Java 正则表达式详解

正则表达式乍一看上去是一堆繁琐的、无规律的、令人头大的字符串，但是其简单易学，适用于各种语言；当你了解他之后，你就会知道它的强大。很多程序设计语言都支持用正则表达式来进行字符串的操作。

正则表达式简介

初识正则表达式

正则表达式是使用单个字符串来描述、匹配一系列规则的字符串。正则表达式并不仅限于某一种语言（几乎所有的语言都有字符串），在每种语言中有细微的差别。

一个正则表达式字符串：

^p[a-zA-Z_].+@.+\\..+$ 

正则表达式应用还是很多的，总结的来说，包括匹配、分割、替换、截取这四大作用。比如我们常用来验证电话号码格式、邮箱格式等涉及到有一定格式的数据验证操作；比如使用正则表达式找到指定字符并进行删除、替换等操作；比如在一个字符串中按照正则表达式的条件，找到子串，提取位置等。

正则表达式常用语法大全

字符	说明
\	将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，"n"匹配字符"n"。"\n"匹配换行符。序列"\\"匹配"\"，"\("匹配"("。
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。
*	零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。
+	一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。
?	零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。
{ n}	n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。
{ n,}	n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。
{ n,m}	M 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。
？	当此字符紧随任何其他限定符（*、+、?、{ n}、{ n,}、{ n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。
.	匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。
(pattern)	匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用""或者""或者""。
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=pattern)	执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x|y	匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。
[^xyz]	反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。
[a-z]	字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z]	反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b	匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。
\B	非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。
\cx	匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。
\d	数字字符匹配。等效于 [0-9]。
\D	非数字字符匹配。等效于 [^0-9]。
\f	换页符匹配。等效于 \x0c 和 \cL。
\n	换行符匹配。等效于 \x0a 和 \cJ。
\r	匹配一个回车符。等效于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S	匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t	制表符匹配。与 \x09 和 \cI 等效。
\v	垂直制表符匹配。与 \x0b 和 \cK 等效。
\w	匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。
\W	与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn	匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
\num	匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。
\n	标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。
\nm	标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。
\nml	当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。

Java 正则表达式元字符

元字符是在Java正则表达式中具有特殊含义的字符。也就是说使用时必须进行转译。

Java中的正则表达式支持的元字符如下:

( ) [ ] { } \ ^ $ | ? * + . < > - = !

例如：以下代码使用\d匹配所有数字；\\d 在字符串中用于转义\ 。

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

public class Main {  
  public static void main(String args[]) {    
    Pattern p = Pattern.compile("Java \\d");    
    String candidate = "Java 4";    
    Matcher m = p.matcher(candidate);    

    if (m != null)      
       System.out.println(m.find());  // 结果true
 }
}

常用的Java正则表达式API

包java.util.regex包含三个类，以支持正则表达式的完整版本。

• 模式
• 匹配
• PatternSyntaxException

Pattern保存正则表达式的编译形式。

Matcher将要匹配的字符串与模式相关联，并执行实际匹配。

PatternSyntaxException 表示格式错误的正则表达式中的错误。

Pattern

只要你用到正则表达式，都是从这个类开始的。典型的调用顺序就是：

Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
boolean b = m.matches();

1. Pattern.matches()

在仅使用一次正则表达式时，可以方便的通过类方法 matches 实现是否匹配。他底层实现也是上面的调用顺序，等效于上面的三个语句。

boolean b = Pattern.matches("a*b", "aaaaab");

2. Pattern.compile()

如果需要匹配一个正则表达式在文本中多次出现，需要通过Pattern.compile()方法创建一个Pattern对象,如上面举例所示。也可以在Compile 方法中，指定一个特殊标志：

Pattern pattern = Pattern.compile("a*B", Pattern.CASE_INSENSITIVE);

常用标志模式举例：

Flag（compile第二个参数）	描述
Pattern.CANON_EQ	启用规范等效。
Pattern.CASE_INSENSITIVE	启用不区分大小写的匹配。
Pattern.COMMENTS	启用不区分大小写的匹配。...
Pattern.DOTALL	允许在模式中的空格和注释。忽略以＃开头的空格和嵌入的注释，直到行的结尾。
Pattern.LITERAL	启用模式的文字解析。 这个标志使元字符和转义序列作为正常字符。
Pattern.MULTILINE	启用多行模式。 默认情况下，^和$匹配输入序列的开始和结束。 此标志使模式仅逐行匹配或输入序列的末尾。
Pattern.UNICODE_CASE	启用支持Unicode的大小写。 与CASE_INSENSITIVE标志一起，可以根据Unicode标准执行不区分大小写的匹配。
Pattern.UNICODE_ CHARACTER_CLASS	启用预定义字符类和POSIX字符类的Unicode版本。 设置此标志时，预定义字符类和POSIX字符类符合Unicode技术标准。
Pattern.UNIX_LINES	启用Unix行模式。 设置此标志时，只有\ n字符被识别为行终止符。

3. Pattern.matcher()

获得Patterm对象后，通过要匹配的字符序列来创建匹配器。Matcher类有一个matches()方法，可以检查文本是否匹配模式。

Pattern.matches(regex, input);
Pattern.compile(regex).matcher(input).matches() 

上述两个表达式是等价的。

4. Pattern.split()

用正则表达式做为分隔符，拆分给定的字符序列，返回一个字符数组。

String text = "boo:and:foo";
String patternString = ":";
Pattern pattern = Pattern.compile(patternString);
String[] split = pattern.split(text);
System.out.println("split.length = " + split.length);
for(String element : split){
    System.out.println("element = " + element);
}
// split.length = 3
// element = boo
// element = and
// element = foo

也可以再加一个int 类型参数限制拆分次数，从而影响结果数组的长度。

Regex	Limit	Result
:	2	{ "boo", "and:foo" }
:	5	{ "boo", "and", "foo" }
:	-2	{ "boo", "and", "foo" }
o	5	{ "b", "", ":and:f", "", "" }
o	-2	{ "b", "", ":and:f", "", "" }
o	0	{ "b", "", ":and:f" }

Matcher

创建匹配器后，可以使用它执行三种不同的匹配操作：

• matches 方法尝试将整个输入序列与该模式匹配。
• lookingAt 尝试将输入序列从头开始与该模式匹配。
• find 方法扫描输入序列以查找与该模式匹配的下一个子序列。

1. Matcher. matches()

matches() 方法不能用于查找正则表达式多次出现。如果需要，请使用find(), start() 和 end() 方法。

2. Matcher. lookingAt()

与 matches 方法类似，此方法始终从区域的开头开始；与之不同的是，它不需要匹配整个区域。如果匹配成功，则可以通过 start、end 和 group 方法获取更多信息。

String text = "bOO:and:foo";
String patternString1 = "Boo";
Pattern pattern1 = Pattern.compile(patternString1, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern1.matcher(text);
System.out.println("lookingAt = " + matcher.lookingAt());
System.out.println("matches   = " + matcher.matches());
// lookingAt = true
// matches   = false

3. Matcher. find()、start() 、end()

• find()方法找到输入中的模式的匹配。如果find成功，它返回true。否则，它返回false。第一次调用 find()在输入的开始处开始搜索。下一个调用将在上一次匹配后开始搜索。我们可以使用while循环与 find()方法来查找所有的匹配。find()方法是一个重载的方法。find()方法的另一个版本接受一个整数参数，这是开始查找匹配的偏移量。
• find()方法返回上一次匹配的开始索引。 start() 在成功的find()方法调用之后使用,返回匹配序列的初始索引。
• end() 返回最后匹配字符之后的偏移量，即返回匹配字符串中最后一个字符的索引加一。

String text3 = "When you feel like quitting, think about why you started.";
String patternString2 = "ou";
Pattern pattern2 = Pattern.compile(patternString2);
Matcher matcher2 = pattern2.matcher(text3);
int count = 0;
while (matcher2.find()) {
    count++;
    System.out.println("found: " + count + " : " + matcher2.start() + " - " + matcher2.end());
}
// found: 1 : 6 - 8
// found: 2 : 37 - 39
// found: 3 : 46 - 48

4. Matcher. reset()

reset 方法会重置Matcher 内部的所有状态信息，匹配区域被重新设置成整个字符序列。当find 方法开始匹配时,Matcher 内部会记录截至当前查找的相关信息。调用 reset 会重新从文本开头查找。
也可以调用 reset(CharSequence) 方法. 这个方法重置Matcher,同时把一个新的字符串作为参数传入，用于代替创建 Matcher 的原始字符串。

5. Matcher. group()

组、捕获组是一个很重要的概念。比如我们想提取一个匹配序列中的某一段，使用组的概念就比使用start 方法和end 方法更容易些。

(group)

这就是一个组的语法，当正则表达式匹配到文本后，可以使用group 方法访问组内的部分。一对括号就标记了一个组，可以有多个分组。
它返回由以前匹配操作所匹配的输入子序列。想要访问某分组匹配的文本，可以把分组编号传入 group(int groupNo)方法。但要注意0是表示整个组，分组是从1开始的。

String text5 = "You cannot improve your past, but you can improve your future. Once time is wasted, life is wasted.";
String patternString5 = "(improve)";
Pattern pattern5 = Pattern.compile(patternString5);
Matcher matcher5 = pattern5.matcher(text5);
while(matcher5.find()) {
    System.out.println("found: " + matcher5.group(1));
}
// found: improve
// found: improve

split和组结合使用，进行拆分。

String string2 = "123&&345%%567@@@@085555508";
String[] string3 = string2.split("(.)\\1+"); // 后面都使用第一个组
for (String str:string3) {
    System.out.println("result: "+ str);
}
// result: 123
// result: 345
// result: 567
// result: 08
// result: 08

多个组

// (A)(B)
String text5 = "You cannot improve your past, but you can improve your future. Once time is wasted, life is wasted.";
String patternString5 = "(ou) (.+?) ";// 两对括号后各有一个空格
Pattern pattern5 = Pattern.compile(patternString5);
Matcher matcher5 = pattern5.matcher(text5);
while(matcher5.find()) {
    System.out.println("found: " + matcher5.group(1) + matcher5.group(2));
}
// found: oucannot
// found: oucan

组嵌套

A((B)C)(D)E正则式中有四组：组0是ABCDE，组1是BC，组2是B；组3是D。（顺序从最左边括号开始计算,第0组默认是全部字符串）

String string4 = "ABCDE";
Pattern pat = Pattern.compile("A((B)C)(D)E");
Matcher mat = pat.matcher(string4);
while (mat.find()){
    System.out.println("组0：" + mat.group(0)+" 组1：" + mat.group(1)+" 组2：" + mat.group(2)+" 组3：" + mat.group(3));
}
// 组0：ABCDE 组1：BC 组2：B 组3：D

6. Matcher.replaceAll()、replaceFirst()

看方法名就知道replaceAll()用于全部替换匹配序列，replaceFirst() 只替换第一个匹配的。

String s1 = "Java is an object-oriented programming language，Java is written by James Gosling first.";
String patternString11 = "((Java) (.+?)) ";
Pattern pattern6 = Pattern.compile(patternString11);
Matcher matcher6 = pattern6.matcher(s1);

String replaceAll = matcher6.replaceAll("C plus plus ");
System.out.println("所有   = " + replaceAll);

String replaceFirst = matcher6.replaceFirst("C plus plus ");
System.out.println("第一个 = " + replaceFirst);
// 所有   = C plus plus an object-oriented programming language，C plus plus written by James Gosling first.
// 第一个 = C plus plus an object-oriented programming language，Java is written by James Gosling first.

7. 引用组

先看下面两个例子：

// 把2个重复中的一个，后面的用第一个组
String string5 = "123&&345%%456-----085555508";
String string6 = string5.replaceAll("(.)\\1","$1");
System.out.println("result: " + string6);
//result: 123&345%456---0855508

\1 指第1组，即(.)。同理\2引用组2，\3引用组3，依此类推。

String telNum = "13840241234";
String res5 =  telNum.replaceAll("(\\d{3})\\d{4}(\\d{4})","$1\\****$2");
System.out.println("换了么："+res5);
// 换了么：138****1234

$n ，其中 n 是组编号，替换文本内部是指组 n 的匹配文本。例如， $1 是指第一个匹配的组。

8. 命名组

我们可以在正则表达式中使用命名组。我们可以命名一个组，然后使用他们的名字来引用参考组。我们可以在替换文本中引用组名称，并使用组名称获取匹配的文本。定义命名组的格式为(?<groupName>pattern)；一对括号标记一个组。开始括号后面跟着一个?和放在尖括号中的组名称。

比如上述(\\d{3})\\d{4}(\\d{4})可以更改为(?<group1>\\d{3})\\d{4}(?<group2>\\d{4})，之后就可以直接使用group1和group2代替组1和组2。