正则表达式 学习笔记3.4

第一段为合法html代码，第二段为不合法html代码。
[^<]+匹配非<的任意多个字符

\\w+[^<]+</\\w+>;

开头用来匹配开始tag
结尾用来匹配结束tag
中间用来匹配文本。

发现这个正则表达式，既能匹配合法，又能匹配不合法的。
因为匹配开始tag和结束tag的两个子表达式，并没有什么联系，也就是说匹配的结束tag并不等于开始的tag

下面用反向引用在两个子表示之间建立联系：

String regex = "<(\\w+)>[^<]+</(\\1)>";
运行结果：
<h1>good,good</h1>能够匹配正则:<(\w+)>[^<]+</(\1)>
<h1>bad</h2>不能够匹配正则:<(\w+)>[^<]+</(\1)>
对匹配开始tag的子表达式添加捕获分组：
<(\\w+)

在匹配结束tag的子表达式中，使用\1这个反向引用的功能：
</(\\1)>引用之前的子表达式：(\\w+)

补充：
一些题外话；使用正则表达式替换的时候，也可以使用反向引用的功能。
例子：
public class GeneralEvelent {
public static void main(String[] args) {
String dupWords = "word word";
String dupWordRegex = "(\\w+)\\s+(\\1)";
System.out.println("替换之前:"+dupWords);
System.out.println("替换之后:"
+dupWords.replaceAll(dupWordRegex, "$1"));
}
}

运行结果：
替换之前:word word
替换之后:word
简单的去掉重复单词的例子

dupWords.replaceAll(dupWordRegex, "$1")

$1按照java语言规定，这个特殊变量对应的是正则表达式中编号为1的分组所捕获的字符串。
也就是说将两个重复单词的字符串，替换为单个重复单词的字符串，这样就去掉了一个重复单词。

小结
・量词：规定之前元素出现的次数
・*，+，？
・区间量词：{min,max}
・量词的局限：括号(...)的使用
・括号的用途：多选分支
・括号的用途：捕获分组
・括号的用途：反向引用

正则表达式 学习笔记3 完！本文出自 “lee” 博客，请务必保留此出处http://jooben.blog.51cto.com/253727/317570