java正则匹配简介

java正则匹配简介

1. 问题描述

根据指定的字段名限制条件，提取出sql语句中的对应字段名并返回。

字段名限制条件如下：

必须以 ${ 开头，} 结尾；
中间只能包含字母、数字和下划线（_）；
中间只能以字母开头；
中间长度在 3~63 个字符范围内。

比如：从小面这段sql中提取出t2_name和t3_name, 并替换成空字符串。

复制代码
sql
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
SELECT
  t.`t2_name` AS `t2_name`,
  t.`t3_name` AS `t3_name`
FROM
  (
    SELECT
      t2.`name` AS `t2_name`,
      t3.`name` AS `t3_name`
    FROM
      mysql130.database1.`table1` t1
      LEFT JOIN mysql130.database1.`table2` t2 ON t2.`id` = t1.`id`
      LEFT JOIN mysql130.database1.`table3` t3 ON t1.`id` = t3.`id`
  ) t
WHERE
  t.`t2_name` = '${t2_name}' and t.`t3_name` = '${t3_name}'

2. 问题思路

大体思路如下

1. 先写出对应的正则表达式
2. 使用Pattern和Matcher类进行匹配，提取出对应的内容
3. 替换掉原来的内容

1. 正则表达式

必须以 ${ 开头，} 结尾； ^${ and }$
中间只能包含字母、数字和下划线（）； [a-zA-Z0-9] or \w (等价)
中间只能以字母开头； [a-zA-Z]
中间长度在 3~63 个字符范围内。 {3,63} 除去第一个为

最终的组合结果为：

复制代码
regex
1
^\$\{ + [a-zA-Z] + [a-zA-Z0-9_]{2,62} + \}$ -> ^\$\{[a-zA-Z][a-zA-Z0-9_]{2,62}\}$

2. 梳理java中 Pattern 和 Matcher类的关系

1. 梳理Matcher类常用方法

2. 常见报错

• goup()方法报错

  java.lang.IllegalStateException: No match found

  解决方法：使用find()方法进行匹配，如果匹配成功，再使用group()方法获取匹配的内容。

  复制代码
  java
  1
  2
  3
  4
  5
  6
  // 匹配成功
  if (matcher.find()) {
      // 获取匹配的内容
      String group = matcher.group();
      System.out.println(group);
  }
  

• ^ 表示匹配行的开头，$ 表示匹配行的结尾

  

  此处为行首则可匹配成功

  

  默认模式下，一个字符串只有一个行首和行位，中间加了\r\n也不能算是行首和行位

  

  如果字符串中包含多行文本，需要使用多行模式（Pattern.MULTILINE）来匹配多行字符串。在多行模式下，^ 和 $ 会匹配行的开头和结尾，而不是整个字符串的开头和结尾。

  

  

• No Group 1
  

  解决方法：使用group(0)获取匹配的内容

  弄明白group的含义：

  group 代表的是 The index of a capturing group in this matcher's pattern ，即匹配的组的索引，从1开始，0代表整个匹配的内容。

  什么时候会出现组呢？

  当正则表达式中包含括号时，就会出现组。比如：(\d{3})-(\d{3,8})，这个正则表达式中有两个组，第一个组是(\d{3})，第二个组是(\d{3,8})。

  

  有组的demo

  复制代码
  java
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  // 有组的情况下，group(0)是整个匹配的字符串，group(1)是第一个组匹配的字符串
  // 无组的情况下，group(0)是整个匹配的字符串，group(1)是null
  // 无组的情况下，groupCount()是0
  // 有组的情况下，groupCount()是组的个数
  String demoString3 = "010-12345";
  String pattern2 = "(\\d{3})-(\\d{3,8})";
  Pattern compiler2 = Pattern.compile(pattern2);
  Matcher matcher2 = compiler2.matcher(demoString3);
  while (matcher2.find()) {
      System.out.println(matcher2.group(0));
      System.out.println(matcher2.group(1));
      System.out.println(matcher2.group(2));
  }
  
  // 输出结果
  010-12345
  010
  12345
      ```
  
  

• 为什么中间的匹配不到呢？

  

  因为正则指定了必须以$开始的字符串，第二个没有换行，换行后则可匹配到

  

  去掉^限制，也可以匹配到

  

3. 代码实现

复制代码
java
1
2
3
4
5
6
7
8
9
10
11
12
    public static List<String> getStringFromPattern(String source, String pattern) {
        List<String> result = new ArrayList<>();

        Pattern p = Pattern.compile(pattern);
        Matcher m = p.matcher(source);
        while (m.find()) {
            result.add(m.group().substring(2, m.group().length() - 1));
        }

        return result;
    }

4. 总结

1. pattern 和 matcher 的关系

2. pattern 各类 flag 的含义

UNIX_LINES：unix lines模式，该模式下，仅以\n为结尾（行一般以\n或\r\n结尾）；
CASE_INSENSITIVE：忽略大小写进行匹配；
COMMENTS：忽略空格字符（例如，表达式里的空格，tab，回车）和注释（从#开始，一直到行结束）；
MULTILINE：多行模式的开启，在多行模式下，^匹配输入字符串开始的位置，$匹配输入字符串结尾的位置；
DOTALL：dotall模式，"."匹配所有字符，包括行终结符。（若该模式未开启，“.”表达式不匹配行终结符）；
UNICODE_CASE：UNICODE_CASE模式结合CASE_INSENSITIVE模式，那么它会对Unicode字符进行大小写不敏感的匹配。（若未开启UNICODE_CASE模式，仅开始CASE_INSENSITIVE模式，则只适用于US-ASCII字符集）；
CANON_EQ：当且仅当两个字符的正规分解都完全相同的情况下，则认定匹配。（默认情况下，不考虑规范相等性）；

3. matcher 的常用方法

4. 正则表达式的常用组成部分

• 字符类
  
• 预定义字符
  
• 数量词
  
  ? 惰性匹配，尽可能少的匹配
  + 贪婪匹配，尽可能多的匹配（默认）

5. 方法参数问题，多看源码注释，解释很详细

5. tips

1. 可使用 regexper 可视化正则表达式

2. 可使用 regex101 测试正则表达式

6. 参考资料

1. Java学习笔记——正则表达式（Pattern类、Matcher类和PatternSyntaxException）

2. RegEX 备忘清单

3. 【韩顺平讲Java】Java 正则表达式专题

4. Java高手修炼之道06-全网最详细正则表达式