1 正则表达式简介
1.1 正则表达式的概念
正则表达式是一种强大而灵活的文本处理工具。使用正则表达式，我们能够以编程的方式，构造复杂的文本模式，并对输入的字符串进行搜索。一旦找到了匹配这些模式的部分，你就能够随心所欲地对它们进行处理了（摘自《Java编程思想》）。简单一句话，正则表达式就是专门用于操作字符串的，符合一定规则的表达式。
1.2 正则表达式的优缺点
我们在前面的《字符串》系列博客中，曾经详细介绍过有关操作字符串的各种方法，但是这些方法的功能都较为简单，而组合起来实现复杂功能时，相应的代码又过于复杂。正则表达式则可以使用较少的代码，同时实现较为复杂的字符串操作。
但是相应的越是复杂的字符串操作，对应的正则表达式就越复杂，阅读性也随之降低。这是正则表达式的弊端。
1.3 与传统方法的对比
我们先来看一个例子，通过这个例子来了解不使用正则表达式，而通过常规方法来进行复杂字符串操作的麻烦之处。
需求：对QQ号码进行校验。要求：能够对长度为5~15位的QQ号码进行校验，并且首位不能为0，号码中不能包含非数字字符。
思路：依次判断QQ号码长度、首位字符，以及循环判断号码中是否包含非数字字符。
代码1：
class RegexDemo
{
public static void main(String[] args)
{
String[] qqNumbers = {"9008", "1895828587923545452", "0123456", "458b16m54", "567890123"};
for(int i = 0; i<qqNumbers.length; i++){
isQQCount(qqNumbers[i]);
}
}
public static void isQQCount(String qqNumber)
{
int numLen = qqNumber.length();
//首先判断QQ号码长度
if(numLen >= 5 && numLen <= 15){
//其次判断QQ号码首位是否是0
if(!(qqNumber.charAt(0)== '0')){
char[]temp = qqNumber.toCharArray();
char c;
//循环判断QQ号码中是否包含非数字字符
for(int i = 0; i<numLen; i++){
c = temp[i];
if(c< '0' || c > '9'){
/*
一旦检测出包含有非数字字符
给出错误提示，并立即停止检测
*/
System.out.println("QQ号码中不能包含非数字字符！");
return;
}
}
//未检测处非法字符，则给出正确提示
System.out.println(qqNumber+"：该QQ通过验证！");
}
else{
System.out.println("QQ号码不能以0开头！");
}
}
else
System.out.println("QQ号码长度错误！");
}
}9008：QQ号码长度错误！
1895828587923545452：QQ号码长度错误！
0123456：QQ号码不能以0开头！
458b16m54：QQ号码中不能包含非数字字符！
567890123：该QQ通过验证！
以上代码是从字符串的角度，对QQ号码进行验证，我们还可以利用基本数据类型包装类的转换方法，让Java帮助我们进行判断。
思路2：号码长度和首位判断与思路1是一样的，而其他位号码的判断可以通过Long类的静态方法parseLong实现，如果尝试将包含非数字字符的字符串转换为长整型时，将抛出异常。
代码2：
public static void isQQCount2(String qqNumber)
{
int numLen = qqNumber.length();
if(numLen >= 5 && numLen <= 15){
if(!(qqNumber.charAt(0) == '0')){
try{
//将QQ号码字符串转换为长整型值
long qqNumberLongFormat = Long.parseLong(qqNumber);
//若转换成功，表示QQ号码验证成功
System.out.println(qqNumberLongFormat+"：该QQ通过验证！");
}
catch(NumberFormatException e){
//若抛出异常，则表示QQ号码中包含了非数字字符，给出错误提示
System.out.println(qqNumber+"：QQ号码中不能包含非数字字符！");
}
}
else
System.out.println(qqNumber+"：QQ号码不能以0开头！");
}
else
System.out.println(qqNumber+"：QQ号码长度错误！");
}9008：QQ号码长度错误！
1895828587923545452：QQ号码长度错误！
0123456：QQ号码不能以0开头！
458b16m54：QQ号码中不能包含非数字字符！
567890123：该QQ通过验证！
执行结果表明，第二种方法同样实现了QQ号码的验证功能。下面我们再来演示如何通过正则表达式来对QQ号码进行验证，并将常规方法和正则表达式进行对比。
在给出演示代码以前，我们首先介绍一个用于匹配字符串内容的String类方法——matches：
public boolean matches(String regex)：告知此字符串是否匹配给定的正则表达式。该方法的参数名regex就是字符串形式的正则表达式，那么matches方法就通过读取这一表达式的含义，来判断调用该方法的字符串内容符合该表达式所规定的规则。
代码3：
public static void isQQCount3(String qqNumber)
{
//定义正则表达式
String regex = "[1-9][0-9]{4,14}";
//使用以上正则表达式对目标QQ号码字符串进行匹配
boolean flag = qqNumber.matches(regex);
if(flag)
System.out.println(qqNumber+"：该QQ号码通过验证！");
else
System.out.println(qqNumber+"：该QQ号码格式错误！");
}1895828587923545452：该QQ号码格式错误！
0123456：该QQ号码格式错误！
458b16m54：该QQ号码格式错误！
567890123：该QQ号码通过验证！
代码说明：
我们对代码3中出现的正则表达式含义进行一个简单的解释。首先正则表达式是按照字符串的位置来进行判断的。第一对方括号“[1-9]”表示，第一位字符串必须是在1-9之间的数字；第二对方括号“[0-9]”表示，第二位字符串必须是在0-9之间的数字；紧接着的一对大括号“{4,14}”表示第2到第15位字符串要重复使用第二对方括号的规则进行判断。
对比前两种方法和第三种方法，从代码量的角度来说，显然通过正则表达式对字符串QQ号码进行验证是最为方便的。由此可以非常明显的表明正则表达式在字符串操作方面的优势。
2 正则表达式的定义规则
那么通过对以上需求的演示可知，正则表达式的作用，就是用一些特定的符号来代表一些代码操作，而不必显示地将这些代码写出来，因此起到了简化代码书写的作用。那么我们学习正则表达式，其实就是在学习一些特殊符号的使用，通过这些符号的组合来，来达到对字符串进行操作的目的。下面我们就来介绍正则表达式中常用的一些符号。在标准类库java.util.regex包Pattern类的API文档中，详细介绍了正则表达式中常用的符号，这里我们对这些字符作一个简单的介绍，并在第二节《正则表达式的功能》中来演示这些符号的用法。
(1) 字符
实际就是我们常用的基本常见字符，比如代码制表符的“\t”、代表换行符的“\n”、代表回车符的“\r”等等，因此这里不再赘述。
(2) 字符类
字符类代表了专门用于操作字符的符号。书写规则为：一对方括号“[]”内包含了一些字符，表示字符串中某一位字符必须包含在这一对方括号内的字符范围内，比如a-z表示小写字母范围，A-Z表示大写字母范围，0-9表示数字范围。因为字符类的定义规则较为简单，因此请大家自行查阅JavaAPI文档。
(3) 预定义字符类
这一类字符通常通过一个字符来代表一个字符范围。这里有一个需要注意的地方，以表示数字的“\d”为例。在字符串中，单个出现的“\”表示转义字符，它可以将后面的字符串转义为其他含义，而“\”本身不包含在字符串内容中。但是预定义字符“\d”是一个整体，也就是说，“\”+“d”才能表示任意数字。因此在字符串形式的正则表达式中，若要使用“\d”则必须在其前面再加一个“\”，将后一个“\”转义为反斜线，而不是转义字符，因此表达式为“\\d”。
(4) 数量词
由以上所述内容可知，一对方括号，或者一个预定义字符，只能用于匹配一个字符串位上的字符。如果为了定义若干位置上的字符，则需要重复定义多个方括号对，或者预定义字符，将导致整个正则表达式非常冗长。因此可以在匹配一个字符的表达式后接数量词，表示后面的字符将重复匹配这一个规则，使得正则表达式更为简洁。
(5) 组
假如我们要匹配重复出现的字符，比如“kkk”，“qq”，“***”，“##”等等时，该如何去定义正则表达式呢？如果第一位使用“.”去匹配任意字符，那么第二位以及以后的字符位上的字符该如何保证和第一位一样呢？此时显然不能再使用“.”了，因为它同样表示任意字符，而不是对第一个匹配字符的引用。此时我们就可以使用组的概念。
将某一位规则用一对“()”括起来，表示一个组。当这一组所表示的字符匹配以后，通过引用这一组，即可继续向后匹配相同的字符。引用的方法为，在组后面加“\”+数字的形式，比如“\1”表示第一组，“\0”第0组，代表整个正则表达式。当然，由于转义字符的问题，还应该在“\1”前再加一个“\”。
引入组的概念以后，慢慢体现出了正则表达式规则的复杂性，这也就是它的弊端。
小知识点1：
当组的定义非常复杂时，比如JavaAPI文档中的例子——“((A)(B(C)))”，该如何去判断组的个数呢？窍门就是数左括号“(”的个数，例子中共有4个左括号，对应有4个组。按照左括号从做到右的顺序，“((A)(B(C)))”为第一组，“(A)”为第二组，“(B(C))”为第三组，“(C)”为第四组。
(6) 边界匹配器
若从一个英文语句中获取匹配某个正则表达式规则的单词时，就需要用到单词边界——“\b”。由于英文语句的单词都是通过空格进行分隔，因此表示某个规则的正则表达式前后分别添加单词边界“\b”即可将某个单词从英文语句字符串中取得。其他边界匹配器，请大家参考正则表达式API文档。
扫一扫
707
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
