Java正则表达式

　　正则表达式通常用来查找或替换那些符合某个规则的文本。

　　在java中，提供正则表达式的支持使用的是java.util.regex包。在这个包中只有两个类：Matcher和Pattern。

Pattern：

该类的定义：public final class Patern extends Object implements Serializable

这个类标识号的是正则表达式的编译表示形式。

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，然后可将得到的模式用于创建Mathcer对象。依照正则表达式，该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中，所以多个匹配器可以共享同一模式。

主要方法：

static Pattern compile(String regex):将给定的正则表达式编译到模式中

static Pattern compile(String regex,int flags):将给定的正则表达式编译到具有给定标志的模式中

Matcher matcher(CharSequence input):创建匹配给定输入与此模式的匹配器

static boolean matches(String regex,CharSequence input):编译给定正则表达式并尝试给定输入与其匹配

 

在该类中提供的字符匹配类型：

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] 
  
POSIX 字符类（仅 US-ASCII） 
\p{Lower} 小写字母字符：[a-z] 
\p{Upper} 大写字母字符：[A-Z] 
\p{ASCII} 所有 ASCII：[\x00-\x7F] 
\p{Alpha} 字母字符：[\p{Lower}\p{Upper}] 
\p{Digit} 十进制数字：[0-9] 
\p{Alnum} 字母数字字符：[\p{Alpha}\p{Digit}] 
\p{Punct} 标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ 
\p{Graph} 可见字符：[\p{Alnum}\p{Punct}] 
\p{Print} 可打印字符：[\p{Graph}\x20] 
\p{Blank} 空格或制表符：[ \t] 
\p{Cntrl} 控制字符：[\x00-\x1F\x7F] 
\p{XDigit} 十六进制数字：[0-9a-fA-F] 
\p{Space} 空白字符：[ \t\n\x0B\f\r] 
  
java.lang.Character 类（简单的 java 字符类型） 
\p{javaLowerCase} 等效于 java.lang.Character.isLowerCase() 
\p{javaUpperCase} 等效于 java.lang.Character.isUpperCase() 
\p{javaWhitespace} 等效于 java.lang.Character.isWhitespace() 
\p{javaMirrored} 等效于 java.lang.Character.isMirrored() 
  
Unicode 块和类别的类 
\p{InGreek} Greek 块（简单块）中的字符 
\p{Lu} 大写字母（简单类别） 
\p{Sc} 货币符号 
\P{InGreek} 所有字符，Greek 块中的除外（否定） 
[\p{L}&&[^\p{Lu}]]  所有字母，大写字母除外（减去） 
  
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 
  
Back 引用 
\n 任何匹配的 nth 捕获组 
  
引用 
\ Nothing，但是引用以下字符 
\Q Nothing，但是引用所有字符，直到 \E 
\E Nothing，但是结束从 \Q 开始的引用 
  
特殊构造（非捕获） 
(?:X) X，作为非捕获组 
(?idmsux-idmsux)  Nothing，但是将匹配标志i d m s u x on - off 
(?idmsux-idmsux:X)   X，作为带有给定标志 i d m s u x on - off 
的非捕获组  (?=X) X，通过零宽度的正 lookahead 
(?!X) X，通过零宽度的负 lookahead 
(?<=X) X，通过零宽度的正 lookbehind 
(?<!X) X，通过零宽度的负 lookbehind 
(?>X) X，作为独立的非捕获组 

 

Matcher：

该类的定义如下:

　　public final class Matcher extends Object implements MatchResult

通过解释Pattern对字符串执行匹配操作。

 

该类提供的主要方法：

boolean matches():尝试将整个区域与模式匹配

boolean hitEnd():如果匹配器执行的最后匹配操作中搜索引擎遇到输入结尾，则返回true

boolean lookingAt():尝试将从区域开头开始的输入序列与该模式匹配

 

实例：

package com.fuwh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest01 {

    public static void main(String[] args) {

        //通过Pattern类直接匹配
        System.out.println(Pattern.matches("w{3}", "www"));
        System.out.println("www.baidu.com是个网址:"+Pattern.matches("w{3}\\.[a-zA-Z0-9]+\\.[a-z]{2,6}","www.baidu.com"));
        System.out.println("www.baidu.c是个网址:"+Pattern.matches("w{3}\\.[a-zA-Z0-9]+.[a-z]{2,6}","www.baidu.c"));
        System.out.println("wwh.baidu.cn是个网址:"+Pattern.matches("w{3}\\.[a-zA-Z0-9]+\\.[a-z]{2,6}","wwh.baidu.com"));
        
        System.out.println("**********************************");
        //通过Matcher类
        Pattern pattern=Pattern.compile("w{3}\\.[a-zA-Z0-9]+\\.[a-z]{2,6}");
        Matcher matcher1=pattern.matcher("www.baidu.com");
        Matcher matcher2=pattern.matcher("www.baidu.c");
        Matcher matcher3=pattern.matcher("wwh.baidu.com");
        System.out.println("www.baidu.com是个网址:"+matcher1.matches());
        System.out.println("www.baidu.c是个网址:"+matcher2.matches());
        System.out.println("wwh.baidu.cn是个网址:"+matcher3.matches());
        
        
    }
}

 

 

实际上，在String类中，现在早已经支持正则了，所以，我们可以直接通过String类的对象来进行正则的匹配。

使用String类中的如下方法：

　　boolean matches(String regex) 

实例：

package com.fuwh.regex;

public class RegexTest02 {

    public static void main(String[] args) {

        //通过String类直接匹配
        String s1="www.baidu.com";
        String s2="www.baidu.c";
        String s3="wwh.baidu.com";
                
        System.out.println("www.baidu.com是个网址:"+s1.matches("w{3}\\.[a-zA-Z0-9]+\\.[a-z]{2,6}"));
        System.out.println("www.baidu.c是个网址:"+s2.matches("w{3}\\.[a-zA-Z0-9]+.[a-z]{2,6}"));
        System.out.println("wwh.baidu.cn是个网址:"+s3.matches("w{3}\\.[a-zA-Z0-9]+\\.[a-z]{2,6}"));
    }
}

 

 

实用正则;

 

^\\d+$　　//非负整数（正整数 + 0） 
^[0-9]*[1-9][0-9]*$　　//正整数 
^((-\\d+)|(0+))$　　    //非正整数（负整数 + 0） 
^-[0-9]*[1-9][0-9]*$　　//负整数 
^-?\\d+$　　　　        //整数
^\\d+(\\.\\d+)?$　　    //非负浮点数（正浮点数 + 0） 
^(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*))$　　//正浮点数 
^((-\\d+(\\.\\d+)?)|(0+(\\.0+)?))$　　//非正浮点数（负浮点数 + 0） 
^(-(([0-9]+\\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\\.[0-9]+)|([0-9]*[1-9][0-9]*)))$　　//负浮点数 
^(-?\\d+)(\\.\\d+)?$　　//浮点数
^[A-Za-z]+$　　    //由26个英文字母组成的字符串 
^[A-Z]+$　　    //由26个英文字母的大写组成的字符串 
^[a-z]+$　　    //由26个英文字母的小写组成的字符串 
^[A-Za-z0-9]+$　　//由数字和26个英文字母组成的字符串 
^\\w+$　　//由数字、26个英文字母或者下划线组成的字符串
^[\\w-]+(\\.[\\w-]+)*@[\\w-]+(\\.[\\w-]+)+$　　　　//email地址

    匹配中文字符的正则表达式： [\u4e00-\u9fa5]
　　评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

　　匹配双字节字符(包括汉字在内)：[^\x00-\xff]
　　评注：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）

　　匹配空白行的正则表达式：\n\s*\r
　　评注：可以用来删除空白行

　　匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
　　评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

　　匹配首尾空白字符的正则表达式：^\s*|\s*$
　　评注：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

　　匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
　　评注：表单验证时很实用

　　匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
　　评注：网上流传的版本功能很有限，上面这个基本可以满足需求

　　匹配帐号是否合法(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}$
　　评注：表单验证时很实用

　　匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
　　评注：匹配形式如 0511-4405222 或 021-87888822

　　匹配腾讯QQ号：[1-9][0-9]{4,}
　　评注：腾讯QQ号从10000开始

　　匹配中国邮政编码：[1-9]\d{5}(?!\d)
　　评注：中国邮政编码为6位数字

1. 检查URL的前缀
应用开发中很多时候需要区分请求是HTTPS还是HTTP，通过下面的表达式可以取出一个url的前缀然后再逻辑判断。
if (!s.match(/^[a-zA-Z]+:\\/\\//)) {    s = 'http://' + s;}

2. 提取URL链接
下面的这个表达式可以筛选出一段文本中的URL。
^(f|ht){1}(tp|tps):\\/\\/([\\w-]+\\.)+[\\w-]+(\\/[\\w- ./?%&=]*)?

3. 文件路径及扩展名校验
验证windows下文件路径和扩展名（下面的例子中为.txt文件）
^([a-zA-Z]\\:|\\\\)\\\\([^\\\\]+\\\\)*[^\\/:*?"<>|]+\\.txt(l)?$

4. 提取Color Hex Codes
有时需要抽取网页中的颜色代码，可以使用下面的表达式。
^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$

5. 提取网页图片
假若你想提取网页中所有图片信息，可以利用下面的表达式。
\\< *[img][^\\\\>]*[src] *= *[\\"\\']{0,1}([^\\"\\'\\ >]*)

6. 提取页面超链接
提取html中的超链接。
(<a\\s*(?!.*\\brel=)[^>]*)(href="https?:\\/\\/)((?!(?:(?:www\\.)?'.implode('|(?:www\\.)?', $follow_list).'))[^"]+)"((?!.*\\brel=)[^>]*)(?:[^>]*)>

7. 查找CSS属性
通过下面的表达式，可以搜索到相匹配的CSS属性。
^\\s*[a-zA-Z\\-]+\\s*[:]{1}\\s[a-zA-Z0-9\\s.#]+[;]{1}

8. 抽取注释
如果你需要移除HMTL中的注释，可以使用如下的表达式。
<!--(.*?)-->

9. 匹配HTML标签
通过下面的表达式可以匹配出HTML中的标签属性。
<\\/?\\w+((\\s+\\w+(\\s*=\\s*(?:".*?"|'.*?'|[\\^'">\\s]+))?)+\\s*|\\s*)\\/?>


转载自：http://blog.csdn.net/xiaoshiyiqie/article/details/52852158