JAVA入门基础_JAVA中的正则表达式、处理文本的利器（五）
正则表达式
基本语法
public class RegExpTest {
public static void main(String[] args) {
// 1. 定义一个模板（正则表达式），示例中的正则表达式：表示匹配4个相连的数字
String regex = "(\\d\\d)(\\d\\d)";
Pattern pattern = Pattern.compile(regex);
// 2. 创建需要被匹配的内容
String content = "2022年，今天风和日丽，并且天气也不错1011，你喜欢5410的风景吗？";
// 3. 获取到一个匹配器
Matcher matcher = pattern.matcher(content);
// 4. 循环获取内容，在正则表达式中，每2个小括号，代表一组，示例中有2组
while (matcher.find()) {
String result = matcher.group(0);
System.out.println(result);
}
}
}
源码解析(基于上述代码)
Matcher.find()方法
// 4.1 Matcher.find()方法，若是匹配到了内容，则返回true，否则返回false，每2个小括号，代表一组，示例中有2组
// 接下来将会分析匹配到第一个字符串时，源码中所进行的操作，之后的以此类推。
// 4.1.1 该方法会将匹配字符串的第一个元素的索引赋值给Matcher.groups[0]
// 例如第一次匹配到2022，其中第一个元素的索引为0，那么就赋值为0
// 4.1.2 将匹配到的第一个字符串的最后一个元素的索引+1赋值给Matcher.groups[1]
// 例如第一次匹配到2022，最后一个元素的索引为3，那么就赋值为4
// 4.1.3 将匹配字符串中的”第一组分组“的第一个元素的索引赋值给Matcher.groups[2]
// 例如匹配到的字符串为2022，第一组为20，其中第一个元素的索引为0，因此赋值0
// 4.1.4 将匹配字符串中的”第一组分组“的最后一个元素的索引 + 1赋值给Matcher.groups[3]
// 例如匹配到的字符串为2022，第一组为20，其中最后一个元素的索引为1，因此赋值 1 + 1 = 2
// 4.1.5 将匹配字符串中的”第二组分组“的第一个元素的索引赋值给Matcher.groups[4]
// 例如匹配到的字符串为2022，第二组为22，其中第一个元素的索引为2，因此赋值2
// 4.1.6 将匹配字符串中的”第二组分组“的最后一个元素的索引赋值给Matcher.groups[5]
// 例如匹配到的字符串为2022，第二组为22，其中最后一个元素的索引为3，因此赋值 3 + 1 = 4
Matcher.group(int group)方法
// 5. 使用Matcher.group()方法来获取匹配到的字符串数据
// 接下来将基于第一次匹配到字符串2022时进行分析
// 5.1 当输入group(0)时，执行到getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString()
//5.1.1 这个getSubSequence方法相当于substring方法，用于截取传递的content的数据
//5.1.2 因此当传入0时，groups[group * 2] 相当于 0 * 2 = groups[0] = 0，
// groups[group * 2 + 1] 相当于 0 * 2 + 1 = groups[1] = 4.
// 而substring方法又是包含头而不包含尾的，content.substring(0, 4)，就能取出2022了呗
// 5.2.3 因此当传入1时，groups[group * 2] 相当于 1 * 2 = groups[2] = 0，
// groups[group * 2 + 1] 相当于 1 * 2 + 1 = groups[3] = 2.
// 就相当于content.substring(0, 2)，就能取出第一组：20，接下来的就以此类推了
// 5.2 结论
// group(0) 取出的是匹配的字符串
// group(1) 取出的是第匹配到的字符串的第一组子串
// group(2) 取出的是第匹配到的字符串的第二组子串
/* 源码如下：
if (first < 0)
throw new IllegalStateException("No match found");
if (group < 0 || group > groupCount())
throw new IndexOutOfBoundsException("No group " + group);
if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
return null;
return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
*/
二个常用类
Pattern(相当于一个正则表达式)
Pattern.compile()方法
// 1. 定义一个模板（正则表达式），示例中的正则表达式：表示匹配4个相连的数字
String regex = "(\\d\\d)(\\d\\d)";
Pattern pattern = Pattern.compile(regex);
Pattern.matches()方法
public class RegExp01 {
public static void main(String[] args) {
// 1. 创建一个字符串
String content = "abc abcde abcdefg";
// 2. 定义一个正则表达式
// String regExp = "abc";
String regExp = "abc.*"; // 这个可以匹配整个字符串，所以Pattern.matches(regExp, content);为true
// 3. 进行正则表达式与字符串的整体匹配，也就是看正则表达式能够匹配完一整个字符串。
boolean matches = Pattern.matches(regExp, content);
// 4. 执行输出结果，这里为true
System.out.println("是否完整匹配整个字符串：" + matches);
}
}
Matcher（匹配）
// 2. 创建需要被匹配的内容
String content = "2022年，今天风和日丽，并且天气也不错1011，你喜欢5410的风景吗？";
// 3. 获取到一个匹配器
Matcher matcher = pattern.matcher(content);
元字符
JAVA中的转义字符以及需要转义的字符
-
JAVA中的转义字符为两个反斜杠： "\"
-
需要转义的字符如下
- 所有的括号，包括小括号、中括号、大括号： "() [] {}"
- 所有的斜杠，包括正斜杠、反斜杠："/ "
- 所有的限定符，包括点、问号、加号、大括号（重复）：". ? + {}"
- 还有一个美元符号跟一个异或符号： "$ ^"
字符匹配符
| 字符匹配符 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| [ ] | 可接收的字符列表 | "[qwtg]"：表示匹配qwtg中任意的一个字符 | q、w、t、g |
| [^ ] | 不接收的字符列表 | "[^qwtg]"：表示匹配除了qwtg以外的任意字符 | a、e、y、d |
| [-] | 连字符、可以写[a-z]、[A-Z]、[1-9] | "[A-Z]"：表示匹配大写字母A-Z中的任意一个字符 | A、B、C、D、Z |
| . | 匹配除了\n以外的任意字符 | "a..b"：匹配a开头，中间匹配2个除了\n的任意字符，b结尾 | abcb、a%&b、a68b |
| \\d | 匹配数字，等价于[1-9] | "\\d"：表示匹配任意一个数字 | 8、9、5、1、2 |
| \\D | 匹配非数字，等价于[^1-9] | "\\D"：表示匹配任意一个非数字 | U、d、@、$、{ |
| \\w | 匹配字母数字下划线，等价于[a-zA-Z_] | "\\w"：表示匹配一个字母或数字或下划线 | a、b、e、a、6、1、_ |
| \\W | 匹配非字母数字下划线，等价于[^a-zA-Z_] | "\\W"：表示匹配一个非字母或数字或下划线 | !、#、@、%、(、*、/、- |
[]字符匹配符的细节
- 在[]中写的任何特殊符号，例如：.?*+=都相当于直接匹配对应的符号（可以理解为放进去就已经转义了）
选择匹配符
| 选择匹配符 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| | | 表示可以匹配多个表达式、相当于或 | "ab|bc|cd" : 表示可以匹配ab或者bc或者cd | ab、bc、cd |
限定符
| 限定符 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| ? | 表示匹配0个或者1个 | "\\d[abc]?"：表示匹配一个数字开头、而后可以跟abc中的任意一个字母，也可以不跟 | 1a、3b、5c、1、5 |
| + | 表示匹配1个或多个 | "\\d[795]+"：表示匹配一个数字开头、而后至少由一个数字7、9、5任意组合的字符串 | 17、175、395、5957759 |
| * | 表示匹配0个或多个 | "\\w[1-9]*"：表示匹配一个字母或数字、下划线开头，而后跟0个或者人一个1~9之间的字符 | z12、w98、s125468 |
| 其中的n代表数量、限定匹配多少个字符 | "\\d{3}"：匹配连续3个数字 | 159、512、202、894 | |
| 表示匹配的字符最少为n个，没有最多的限制 | "\\d{2,}"：匹配最少2个数字或者更多 | 10、14、6661、23421、2341234、124 | |
| 表示匹配的字符最少为n个，最多为m个 | "\\d{2,4}"：匹配最少2个数字，最多4个数字 | 19、98、559、5598、1125、558 |
定位符
| 定位符 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| ^ | 匹配字符串的开头 | "^\\d[a-z]{2}"：表示匹配一个数字开头（整个字符串），2个字母结尾 | 例如1ab13这个字符串能够呗匹配到，但是d1ab这个字符串匹配不到 |
| \(| 匹配字符串的结尾 |"\\\d[a-z]{2}\)"：表示匹配一个数字开头，2个字母结尾（字符串结尾） | 例如1ab这个字符串能够呗匹配到，但是2abc这个字符串匹配不到 | ||
| \\b | 匹配字符串的边界 | "abc\\b"：表示匹配字符串边界的abc，例如一个字符串"abc adsabc asdfabcd abcsw" | 可以匹配到2个abc |
| \\B | 匹配字符串的非边界（反过来） | "abc\\B"：表示匹配字符串非边界的abc，例如一个字符串"babc adsabc asdfabcd abcsw" | 只能匹配到最后一个子串abcsw中的一个abc |
分组组合和反向引用符（配合使用）
捕获分组、非捕获分组、反向引用
捕获分组
| 捕获分组构造形式 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| (pattern) | 分组捕获 | "(\\d\\d)(\\d\\d)"：匹配4个数字，分成了2组 | 可以group(1)和group(2)取出第一组和第二组的字符串 |
| (?<name> pattern) | 命名捕获 | "(?<g1> \\d\\d)(?<g2> \\d\\d)"：匹配4个数字，分成了2组 | 可以group(1)和group(2)以及group("g1") 和 group("g2")取出 |
非捕获分组
| 非捕获分组构造形式 | 作用 | 正则示例 | 匹配结果示例 |
|---|---|---|---|
| (?:pattern) | 匹配但不捕获该分组，也就是调用group()方法时无法取出该分组 | "快乐(?: 水|果|花)"：不会将(?: pattern)中的表达式放入group()分组中 | 快乐水、快乐果、快乐花 |
| (?=pattern) | 非捕获匹配 | "Windows(?=2022|2021)" | 可以匹配到"Windwos2022"或"Windwos2021"中的"Windows" |
| (?!pattern) | 与上一个相反 | "Windows(?=2022|2021)" | 可以匹配到"Windwos2014"或"Windwos98"中的"Windows"，但就是匹配不到"Windwos2022"或"Windows2021"中的"Windwos" |
反向引用（内部、外部）
我们先来看一个需求：需要匹配一串连续的4个数字，并且保证第一位数字与第四位数字相同，第二位数字与第三位数字相同。例如：1001、8448、4554
-
反向引用的语法：
-
在正则表达式内部使用时候只需要 "\group",这里的group表示引用第几组
-
在正则表达式外部时使用"$group"，例如matcher.replaceAll()方法4
-
第几组是根据正则表达式中的捕获分组来决定的，第一个括号是第一组，以此类推
-
具体的使用将会在应用实例中演示
-
应用实例
实现不区分大小写
如下正则表达式：
- "abc" ：表示匹配abc，区分大小写
- "(?i)abc"： 表示匹配abc，不区分大小写
- "ab(?i)c"： 表示匹配时，c不区分大小写
- "a((?i)b)c"：表示匹配时，b不区分大小写
贪婪匹配、非贪婪匹配（懒惰匹配）
-
如果想要实现非贪婪匹配，需要在限定符后添加一个"?"也就是问号。
-
例如有一个字符串"aaa"，正则表达式为："a+"，此时默认为贪婪匹配，因此只有一个结果："aaa"
-
例如有一个字符串"aaa"，正则表达式为："a+?"，此时为非贪婪匹配，因此可以匹配到3个结果："a"、"a"、"a"
常用元字符练习
获取汉字
public class RegExp02 {
public static void main(String[] args) {
String content = "今天 你 没想到 吧";
// 正则表达式
String regExp = "[\\u4e00-\\u9fa5]+";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
获取邮政编码：要求是1-9开头的六位数
public class RegExp02 {
public static void main(String[] args) {
String content = "15812 595125 951236 015487 6514 25654 00154";
// 正则表达式
String regExp = "[1-9]\\d{5}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
QQ号码：要求1-9开头的一个（5位数-10位数）
public class RegExp02 {
public static void main(String[] args) {
String content = "2571986664aaf257198666dsf25719#$!02121/*-abcadsf";
// 正则表达式
String regExp = "[1-9]\\d{4,9}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
手机号码：以13、14、15、18开头的11位数
public class RegExp02 {
public static void main(String[] args) {
String content = "15277303777a2134a1427730377734098asdf1527730377adf";
// 正则表达式
String regExp = "1[3|4|5|8]\\d{9}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
URL：匹配一个URL网址，可以带端口及不带端口
public class RegExp02 {
public static void main(String[] args) {
// String content = "https://vip.iqiyi.com/cps_pc.html?a=b&b=c";
String content = "https://vip.iqiyi.com:3918/cps_pc.html?a=b&b=c";
// 正则表达式
String regExp = "^(http|https)://([\\w+.]+)(:\\d+)?/[\\w.]+\\??[\\S]*$";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到了：" + matcher.group(0));
}
}
}
按照如下电子邮件规则编写正则表达式
- 只能有一个@
- @前面是用户名，可以是a-z A-Z 0-9 _ - 等字符
- @后面是域名，域名只能是英文字母，比如sohu.com或baidu.org.cn
public class RegExp02 {
public static void main(String[] args) {
String content = "codeStars@163.com.cn";
// 正则表达式
String regExp = "^[\\w-]+@[a-zA-Z0-9.]*[a-zA-Z0-9]+$";
if (content.matches(regExp)) {
System.out.println("匹配成功");
}else {
System.out.println("匹配失败");
}
}
}
要求匹配到整数或者小数，要求考虑正数及负数
public class RegExp02 {
public static void main(String[] args) {
// 需要限制00.45、-00.45之类的错误输入格式
// 123 -345 34.89 -87.9 -0.01 0.45 -00.45
String content = "-0.01";
// 正则表达式
String regExp = "^[+-]?([\\d+|0?])\\.?\\d+$";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
对一个url进行解析
- 获取到协议： http或https
- 域名是什么？
- 端口是什么？
- 文件名是什么？
public class RegExp02 {
public static void main(String[] args) {
String content = "https://mail.163.com:8080/register/success.htm";
// 正则表达式思路
// 1. 先获取到协议(http|https)，以及增加固定的分隔符 ://
// 2. 获取域名([\\w.]+)
// 3. 获取端口([:\\d]+)
// 4. 过滤不需要捕获的内容(?:[\\w]+/)+
// 5. 获取文件名 ([\\w.]+)
String regExp = "(http|https)://([\\w.]+)([:\\d]+)(?:[\\w]+/)+([\\w.]+)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("协议为：" + matcher.group(1));
System.out.println("域名为：" + matcher.group(2));
System.out.println("端口为：" + matcher.group(3));
System.out.println("资源名称为：" + matcher.group(4));
}
}
}
非捕获分组练习
获取Windows10和Windows11中的Windows，不包括Windows12、Windows2018中的Windows
public class RegExp02 {
public static void main(String[] args) {
String content = "Windows2211 Windows10 Windows11 Windows12 Windows2018";
// 正则表达式 获取Windows10和Windows11中的Windows，不包括Windows12、Windows2018中的Windows
String regExp = "Windows(?=10|11)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
System.out.println("索引开始位置为：" + matcher.start());
System.out.println("索引结束位置为：" + (matcher.end() - 1));
}
}
}
获取不包括Windows10和Windows11中的Windows，其他的都要，例如Windows12、Windows2018中的Windows
public class RegExp02 {
public static void main(String[] args) {
String content = "Windows2211 Windows10 Windows11 Windows12 Windows2018";
// 正则表达式 获取不包括Windows10和Windows11中的Windows，其他的都要，例如Windows12、Windows2018中的Windows
String regExp = "Windows(?!10|11)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
System.out.println("索引开始位置为：" + matcher.start());
System.out.println("索引结束位置为：" + (matcher.end() - 1));
}
}
}
反向引用练习（注意与捕获分组使用）
实现匹配1221、2332、4554之类的数字
public class RegExp02 {
public static void main(String[] args) {
String content = "4554 2662 1234 8448 9119 1331 5897 2222";
// 正则表达式
String regExp = "(\\d)(\\d)\\2\\1";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
要求满足前面是一个五位数，加一个-号，后续是一个九位数，每3位要相同
例如：13541-555222111、59511-666333444
public class RegExp02 {
public static void main(String[] args) {
String content = "13541-555222111、59511-666333444、12465-123456789";
// 正则表达式
String regExp = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
解决结巴语句，例如：今今...,,天也是...个好..好好好....日日子转换为 今天是个好日子
public class RegExp02 {
public static void main(String[] args) {
String content = "今今...,,天也是...个好..好好好....日日子";
// 正则表达式
// 思路
// 1. 先将所有其他的特殊符号去除掉，由于该字符串中只有. 和 , 所以只放了2个
String regExp = "[.,\\s]+";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 1.1 将找到的特殊符号都替换成空字符串，该行执行后content就变成了：今今天也是个好好好好日日子
content = matcher.replaceAll("");
// 编写正则表达式，匹配一个非空字符而后必须有1个或多个与其一样的字符
regExp = "(\\S)\\1+";
// 2. 重新创建Pattern和Matcher
pattern = Pattern.compile(regExp);
matcher = pattern.matcher(content);
// 3. 使用replaceAll方法来替换掉，需要使用到外部引用$
// 上面编写的正则表达式会找到3个字符串，分别为：今今、好好好好、日日
// 底层会循环的调用find()方法，相当于找到一个字符串，就用其第一组的内容替换整个字符串，以此类推就能全部替换
String newContent = matcher.replaceAll("$1");
System.out.println(newContent); // 输出结果：今天也是个好日子
}
}
