正则表达式
正则表达式
正则表达式是一种用来匹配字符串的强有力的武器。Java内置了强大的正则表达式的支持。
本章我们会详细介绍如何在Java程序中使用正则表达式。
正则表达式简介
正则表达式可以用字符串来描述规则，并用来匹配字符串。例如，判断手机号，我们用正则表达式\d{11}：
boolean isValidMobileNumber(String s) {
return s.matches("\\d{11}");
}
使用正则表达式的好处有哪些？
一个正则表达式就是一个描述规则的字符串，所以，只需要编写正确的规则，我们就可以让正则表达式引擎去判断目标字符串是否符合规则。
正则表达式是一套标准，它可以用于任何语言。Java标准库的java.util.regex包内置了正则表达式引擎，在Java程序中使用正则表达式非常简单。
把正则表达式20\d\d转换为Java字符串就变成了20\\d\\d，注意**Java字符串用\表示**。
最后，用正则表达式匹配一个字符串的代码如下：
public class Main {
public static void main(String[] args) {
String regex = "20\\d\\d";
System.out.println("2019".matches(regex)); // true
System.out.println("2100".matches(regex)); // false
}
}
可见，使用正则表达式，不必编写复杂的代码来判断，只需给出一个字符串表达的正则规则即可。
小结
- 正则表达式是用字符串描述的一个匹配规则，使用正则表达式可以快速判断给定的字符串是否符合匹配规则。
- Java标准库java.util.regex内建了正则表达式引擎。
匹配规则
正则表达式的匹配规则是从左到右按规则匹配。我们首先来看如何使用正则表达式来做精确匹配。
对于正则表达式abc来说，它只能精确地匹配字符串"abc"，不能匹配"ab"，"Abc"，"abcd"等其他任何字符串。
如果正则表达式有特殊字符，那就需要用\转义。例如，正则表达式a&c，其中&是用来匹配特殊字符&的，它能精确匹配字符串"a&c"，但不能匹配"ac"、"a-c"、"a&&c"等。
要注意正则表达式在Java代码中也是一个字符串，所以，对于正则表达式a&c来说，对应的Java字符串是"a\&c"，因为\也是Java字符串的转义字符，两个\实际上表示的是一个\。
- 如果想匹配非ASCII字符，例如中文，那就用\u####的十六进制表示，例如：a\u548cc匹配字符串"a和c"，中文字符和的Unicode编码是548c。
- 匹配任意字符，精确匹配实际上用处不大，因为我们直接用String.equals()就可以做到。大多数情况下，我们想要的匹配规则更多的是模糊匹配。我们可以用.匹配一个任意字符，.匹配一个字符且仅限一个字符。
- 匹配数字，用.可以匹配任意字符，这个口子开得有点大。如果我们只想匹配0~9这样的数字，可以用\d匹配，\d仅限单个数字字符。
- 匹配常用字符，用\w可以匹配一个字母、数字或下划线，w的意思是word。\w不能匹配#、空格等字符。
- 匹配空格字符，用\s可以匹配一个空格字符，注意空格字符不但包括空格，还包括tab字符（在Java中用\t表示）。
- 匹配非数字，用\d可以匹配一个数字，而\D则匹配一个非数字。类似的，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符，这几个正好是反着来的。
- 重复匹配，
- 修饰符*可以匹配任意个字符，包括0个字符。
- 修饰符+可以匹配至少一个字符。
- 修饰符?可以匹配0个或一个字符。
- 如果我们想精确指定n个字符怎么办？用修饰符{n}就可以。
- 如果我们想指定匹配n~m个字符怎么办？用修饰符{n,m}就可以。
- 如果没有上限，那么修饰符{n,}就可以匹配至少n个字符。
小结
- 单个字符的匹配规则如下：
- 多个字符的匹配规则如下：
复杂匹配规则
- 匹配开头和结尾
用正则表达式进行多行匹配时，我们用^表示开头，$表示结尾。例如，^A\d{3}$，可以匹配"A001"、"A380"。 - 匹配指定范围
使用[...]可以匹配范围内的字符，把所有字符全列出来太麻烦，[...]还有一种写法，直接写[1-9]就可以。[...]还有一种排除法，即不包含指定范围的字符。假设我们要匹配任意字符，但不包括数字，可以写[^1-9]{3}. - 或规则匹配
用|连接的两个正则规则是或规则，例如，AB|CD表示可以匹配AB或CD。java|php
它可以匹配"java"或"php"，但无法匹配"go"。要把go也加进来匹配，可以改写为java|php|go。 - 使用括号
现在我们想要匹配字符串learn java、learn php和learn go怎么办？一个最简单的规则是learn\sjava|learn\sphp|learn\sgo，但是这个规则太复杂了，可以把公共部分提出来，然后用(...)把子规则括起来表示成learn\s(java|php|go)。
小结
复杂匹配规则主要有：
分组匹配
我们前面讲到的(...)可以用来把一个子规则括起来，这样写learn\s(java|php|go)就可以更方便地匹配长字符串了。实际上(...)还有一个重要作用，就是分组匹配。
我们来看一下如何用正则匹配区号-电话号码这个规则。利用前面讲到的匹配规则，写出来很容易：\d{3,4}\-\d{6,8}
虽然这个正则匹配规则很简单，但是往往匹配成功后，下一步是提取区号和电话号码，分别存入数据库。于是问题来了：如何提取匹配的子串？
当然可以用String提供的indexOf()和substring()这些方法，但它们从正则匹配的字符串中提取子串没有通用性，下一次要提取learn\s(java|php)还得改代码。
正确的方法是用(...)先把要提取的规则分组，把上述正则表达式变为(\d{3,4})\-(\d{6,8})。
现在问题又来了：匹配后，如何按括号提取子串？
现在我们没办法用String.matches()这样简单的判断方法了，必须引入java.util.regex包，用Pattern对象匹配，匹配后获得一个Matcher对象，如果匹配成功，就可以直接从Matcher.group(index)返回子串：
要特别注意，Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串。如果我们传入0会得到什么呢？答案是010-12345678，即整个正则匹配到的字符串。
Pattern
我们在前面的代码中用到的正则表达式代码是String.matches()方法，而我们在分组提取的代码中用的是java.util.regex包里面的Pattern类和Matcher类。实际上这两种代码本质上是一样的，因为String.matches()方法内部调用的就是Pattern和Matcher类的方法。
但是反复使用String.matches()对同一个正则表达式进行多次匹配效率较低，因为每次都会创建出一样的Pattern对象。完全可以先创建出一个Pattern对象，然后反复使用，就可以实现编译一次，多次匹配：
使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。
利用提取子串的功能，我们轻松获得了区号和号码两部分。
小结
正则表达式用(...)分组可以通过Matcher对象快速提取子串：
- group(0)表示匹配的整个字符串；
- group(1)表示第1个子串，group(2)表示第2个子串，以此类推。
非贪婪匹配
小结
- 正则表达式匹配默认使用贪婪匹配，可以使用?表示对某一规则进行非贪婪匹配。
- 注意区分?的含义：
\d??。我们再来看这个正则表达式(\d??)(9*)，注意\d?表示匹配0个或1个数字，后面第二个?表示非贪婪匹配，因此，给定字符串"9999"，匹配到的两个子串分别是""和"9999"，因为对于\d?来说，可以匹配1个9，也可以匹配0个9，但是因为后面的?表示非贪婪匹配，它就会尽可能少的匹配，结果是匹配了0个9。 - 不管啥模式，首先整体要满足匹配。
搜索和替换
- 分割字符串
使用正则表达式分割字符串可以实现更加灵活的功能。String.split()方法传入的正是正则表达式。我们来看下面的代码：
"a b c".split("\\s"); // { "a", "b", "c" }
"a b c".split("\\s"); // { "a", "b", "", "c" }
"a, b ;; c".split("[\\,\\;\\s]+"); // { "a", "b", "c" }
- 搜索字符串
使用正则表达式还可以搜索字符串，我们来看例子：
import java.util.regex.*;
public class Main {
public static void main(String[] args) {
String s = "the quick brown fox jumps over the lazy dog.";
Pattern p = Pattern.compile("\\wo\\w");
Matcher m = p.matcher(s);
while (m.find()) {
String sub = s.substring(m.start(), m.end());
System.out.println(sub);
}
}
}
我们获取到Matcher对象后，不需要调用matches()方法（因为匹配整个串肯定返回false），而是反复调用find()方法，在整个串中搜索能匹配上\wo\w规则的子串，并打印出来。这种方式比String.indexOf()要灵活得多，因为我们搜索的规则是3个字符：中间必须是o，前后两个必须是字符[A-Za-z0-9_]。
- 替换字符串
使用正则表达式替换字符串可以直接调用String.replaceAll()，它的第一个参数是正则表达式，第二个参数是待替换的字符串。我们还是来看例子：
- 反向引用
如果我们要把搜索到的指定字符串按规则替换，比如前后各加一个xxxx，这个时候，使用replaceAll()的时候，我们传入的第二个参数可以使用$1、$2来反向引用匹配到的子串。例如：
它实际上把任何4字符单词的前后用xxxx括起来。实现替换的关键就在于" $1 "，它用匹配的分组子串([a-z]{4})替换了$1。
小结
使用正则表达式可以：
- 分割字符串：String.split()
- 搜索子串：Matcher.find()
- 替换字符串：String.replaceAll()
