Java正则表达式
一、概述
正则表达式是一串描述一个字符序列的字符，可以用来查找其他字符序列中的匹配项。支持正则表达式处理的是两个类：Pattern和Matcher，使用Pattern定义正则表达式，使用Matcher匹配其他序列中的模式。
二、创建正则表达式
创建正则表达式就是创建一个特殊的字符串。
正则表达式的编译表达形式：指定为字符串的正则表达式必须首先被编译为此类的实例，然后将得到的模式用于创建Matcher对象。执行匹配所涉及的所有状态都驻留在匹配器中，多个匹配器可以共享同一模式。
public class Test { public static void main(String[] args) { Pattern pat=Pattern.compile("a*b"); Matcher mat=pat.matcher("aaaaab"); if(mat.matches()) { System.out.print("匹配"); } } }
上述代码等同于
if("aaaaab".matches("a*b")) { System.out.print("匹配"); }
Pattern对象可以多次使用，如果某个正则表达式只需要一次使用，可直接使用Pattern类的静态matches方法。
正则表达式的构造摘要：
| 构造 | 匹配 |
|---|---|
| 字符 | |
| x | 字符 x |
| \\ | 反斜线字符 |
| \0n | 带有八进制值 0 的字符 n (0 <= n <= 7) |
| \0nn | 带有八进制值 0 的字符 nn (0 <= n <= 7) |
| \0mnn | 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7） |
| \xhh | 带有十六进制值 0x 的字符 hh |
| \uhhhh | 带有十六进制值 0x 的字符 hhhh |
| \t | 制表符 ('\u0009') |
| \n | 新行（换行）符 ('\u000A') |
| \r | 回车符 ('\u000D') |
| \f | 换页符 ('\u000C') |
| \a | 报警 (bell) 符 ('\u0007') |
| \e | 转义符 ('\u001B') |
| \cx | 对应于 x 的控制符 |
| 字符类 | |
| [abc] | a、b 或 c（简单类） |
| [^abc] | 任何字符，除了 a、b 或 c（否定） |
| [a-zA-Z] | a 到 z 或 A 到 Z，两头的字母包括在内（范围） |
| [a-d[m-p]] | a 到 d 或 m 到 p：[a-dm-p]（并集） |
| [a-z&&[def]] | d、e 或 f（交集） |
| [a-z&&[^bc]] | a 到 z，除了 b 和 c：[ad-z]（减去） |
| [a-z&&[^m-p]] | a 到 z，而非 m 到 p：[a-lq-z]（减去） |
| 预定义字符类 | |
| . | 任何字符（与行结束符可能匹配也可能不匹配） |
| \d | 数字：[0-9] |
| \D | 非数字： [^0-9] |
| \s | 空白字符：[ \t\n\x0B\f\r] |
| \S | 非空白字符：[^\s] |
| \w | 单词字符：[a-zA-Z_0-9] |
| \W | 非单词字符：[^\w] |
| 边界匹配器 | |
| ^ | 行的开头 |
| $ | 行的结尾 |
| \b | 单词边界 |
| \B | 非单词边界 |
| \A | 输入的开头 |
| \G | 上一个匹配的结尾 |
| \Z | 输入的结尾，仅用于最后的结束符（如果有的话） |
| \z | 输入的结尾 |
| Greedy 数量词 | |
| X? | X，一次或一次也没有 |
| X* | X，零次或多次 |
| X+ | X，一次或多次 |
| X{n} | X，恰好 n 次 |
| X{n,} | X，至少 n 次 |
| X{n,m} | X，至少 n 次，但是不超过 m 次 |
| Reluctant 数量词 | |
| X?? | X，一次或一次也没有 |
| X*? | X，零次或多次 |
| X+? | X，一次或多次 |
| X{n}? | X，恰好 n 次 |
| X{n,}? | X，至少 n 次 |
| X{n,m}? | X，至少 n 次，但是不超过 m 次 |
| Possessive 数量词 | |
| X?+ | X，一次或一次也没有 |
| X*+ | X，零次或多次 |
| X++ | X，一次或多次 |
| X{n}+ | X，恰好 n 次 |
| X{n,}+ | X，至少 n 次 |
| X{n,m}+ | X，至少 n 次，但是不超过 m 次 |
| Logical 运算符 | |
| XY | X 后跟 Y |
| X|Y | X 或 Y |
| (X) | X，作为捕获组 |
正则表达式支持的数量标识符有如下几种模式：
Greedy(贪婪模式)：默认情况下数量表示符采用贪婪模式，该方式会一直匹配下去直到无法匹配为止。
Reluctant(勉强模式)：用问号后缀(?)表示。它只会匹配最少的字符。
Possessive(占有模式)：用加号后缀(+)表示，一般较少使用。
eg:
public class RegExp { public static void main(String[] args) { Pattern pat1=Pattern.compile("\\w.*ab"); Pattern pat2=Pattern.compile("\\w.*?ab"); Matcher mat1=pat1.matcher("bbbbab aaab jjjjj is"); Matcher mat2=pat2.matcher("bbbbab aaab jjjjj is"); System.out.println("-----贪婪模式-------"); while(mat1.find()) { System.out.println(mat1.group()); //贪婪模式下会一直匹配，输出"bbbbab aaab" } System.out.println("-----勉强模式-------"); while(mat2.find()) { System.out.println(mat2.group()); //勉强模式下会最小匹配，输出"bbbbab '换行' aaab" } } }
输出结果：
三、使用正则表达式
Pattern类没有定义构造函数，是在调用compile()方法时创建模式。
Matcher类也没有构造函数，而是调用Pattern定义的matches方法时创建一个Matcher，只要创建了Mather就可以使用它的方法执行各种模式匹配操作。
每个方法都返回一个表示成功或者失败的布尔值。通过查询匹配器的状态可以获取更多关于成功匹配的信息。
Matcher类提供了很多常用的方法，下面代码简单进行解释其用法：
public class RegExp { public static void main(String[] args) { Pattern pat=Pattern.compile("\\w.*?ab"); Matcher mat=pat.matcher("bbbbab aa isabc"); if(mat.matches())//尝试将整个区域与模式匹配 { System.out.println("模式匹配"); } else { System.out.println("模式不匹配"); } mat.reset();//重置匹配器 while(mat.find()) //尝试查找与该模式匹配的输入序列的下一个子序列 { System.out.println(mat.group());//返回由以前匹配操作所匹配的输入子序列 System.out.println("开始位置："+mat.start()+"---"+"结束位置："+mat.end());//start()返回以前匹配的初始索引,end()返回最后匹配字符之后的偏移量 } mat.reset(); if(mat.lookingAt())//尝试将从区域开头开始的输入序列与该模式匹配 { System.out.println("模式匹配"); } else { System.out.println("模式不匹配"); } } }
运行结果：
此外，还可以利用正则表达式对目标字符串进行分割、查找、替换等操作。
eg：
public class Test { public static void main(String[] args) { Pattern pat=Pattern.compile("\\w.*?ab"); Matcher mat=pat.matcher("bbbbab aa isabc"); System.out.println(mat.replaceAll("替换后"));//替换模式与给定替换字符串相匹配的输入序列的每个子序列 System.out.println(mat.replaceFirst("替换后"));// 替换模式与给定替换字符串匹配的输入序列的第一个子序列 Pattern p=Pattern.compile("[ , . !]");//围绕此模式的匹配拆分给定输入序列 String[] str=p.split("one two,alpha9!done.");//遇到空格、逗号、顿号和感叹号就分割并将结果保存在str字符串数组中 for(int i=0;i<str.length;i++) System.out.println(str[i]); } }
打印结果为：
四、正则表达式的简单应用
1、打印某页面中出现的所有邮箱地址
public class EmailReg { public static void main(String[] args) { BufferedReader br=null; try { br=new BufferedReader(new FileReader("C:\\Users\\Administrator\\Desktop\\resource2.html")); String line=""; while((line=br.readLine())!=null) { parse(line); } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { if(br!=null) { try { br.close(); br=null; } catch (IOException e) { e.printStackTrace(); } } } } private static void parse(String line) { Pattern pat=Pattern.compile("\\w{3,20}+@\\w+\\.(com|org|cn|net|gov)"); Matcher mat=pat.matcher(line); while(mat.find()) { System.out.println(mat.group()); } } }
2、统计某文件夹的.java文件的代码行数、注释行数、空白行行数
import java.io.BufferedReader; import java.io.File; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; public class WordCount { static long wordsNumber=0; static long emptyNumber=0; static long zhushiNumber=0; public static void main(String[] args) { File f=new File("D:\\src\\"); //文件夹地址 File[] codeFiles=f.listFiles(); for(File child:codeFiles) { if(child.getName().matches(".*\\.java$")) //如果是.java文件，则进行处理 { parse(child);//处理单个文件 } } System.out.println("注释的行数为："+zhushiNumber); System.out.println("空行的行数为："+emptyNumber); System.out.println("代码行的行数为："+wordsNumber); } private static void parse(File child) { BufferedReader br=null; boolean comment=false; String line=""; try { br=new BufferedReader(new FileReader(child)); while((line=br.readLine())!=null) { line=line.trim(); if(line.matches("^[\\s&&[^\\n]]*$")) //匹配空行 emptyNumber++; else if (line.startsWith("/*") && !line.endsWith("*/")) //以/*开头，不以*/结尾，表明有多行注释 { zhushiNumber ++; comment = true; } else if (line.startsWith("/*") && line.endsWith("*/")) //以/*开头，并且以*/结尾 { zhushiNumber ++; } else if (true == comment) { zhushiNumber ++; if(line.endsWith("*/")) { comment = false; } } else if (line.startsWith("//")) //以//结尾为注释行 { zhushiNumber ++; } else wordsNumber++; } } catch (IOException e) { // TODO 自动生成的 catch 块 e.printStackTrace(); } } }
运行结果图：
五、常用表达式总结
此部分内容为转载，来自：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html。
1、校验数字的表达式
1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
2、校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+
3、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号(15位、18位数字)：^\d{15}|\d{18}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
28 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
34 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))
