Java正则表达式的使用
Java正则表达式的使用
正则表达式相关类
Pattern构建oattern对象,构造器参数为正则表达式Matcher根据pattern匹配字符串
常见方法
-
Pattern类
-
静态方法
compile(String reg)生成一个pattern对象,匹配规则是reg -
matcher(seq);根据匹配规则生成对应Matcher对象
-
-
Matcher类
find()如果找到第一个符合正则表达式的字符串,返回true,否则falsegroup()返回符合正则表达式的字符串,如果找不到返回控空字符串
例子
String reg= "[a-z]"; String seq="azdfgv765"; Pattern compile = Pattern.compile(reg); Matcher matcher = compile.matcher(seq); while (matcher.find()) { System.out.print(matcher.group()+" "); } //返回:a z d f g v
语法
基本
-
区分大小写
-
转义字符:
\\,其他语言为\- 匹配
(,正确:\\(),错误:()
- 匹配
-
普通字符,直接写
- 匹配
abc,需要都有abc才符合
- 匹配
-
任意一个小写字符
[a-z]
-
任意一个大写字符
[A-Z]
-
一部分大写,一部分小写
a(?i)bC:匹配aBC,aBc(?i)表示其后的字符忽略的大小写a((?i)bCD)FG:表示忽略((?i)xxx)部分字符大小写,其他不受影响
-
一个数字
[1-9]或者\\d
-
取反
^^[a-z]表示匹配非a-z的字符^[A-Z]表示匹配非A-Z的字符
-
匹配个数
{num}[a-z]{3}匹配连续三个小写字母
-
任意一个字符
- 这里需要特别注意，如果特殊字符
.\^等需要表示原本含义，在中括号[]不用转义,其他地方表示原本含义需要转义 [abcd]匹配一个a或者一个b或者一个c或者一个d
- 这里需要特别注意，如果特殊字符
-
匹配多个组合
a|bbb|deq匹配a或者bbb或者deq- 和
[]不同,[]指的是里边的任意一个都符合,而|需要整个符合
特殊的转义字符
\\d任意一个数字字符\\D任意一个非数字字符\\w任意一个字母数字,相当于[a-zA-Z0-9]\\W任意一个非字母数字,相当于[^a-zA-Z0-9]\\s任意一个空白字符,相当于[\\t\\n ]<-----有一个空格在]的旁边\\S任意一个非空白字符,相当于[^\\t\\n ].任意一个除了\n的字符
限定符
用于限定字符出现的次数
*[0-n]次a*bc0-n次的a和bc拼接- bc,abc, aabc都符合
+[1-n]次a+bc1-n次的a和bc拼接- abc, aabc都符合
?[0-1]次a?bc0或者1个a和bc结合- bc,abc符合
{n}限定n次a{2}bc0或者1个a和bc结合- aabc符合,其他都不符合
- [abcd]{2},由a b c d组成,长度只能为2
- [abcd]{5}, 由a b c d组成,长度只能为5
- {n,} n-无限次(包括n)
a{2,}bc至少两个a和bc结合- aabc,aaabc,aaabc都符合
- {n,m} n-m(包括n,m)
a{2,3}bc至少2个a和bc结合,至多3个a和bc结合- aabc,aaabc,aaabc都符合,aaaabc不符合
{n,m} 会尽可能先匹配多的(贪婪匹配)
+?*都遵循贪婪匹配比如
a{1,3}, 字符串为aaaaaaaa,会先匹配三个a的,接着是2个,最后才是一个
捕获分组
- 匿名分组
(\\d{2})(\\d{2})这里就是两个组，使用()表示一个组- 第0组是整个字串的结果，剩下的就是指定使用（）定义的组
- 待匹配的串为
123456789 - 第1次find() 第0组是
1234第一组12,第二组34 - 第2次find() 第0组是
5678第一组56,第二组78
- 非匿名分组
(?<g1>\\d{2})(?<g2>\\d{2})- 这里的g1和g2就是两个组的名字
System.out.println(matcher.group("g1")+" group 1")就可以得到第一次find()的第一组为12
非捕获分组
这个写法是为了简化|的语法，比如想要找到windows 2000|windows 98|windows 10|windows NT等等具有相同内容的结果是就可以用非捕获分组来简化
这个分组并不会保存到结果中，而是并入到之前的结果中
一共三种写法
(?:windows (?:2000|98|NT)并入相邻的结果中(?=windows (?:2000|98|NT)只需要重复的结果，不需要000|98|NT的内容(?!windows (?:2000|98|NT)只需要重复的结果，但是结果中并不存在2000|98|NT)
例子：
String seq="awindows 2000 is good bwindows 98 very good cwindows 10 super good dwindows NT extremely bad";
String reg="[a-d]windows (?:2000|98|NT)";
返回的结果如下
| 正则 | 结果 |
|---|---|
| `(?:windows (?:2000 | 98 |
| `(?=windows (?:2000 | 98 |
| `(?!windows (?:2000 | 98 |
非贪婪模式
以最少的方式匹配，只需要在符号前后使用？即可
public static void main(String[] args) {
String seq="123";
String reg="\\d+?"; //非贪婪
TEST(seq,reg);
reg="\\d+"; //贪婪
TEST(seq,reg);
}
static void TEST(String seq,String reg){
Pattern compile = Pattern.compile(reg);
Matcher matcher = compile.matcher(seq);
while (matcher.find()) {
System.out.println(matcher.group()+" "+"total");
}
System.out.println("-----------------------");
}
1 total
2 total
3 total
-----------------------(非贪婪的结果)
123 total
-----------------------（贪婪的结果）
定位符号
^指定开始字符^[1-9]+[a-z]+表示必须是1-9开头，并且至少有一个小写字母字符
$指定结束字符^[1-9]+\\-[a-z]+$表示开头至少一个数字1-9，中间有-并且结尾至少有一个小写字母字符
反向引用
正则表达式可以在外部获取分组的结果，这个就是反向引用
下面的n代表着第几组，第0组是整个结果
\\n内部引用，在和分组同一个表达式里边引用$n外部引用，不在和分组同一个表达式里边引用，而是在获取结果处使用
例子：
获取两个连续相同的数字（11,22,33....）
reg="(\\d)\\1"
获取类似1221 3883，获取4位数字，第一位和最后一位相同，第2，3位相同
reg="(\\d)(\\d)\\2\\1"
获取前五位是数字，中间使用-风格，连续3个相同数字，-后一共9位
如 12345-111222333，22224-666999333
reg="\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}"
作业
匹配汉字
^[\\u4e00-\\u9FA5]+$
匹配邮箱
(([+-]?[1-9])?\\d*|0?)(\\.\\d+)?;
匹配url
^https?:\/\/(www\.)?[-a-zA-Z0-9@:%._\+~#=]{2,256}\.[a-z]{2,6}\b([-a-zA-Z0-9@:%_\+.~#()?&//=]*)$
去除结巴说的重复字符
public static void main(String[] args) {
String context="我我我...要学学学....变变变...程！！！";
context=Pattern.compile("\\.").matcher(context).replaceAll("");
System.out.println(context);
String reg="(.)\\1+";
Pattern compile = Pattern.compile(reg);
Matcher matcher = compile.matcher(context);
// while (matcher.find()) {
// System.out.println("找到了");
// System.out.println(matcher.group());
// }
System.out.println(matcher.replaceAll("$1"));
}
匹配正数 负数 小数
(([+-]?[1-9])?\\d*|0?)(\\.\\d+)?
