Java正则表达式入门

众所周知，在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。
大 家都知道，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由普通的字符（例如字符a到z）以及特殊字符（元字符）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。
自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。

因为正则表达式是一个很庞杂的体系，所以我仅例举些入门的概念，更多的请参阅相关书籍及自行摸索。

\\	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

1	<a href=\"index.html\">index</a>

中

1	<a href></a>

间的数据，可写作

1	<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：

1	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。

抛开空泛的概念，下面写出几个简单的Java正则用例：

• 在字符串包含验证时

  1	//查找以Java开头,任意结尾的字符串

  2	Pattern pattern = Pattern.compile("^Java.*");

  3	Matcher matcher = pattern.matcher("Java不是人");

  4	boolean b= matcher.matches();

  5	//当条件满足时，将返回true，否则返回false

  6	System.out.println(b);

• 以多条件分割字符串时

  1	Pattern pattern = Pattern.compile("[, |]+");

  2	String[] strs = pattern.split("Java Hello World  Java,Hello,,World|Sun");

  3	for (int i=0;i<strs.length;i++) {

  4	System.out.println(strs[i]);

  5

  }

• 文字替换（首次出现字符）

  1	Pattern pattern = Pattern.compile("正则表达式");

  2	Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

  3	//替换第一个符合正则的数据

  4	System.out.println(matcher.replaceFirst("Java"));

• 文字替换（全部）

  1	Pattern pattern = Pattern.compile("正则表达式");

  2	Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

  3	//替换第一个符合正则的数据

  4	System.out.println(matcher.replaceAll("Java"));

• 文字替换（置换字符）

  1	Pattern pattern = Pattern.compile("正则表达式");

  2	Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World ");

  3	StringBuffer sbr = new StringBuffer();

  4	while (matcher.find()) {

  5	matcher.appendReplacement(sbr, "Java");

  6

  }

  7	matcher.appendTail(sbr);

  8	System.out.println(sbr.toString());

• 验证是否为邮箱地址

  1	String str="ceponline@yahoo.com.cn<script type="text/javascript">

  2	/* <![CDATA[ */

  3	(function(){try{var s,a,i,j,r,c,l=document.getElementById("__cf_email__");a=l.className;if(a){s='';r=parseInt(a.substr(0,2),16);for(j=2;a.length-j;j+=2){c=parseInt(a.substr(j,2),16)^r;s+=String.fromCharCode(c);}s=document.createTextNode(s);l.parentNode.replaceChild(s,l);}}catch(e){}})();

  4

  /* ]]> */

  5	</script>";

  6	Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);

  7	Matcher matcher = pattern.matcher(str);

  8	System.out.println(matcher.matches());

• 去除html标记

  1	Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);

  2	Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");

  3	String string = matcher.replaceAll("");

  4	System.out.println(string);

• 查找html中对应条件字符串

  1	Pattern pattern = Pattern.compile("href=\"(.+?)\"");

  2	Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");

  3	if(matcher.find())

  4	System.out.println(matcher.group(1));

  5

  }

• 截取http://地址

  1

  //截取url

  2	Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");

  3	Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");

  4	StringBuffer buffer = new StringBuffer();

  5	while(matcher.find()){

  6	buffer.append(matcher.group());

  7	buffer.append("\r\n");

  8	System.out.println(buffer.toString());

  9

  }

• 替换指定{}中文字

  01	String str = "Java目前的发展史是由{0}年-{1}年";

  02	String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};

  03	System.out.println(replace(str,object));

  04

  05	public static String replace(final String sourceString,Object[] object) {

  06	String temp=sourceString;

  07	for(int i=0;i<object.length;i++){

  08	String[] result=(String[])object[i];

  09	Pattern pattern = Pattern.compile(result[0]);

  10	Matcher matcher = pattern.matcher(temp);

  11	temp=matcher.replaceAll(result[1]);

  12

  }

  13	return temp;

  14

  }

• 以正则条件查询指定目录下文件

  01	//用于缓存文件列表

  02	private ArrayList files = new ArrayList();

  03	//用于承载文件路径

  04	private String _path;

  05	//用于承载未合并的正则公式

  06	private String _regexp;

  07

  08	class MyFileFilter implements FileFilter {

  09

  10

  /**

  11

  * 匹配文件名称

  12

  */

  13	public boolean accept(File file) {

  14

  try {

  15	Pattern pattern = Pattern.compile(_regexp);

  16	Matcher match = pattern.matcher(file.getName());

  17	return match.matches();

  18	} catch (Exception e) {

  19	return true;

  20

  }

  21

  }

  22

  }

  23

  24

  /**

  25

  * 解析输入流

  26	* @param inputs

  27

  */

  28	FilesAnalyze(String path,String regexp) {

  29	getFileName(path,regexp);

  30

  }

  31

  32

  /**

  33	* 分析文件名并加入files

  34	* @param input

  35

  */

  36	private void getFileName(String path,String regexp) {

  37

  //目录

  38	_path=path;

  39	_regexp=regexp;

  40	File directory = new File(_path);

  41	File[] filesFile = directory.listFiles(new MyFileFilter());

  42	if (filesFile == null) return;

  43	for (int j = 0; j < filesFile.length; j++) {

  44	files.add(filesFile[j]);

  45

  }

  46

  return;

  47

  }

  48

  49

  /**

  50

  * 显示输出信息

  51	* @param out

  52

  */

  53	public void print (PrintStream out) {

  54	Iterator elements = files.iterator();

  55	while (elements.hasNext()) {

  56	File file=(File) elements.next();

  57	out.println(file.getPath());

  58

  }

  59

  }

  60

  61	public static void output(String path,String regexp) {

  62	FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);

  63	fileGroup1.print(System.out);

  64

  }

  65

  66	public static void main (String[] args) {

  67	output("C:\\","[A-z|.]*");

  68

  }

Java正则的功用还有很多，事实上只要是字符处理，就没有正则做不到的事情存在。（当然，正则解释时较耗时间就是了|||……）