JavaSE-31 Java正则表达式

概述

正则表达式是一个强大的字符串处理工具，可以实现对字符串的查找、提取、分割、替换等操作。

String类的几个方法需要依赖正则表达式的支持。

方法 方法说明
boolean matches(String regex) 判断该字符串是否匹配指定的正则表达式
String replaceAll(String regex,String replacement) 将该字符串中所有匹配regex的子字符串替换成replacement
String replaceFirst(String regex,String replacement) 将该字符串中第一个匹配regex的子字符串替换成replacement
String[] split(String regex) 以regex作为分隔符，把该字符串分割成多个子字符串

Java提供了Pattern和Matcher类支持正则表达式。

 

创建正则表达式

正则表达式语法构成

字符

说明

\

将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，"n"匹配字符"n"。"\n"匹配换行符。序列"\\\\"匹配"\\"，"\\("匹配"("。

^

匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。

$

匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。

*

零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。

+

一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。

?

零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。

{n}

n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。

{n,}

n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。

{n,m}

M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。

?

当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。

.

匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。

(pattern)

匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\("或者"\)"。

(?:pattern)

匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。

(?=pattern)

执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

(?!pattern)

执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

x|y

匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。

[xyz]

字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。

[^xyz]

反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。

[a-z]

字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。

[^a-z]

反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。

\b

匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。

\B

非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。

\cx

匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。

\d

数字字符匹配。等效于 [0-9]。

\D

非数字字符匹配。等效于 [^0-9]。

\f

换页符匹配。等效于 \x0c 和 \cL。

\n

换行符匹配。等效于 \x0a 和 \cJ。

\r

匹配一个回车符。等效于 \x0d 和 \cM。

\s

匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。

\S

匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。

\t

制表符匹配。与 \x09 和 \cI 等效。

\v

垂直制表符匹配。与 \x0b 和 \cK 等效。

\w

匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。

\W

与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。

\xn

匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。

\num

匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。

\n

标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。

\nm

标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。

\nml

当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。

\un

匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。

  

数量标识符

如果需要匹配一个邮政编码，形式如：000-000，使用正则表达式：\\d\\d\\d-\\d\\d\\d，这种写法比较繁琐，可以采用正则表达式的数量标识符进行简写，写成如下格式：

\\d{3}-\\d{3}

 

正则表达式中的数量标识符支持三种模式：

  1. Greediness（贪婪模式）：正则表达式中的数量表示默认采用贪婪模式。贪婪模式的表达式会一直匹配下去，直到无法匹配为止。
  2. Reluctant（勉强模式）：用问号“？”后缀表示，他只会匹配最少的字符。也称为最小匹配模式。
  3. Possessive（占有模式）：后缀用加号“+”表示，完全匹配。较少使用，不是所有编程语言都支持。

三种模式数量标识符：

贪婪模式 勉强模式 占用模式 表达式说明
X? X?? X?+ X表达式出现0次或者1次
X* X*? X*+ X表达式出现0次或者多次
X+ X+? X++ X表达式出现1次或者多次
X{n} X{n}? X{n}+ X表示是出现n次
X{n,} X{n,}? X{n,}+ X表达式最少出现n次
X{n,m} X{n,m}? X{n,m}+ X表达式最少出现n次，最多出现m次

  

  • 贪婪模式示例

在 Greediness 的模式下，会尽量大范围的匹配，直到匹配了整个内容，这时发现匹配不能成功时，开始回退缩小匹配范围，直到匹配成功。

示例代码： 

String test="list<a href='http://www.baidu.com'>百度</a>list";
String reg="<.+>";//\\.+表示任何字符出现一次或者多次
System.out.println(test.replaceAll(reg, "***"));

　　说明：我们期望的匹配内容是<a href='http://www.baidu.com'>，但是在贪婪模式下，他会匹配 a href='http://www.baidu.com'>百度</a，结果输出：

list***list

　　 

  • 勉强模式示例

在 Reluctant 的模式下，只要匹配成功，就不再继续尝试匹配更大范围的内容。

示例代码： 

	String test="list<a href='http://www.baidu.com'>百度</a>list";
	String reg="<.+?>";//\\.+表示任何字符出现一次或者多次,?表示勉强方式
	System.out.println(test.replaceAll(reg, "***"));

　　输出结果：

list***百度***list

　　

  • 占用模式示例 

Possessive 模式与 Greediness 有一定的相似性，那就是都尽量匹配最大范围的内容，直到内容结束，但与 Greediness 不同的是，完全匹配不再回退尝试匹配更小的范围。

示例代码： 

	String test="list<a href='http://www.baidu.com'>百度</a>list";
	String reg="<.++>";//\\.+表示任何字符出现一次或者多次,+表示占有方式
	System.out.println(test.replaceAll(reg, "***"));

　　输出结果：

list<a href='http://www.baidu.com'>百度</a>list

 

常用正则表达式

规则 正则表达式语法  
一个或多个汉字 ^[\u0391-\uFFE5]+$ 
邮政编码 ^[1-9]\d{5}$
QQ号码 ^[1-9]\d{4,11}$ 
邮箱 ^[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\.){1,3}[a-zA-z\-]{1,}$ 
用户名（字母开头 + 数字/字母/下划线） ^[A-Za-z][A-Za-z1-9_-]+$
手机号码 ^1[3|4|5|8][0-9]\d{8}$ 
URL ^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ 
18位身份证号 ^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$

 

正则表达式的使用

Pattern和Matcher类用于处理正则表达式。处理过程：

  1. 正则表达式字符串被编译为Pattern对象。
  2. 使用Pattern对象创建对应的Matcher对象。
  3. 执行匹配所涉及的状态保留在Matcher对象中，多个Matcher对象可以共享同一个Pattern对象。

典型应用代码如下：

	//定义Pattern对象：将字符串编译为Pattern对象
	Pattern p=Pattern.compile("a*b");
	//使用Pattern对象创建Matcher对象
	Matcher m=p.matcher("aaaaab");
	//获取匹配结果
	boolean result=m.matches();
	//输出匹配结果
	System.out.println(result);//输出true

　　

Pattern对象可以多次重复使用。如果某个正则表达式仅需一次使用，可以使用Pattern类的静态方法matches()。

示例代码如下：

boolean b=Pattern.matches("a*b", "aaaab");
System.out.println(b);//输出true

　　

  • Pattern类

Pattern对象表示正则表达式编译后在内存中的表示形式，是不可变类线程安全类。

 

  • Matcher类

Matcher类提供了以下常用方法：

方法 说明
find() 返回目标字符串中是否包含与Pattern匹配的子字符串。
group() 返回上一次与Pattern匹配的子字符串。
start() 返回上一次与Pattern匹配的子字符串在目标字符串中的开始位置。
end() 返回上一次与Pattern匹配的子字符串在目标字符串中的结束位置+1。
lookingAt() 返回目标字符串前面部分与Pattern是否匹配。
matches() 返回整个目标字符串与Pattern是否匹配。
reset() 将现有的Matcher对象应用于一个新的字符序列。

 

 

示例1：使用find()方法和group()方法从目标字符串中取出特定子字符串。（网络爬虫提取信息模型）

		//定义目标字符串
		String content="我的电话号码是13800001234,购买Mac电脑的电话号码13112340001，拯救单身狗172456789078";
		//定义提取手机号码的正则表达式
		String reg="((13\\d)|(17\\d))\\d{8}";
		//定义Pattern对象
		Pattern p=Pattern.compile(reg);
		//获得Matcher对象
		Matcher m=p.matcher(content);
		//输出电话号码
		while(m.find()) {
			System.out.println(m.group());
		}

　　

示例2：使用find()方法和start()方法、end()方法确定目标字符串中特定子字符串的位置。

		// 定义目标字符串
		String content = "我的电话号码是13800001234,购买Mac电脑的电话号码13112340001，拯救单身狗172456789078";
		// 定义提取手机号码的正则表达式
		String reg = "((13\\d)|(17\\d))\\d{8}";
		// 定义Pattern对象
		Pattern p = Pattern.compile(reg);
		// 获得Matcher对象
		Matcher m = p.matcher(content);
		// 输出电话号码
		while (m.find()) {
			System.out.println(m.group() + "，该子字符串的起始位置：" + m.start() + "，该子字符串的结束位置："+m.end());
		}

　　输出结果：

13800001234，该子字符串的起始位置：7，该子字符串的结束位置：18
13112340001，该子字符串的起始位置：31，该子字符串的结束位置：42
17245678907，该子字符串的起始位置：48，该子字符串的结束位置：59

　　

示例3：其他方法的使用。

此外，matches()方法要求整个字符串和Pattern完全匹配才返回true。

lookingAt()方法只要求字符串以Pattern开头就会返回true。

reset()方法可将现有的Matcher对象应用于新的字符串序列。

示例代码：

		//定义邮箱字符串数组
		String[] mails= {"tom@163.com","zhangsan@sina.com","wang@qq.com","abc.com"};
		//邮箱正则表达式
		String mailReg="\\w{3,20}@\\w+\\.(com|org|cn|net|gov)";
		//定义Pattern对象
		Pattern mp=Pattern.compile(mailReg);
		//声明Matcher对象
		Matcher m=null;
		for(String mail:mails) {
			if(m==null) {//如果Matcher对象为空，则创建
				m=mp.matcher(mail);
			}else {
				m.reset(mail);//如果Matcher对象不为空，则应用Matcher对象
			}
			String result=mail+(m.matches()?"是":"不是")+"一个有效的邮箱地址！";
			System.out.println(result);
		}

　　输出结果：

tom@163.com是一个有效的邮箱地址！
zhangsan@sina.com是一个有效的邮箱地址！
wang@qq.com是一个有效的邮箱地址！
abc.com不是一个有效的邮箱地址！

　　

posted @ 2018-02-27 16:41  rask  阅读(257)  评论(0)  编辑  收藏  举报