黑马程序员-Java正则表达式
一:什么是正则表达式
1. 定义:正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是有普通的字符以及特殊字符组成的文字模式,它用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
2. 用途:
- 字符串匹配
- 字符串查找
- 字符串替换
- 字符串分割
例如:
- 从网页中揪出email地址
- IP地址是否正确
- 从网页中揪出链接
3. java中处理正则表达式的类
java.lang.String
java.util.regex.Pattern: 模式类:字符串要被匹配的这么一个模式,该模式本身已经被编译过,使用的话效率要高很多。
java.util.regex.Matcher: 匹配类: 这个模式匹配某个字符串所产生的结果,这个结果可能会有很多个。
4. 常用表达式
// 反斜杠
/t 间隔 ('/u0009')
/n 换行 ('/u000A')
/r 回车 ('/u000D')
/d 数字 等价于[0-9]
/D 非数字 等价于[^0-9]
/s 空白符号 [/t/n/x0B/f/r]
/S 非空白符号 [^/t/n/x0B/f/r]
/w 单独字符 [a-zA-Z_0-9]
/W 非单独字符 [^a-zA-Z_0-9]
/f 换页符
/e Escape
/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
^为限制开头
^java 条件限制为以Java为开头字符
$为限制结尾
java$ 条件限制为以java为结尾字符
. 条件限制除/n以外任意一个单独字符
java.. 条件限制为java后除换行外任意两个字符
加入特定限制条件「[]」
[a-z] 条件限制在小写a to z范围中一个字符
[A-Z] 条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9] 条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)
[]中加入^后加再次限制条件「[^]」
[^a-z] 条件限制在非小写a to z范围中一个字符
[^A-Z] 条件限制在非大写A to Z范围中一个字符
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符
[^0-9] 条件限制在非小写0 to 9范围中一个字符
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)
在限制条件为特定字符出现0次以上时,可以使用「*」
J* 0个以上J
.* 0个以上任意字符
J.*D J与D之间0个以上任意字符
在限制条件为特定字符出现1次以上时,可以使用「+」
J+ 1个以上J
.+ 1个以上任意字符
J.+D J与D之间1个以上任意字符
在限制条件为特定字符出现有0或1次以上时,可以使用「?」
JA? J或者JA出现
限制为连续出现指定次数字符「{a}」
J{2} JJ
J{3} JJJ
文字a个以上,并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)
文字个以上,b个以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
两者取一「|」
J|A J或A
Java|Hello Java或Hello
「()」中规定一个组合类型
比如,我查询<a href=/"index.html/">index</a>中<a href></a>间的数据,可写作<a.*href=/".*/">(.+?)</a>
在使用Pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
Pattern Pattern.compile(String regex, int flag)
flag的取值范围如下:
Pattern.CANON_EQ 当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a/u030A"会匹配"?"。默认情况下,不考虑"规 范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹 配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x) 在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"//s",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s) 在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE
(?m) 在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE
(?u) 在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d) 在这个模式下,只有'/n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。
5. 程序示例:
import java.util.regex.Matcher; import java.util.regex.Pattern; public class Test { public static void main(String[] args) { //matches()判断字符串是否匹配某个表达式,"."表示任何一个字符 p("abc".matches("...")); //将字符串"a2389a"中的数字用*替换,\d 表示“0--9”数字 p("a2389a".replaceAll("\\d", "*")); //将任何是a--z的字符串长度为3的字符串进行编译,这样可以加快匹配速度 Pattern p = Pattern.compile("[a-z]{3}"); //进行匹配,并将匹配结果放在Matcher对象中 Matcher m = p.matcher("abc"); p(m.matches()); //上面的三行代码可以用下面一行代码代替 p("abc".matches("[a-z]{3}")); } public static void p(Object o){ System.out.println(o); } }
运行结果
true a****a true true
现在通过一些实验来说明正则表达式的匹配规则,这儿是Greedy方式
. 任何字符
a? a一次或一次也没有
a* a零次或多次
a+ a一次或多次
a{n}? a恰好 n 次
a{n,}? a至少n次
a{n,m}? a至少n次,但是不超过m次
//初步认识. * + ? p("a".matches("."));//true p("aa".matches("aa"));//true p("aaaa".matches("a*"));//true p("aaaa".matches("a+"));//true p("".matches("a*"));//true p("aaaa".matches("a?"));//false p("".matches("a?"));//true p("a".matches("a?"));//true p("1232435463685899".matches("\\d{3,100}"));//true p("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));//false p("192".matches("[0-2][0-9][0-9]"));//true
[abc] a、b 或 c(简单类)
[^abc] 任何字符,除了 a、b 或 c(否定)
[a-zA-Z] a 到 z 或 A 到 Z,两头的字母包括在内(范围)
[a-d[m-p]] a 到 d 或 m 到 p:[a-dm-p](并集)
[a-z&&[def]] d、e 或 f(交集)
[a-z&&[^bc]] a 到 z,除了 b 和 c:[ad-z](减去)
[a-z&&[^m-p]] a 到 z,而非 m 到 p:[a-lq-z](减去)
//范围 p("a".matches("[abc]"));//true p("a".matches("[^abc]"));//false p("A".matches("[a-zA-Z]"));//true p("A".matches("[a-z]|[A-Z]"));//true p("A".matches("[a-z[A-Z]]"));//true p("R".matches("[A-Z&&[RFG]]"));//true
\d 数字:[0-9]
\D 非数字: [^0-9]
\s 空白字符:[ \t\n\x0B\f\r]
\S 非空白字符:[^\s]
\w 单词字符:[a-zA-Z_0-9]
\W 非单词字符:[^\w]
//认识\s \w \d \ p("\n\r\t".matches("\\s(4)"));//false p(" ".matches("\\S"));//false p("a_8 ".matches("\\w(3)"));//false p("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));//true p("\\".matches("\\\\"));//true
边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\B 非单词边界
\A 输入的开头
\G 上一个匹配的结尾
\Z 输入的结尾,仅用于最后的结束符(如果有的话)
\z 输入的结尾
//边界匹配 p("hello sir".matches("^h.*"));//true p("hello sir".matches(".*ir$"));//true p("hello sir".matches("^h[a-z]{1,3}o\\b.*"));//true p("hellosir".matches("^h[a-z]{1,3}o\\b.*"));//false //空白行:一个或多个(空白并且非换行符)开头,并以换行符结尾 p(" \n".matches("^[\\s&&[^\\n]]*\\n$"));//true
方法解析
matches():匹配整个字符串
find():匹配子字符串
lookingAt():永远从整个字符串的开头开始匹配
//email p("asdsfdfagf@adsdsfd.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));//true //matches() find() lookingAt() Pattern p = Pattern.compile("\\d{3,5}"); Matcher m = p.matcher("123-34345-234-00"); //将整个"123-34345-234-00"用正则表达式引擎查找匹配,当到第一个"-"不匹配了,就停止, //但不会将不匹配的"-"吐出来 p(m.matches()); //将不匹配的"-"吐出来 m.reset(); //1:当前面有p(m.matches());查找子字符串从"...34345-234-00"开始 //将会是第1,2两个查到"34345"和"234" 后面2个查不到为false //2:当前面有p(m.matches());和m.reset();查找子字符串从"123-34345-234-00"开始 //将为true,true,true,false p(m.find()); p(m.start()+"---"+m.end()); p(m.find()); p(m.start()+"---"+m.end()); p(m.find()); p(m.start()+"---"+m.end()); p(m.find()); //要是没找到就会报异常java.lang.IllegalStateException //p(m.start()+"---"+m.end()); p(m.lookingAt()); p(m.lookingAt()); p(m.lookingAt()); p(m.lookingAt());
字符串替换:下面这种方法对于字符串替换非常灵活
//字符串替换 //Pattern.CASE_INSENSITIVE大小写不敏感 Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE); Matcher m = p.matcher("java Java jAva ILoveJavA youHateJAVA adsdsfd"); //存放字符串 StringBuffer buf = new StringBuffer(); //计数奇偶数 int i = 0; while(m.find()){ i++; if(i%2 == 0){ m.appendReplacement(buf, "java"); }else{ m.appendReplacement(buf, "JAVA"); } } //不加这句话,字符串adsdsfd将会被遗弃 m.appendTail(buf); p(buf);
运行结果:
JAVA java JAVA ILovejava youHateJAVA adsdsfd
//group分组,用()分组 Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})"); String s = "123aa-34345bb-234cc-00"; Matcher m = p.matcher(s); p(m.groupCount());//2组 while(m.find()){ p(m.group());//数字字母都有 //p(m.group(1));//只有数字 //p(m.group(2));//只有字母 }