JAVA中正則表達式总结

       昨天，我的朋友请教我正則表達式。我也好久没有写过正則表達式了，昨天刚好看了下如鹏网创始人杨中科老师关于正則表達式的解说。使我加深了正則表達式的印像。现我把他总结下：

      很多语言，包含Perl、PHP、Python、JavaScript和JScript，都支持用正則表達式处理文本，一些文本编辑器用正則表達式实现高级“搜索-替换”功能。所以JAVA语言也不例外。正則表達式已经超出了某种语言或某个系统的局限，成为被人们广为使用的工具，我们全然能够用它来解决实际开发中碰到的一些实际的问题。

       在JDK1.3及之前的JDK版本号中并没有包括正則表達式的类，假设要在Java中使用正則表達式必须使用第三方提供的正則表達式库，最有名的就是Jakarta-ORO，Jakarta-ORO库曾经叫做OROMatcher，是Daniel Savarese赠送给Jakarta Project的一个开源包。使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”，Jakarta-ORO中实现了这个接口的类就是Perl5Compiler，这个类做到了与Perl5的正則表達式全然兼容。Jakarta-ORO的使用是很简便的，并且效率很高，支持的正則表達式语法也是很全的，唯一的缺点就是它不是JDK中的标准包。从JDK1.4開始提供了支持正則表達式API，它们位于java.util.regex包中，因为已经有了标准API，所以本书将会用java.util.regex进行正則表達式的相关操作。

一、正則表達式基础知识

 

1.1 句点符号

       如果你在玩英文拼字游戏，想要找出三个字母的单词，并且这些单词必须以“t”字母开头，以“n”字母结束。另外，如果有一本英文字典，你能够用正則表達式搜索它的所有内容。要构造出这个正則表達式，你能够使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其它很多无意义的组合。这是由于句点符号匹配所有字符，包含空格、Tab字符甚至换行符：

 

1.2 方括号符号

为了解决句点符号匹配范围过于广泛这一问题，你能够在方括号（“[]”）里面指定看来有意义的字符。此时，仅仅有方括号中面指定的字符才參与匹配。也就是说，正則表達式“t[aeio]n”仅仅匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，由于在方括号之内你仅仅能匹配单

个字符：

1.3 “或”符号

      假设除了上面匹配的全部单词之外，你还想要匹配“toon”，那么，你能够使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達式。这里不能使用方扩号，由于方括号仅仅同意匹配单个字符；这里必须使用圆括号“()”。圆括号还能够用来分组。

 

1.4 表示匹配次数的符号

下表显示了正則表達式的语法：

表 1.1 正則表達式语法

元字符	说明
.	匹配不论什么单个字符。比如正則表達式“b.g”能匹配例如以下字符串：“big”、“bug”、“b g”，可是不匹配“buug”。
$	匹配行结束符。比如正則表達式“EJB$”可以匹配字符串“I like EJB”的末尾，可是不能匹配字符串“J2EE Without EJBs！”。
^	匹配一行的開始。比如正則表達式“^Spring”可以匹配字符串“Spring is a J2EE framework”的開始，可是不能匹配“I use Spring in my project”。
*	匹配0至多个在它之前的字符。比如正則表達式“zo*”能匹配“z”以及“zoo”；正則表達式“.*”意味着可以匹配随意字符串。
/	转义符，用来将元字符当作普通的字符来进行匹配。比如正則表達式/$被用来匹配美元符号，而不是行尾；正則表達式/.用来匹配点字符，而不是不论什么字符的通配符。
[]	匹配括号里的不论什么一个字符。比如正則表達式“b[aui]g”匹配bug、big和bug，可是不匹配beg。能够在括号里使用连字符“-”来指定字符的区间来简化表示，比如正則表達式[0-9]能够匹配不论什么数字字符，这样正則表達式“a[]c”就能够匹配“a0c”、“a1c”、“a2c”等字符串；还能够制定多个区间，比如“[A-Za-z]”能够匹配不论什么大写和小写字母。另一个相配合使用的元字符“^”，用在这里并不像前边的那个“^”一样表示匹配行開始，而是表示“排除”，要想匹配除了指定区间之外的字符，就能够在左边的括号和第一个字符之间使用^字符，比如“[^163A-Z]”将能偶匹配除了1、6、3和全部大写字母之外的不论什么字符。
( )	将 () 之间括起来的表达式定义为“组”(group)，而且将匹配这个表达式的字符保存到一个暂时区域,这个元字符在字符串提取的时候很实用。
|	将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。
+	匹配前面的子表达式一次或多次。比如正則表達式9+匹配9、99、999等。
?	匹配前面的子表达式零次或一次。比如，"do(es)?" 能够匹配 "do" 或 "does" 中的"do" 。此元字符还有另外一个用途，就是表示非贪婪模式匹配，后边将有介绍
{n}	匹配确定的 n 次。比如，“e{2}”不能匹配“bed”中的“d”，可是能匹配“seed”中的两个“e”。
{n,}	至少匹配n次。比如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的全部“e”。
{n,m}	最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。

    如果我们要在文本文件里搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正則表達式如图一所看到的。在正則表達式中，连字符（“-”）有着特殊的意义，它表示一个范围，比方从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“/”。

      如果进行搜索的时候，你希望连字符号能够出现，也能够不出现——即，999-99-9999和999999999都属于正确的格式。这时，你能够在连字符号后面加上“？”数量限定符号。

      美国汽车牌照的一种格式是四个数字加上二个字母。它的正則表達式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。

1.5 “否”符号

      “^”符号称为“否”符号。假设用在方括号内，“^”表示不想要匹配的字符。比如，图四的正則表達式匹配全部单词，但以“X”字母开头的单词除外。

1.6 圆括号和空白符号

     “/s”符号是空白符号，匹配全部的空白字符，包含Tab字符。假设字符串正确匹配，接下来怎样提取出月份部分呢？仅仅需在月份周围加上一个圆括号创建一个组，然后用ORO API提取出它的值。

1.7 其他符号

     为简便起见，你能够使用一些为常见正則表達式创建的快捷符号。例如以下面所看到的：

    

/t：制表符，等同于/u0009

/n：换行符，等同于/u000A

/d：代表一个数字，等同于[0-9]

/D：代表非数字，等同于[^0-9]

/s：代表换行符、Tab制表符等空白字符

/S：代表非空白字符

/w：字母字符，等同于[a-zA-Z_0-9]

/W：非字母字符，等同于[^/w]

比如，在前面社会安全号码的样例中，全部出现“[0-9]”的地方我们都能够使用“/d”。

 

下面是我整理出来的程序：供參考：

package org.luosijin.test; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 正則表達式 * @version V5.0 * @author 罗嗣金 * @date 2009-11-9 */ public class Regex { /** * @param args * @author 罗嗣金 * @date 2009-11-9 下午11:27:28 */ public static void main(String[] args) { Pattern pattern = Pattern.compile("b*g"); Matcher matcher = pattern.matcher("bbg"); System.out.println(matcher.matches()); System.out.println(pattern.matches("b*g","bbg")); //验证邮政编码 System.out.println(pattern.matches("[0-9]{6}", "200038")); System.out.println(pattern.matches("//d{6}", "200038")); //验证电话号码 System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799")); getDate("Nov 10,2009"); charReplace(); //验证身份证:推断一个字符串是不是身份证号码，即是否是15或18位数字。 System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876")); getString("D:/dir1/test.txt"); getChinese("welcome to china,江西奉新,welcome,你!"); validateEmail("luosijin123@163.com"); } /** * 日期提取:提取出月份来 * @param str * @author 罗嗣金 * @date 2009-11-9 下午11:56:06 */ public static void getDate(String str){ String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}"; Pattern pattern = Pattern.compile(regEx); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("日期格式错误!"); return; } System.out.println(matcher.group(1)); //分组的索引值是从1開始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。 } /** * 字符替换:本实例为将一个字符串中全部包括一个或多个连续的“a”的地方都替换成“A”。 * * @author 罗嗣金 * @date 2009-11-10 上午12:06:03 */ public static void charReplace(){ String regex = "a+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa"); String s = matcher.replaceAll("A"); System.out.println(s); } /** * 字符串提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:20:48 */ public static void getString(String str){ String regex = ".+/(.+)$"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("文件路径格式不对！"); return; } System.out.println(matcher.group(1)); } /** * 中文提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:27:17 */ public static void getChinese(String str){ String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字 Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); StringBuffer sb = new StringBuffer(); while(matcher.find()){ sb.append(matcher.group()); } System.out.println(sb); } /** * 验证Email * @param email * @author 罗嗣金 * @date 2009-11-10 上午12:34:50 */ public static void validateEmail(String email){ String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(email); if(matcher.matches()){ System.out.println("这是合法的Email"); }else{ System.out.println("这是非法的Email"); } } }