\cA等于传统意义上的\x01，\ca则等价于\x21，匹配‘！’。

②\w、\d和\s（以及对应的大写缩略法）只适用于ASCII字符，而不包括其他的字母、数字或者 Unicode 空白字符。也就是说，\d 等价于[0-9]，\w 等价于[0-9a-zA-Z]，\s等价于[·\t\n\f\r\x0B]（\x0B是ASCII中基本不用的VT字符）。

要覆盖完整的Unicode字符，可以使用Unicode属性（☞121）：用\p{L}表示\w，\p{Nd}表示\d，用\p{Z}表示\s。（把小写的p替换为大写的P，就可以对应\W、\D和\S）。

③\p{…}和\P{…}支持 Unicode 属性和区块，以及某些额外的“Java 属性”。它不支持Unicode字母表。详细信息在下一页。

④ 对单词分界符元字符\b和\B来说，“单词字符”的规定不同于\w和\W。单词分界符能够识别Unicode字符，而\w和\W只能识别ASCII字符。

⑤ 顺序环视结构中可以使用任意正则表达式，但是逆序环视中的子表达式只能匹配长度

有限的文本。也就是说，「？」可以出现在逆序环视中，但「＊」和「+」则不行。请参考第3章133页开始的内容。

⑥ 只有在使用/x修饰符，或者使用Pattern.COMMENTS选项（☞368）（请不要忘记在多

行文本字符串中添加换行符，如第401页的例子）时，＃…才算注释。没有转义的ASCII字空白字符会被忽略。注意：这一点与大多数支持此模式的正则引擎不同，在 Java 中字符组内部的注释和空白字符也会被忽略。

⑦\Q…\E一直是被支持的，但在Java 1.6之前，字符组内部的此种结构是不可靠的。

表8-3：java.util.regex中Match和Regex的方法