Java正则表达式

介绍：

正则表达式，就是用某种模式去匹配字符串的一个公式。正则表达式不是只有Java才有，很多语言都支持正则表达式进行字符串操作。javascript,php...

 为什么要学习正则表达式？

（1）传统方法。使用遍历方式，代码量大，效率不高

（2）正则表达式技术可以快速找到所搜寻文本中的内容，专门用于处理类似文本处理问题

简单来说，正则表达式是对字符串执行模式匹配的技术。

（3）正则表达式：regular expression =>RegExp

//4.开始匹配
        /*
        * matcher.find()完成的任务
        * 1.根据指定的规则，定位满足规则的子字符串(比如1)
        * 2.找到后，将子字符串的开始的索引记录到matcher对象的属性int[] groups中
        *   group[0] = 0,把该字符串的结束的索引+1的值记录到groups[1]中
        * 3.同时记录oldLast的值为子字符串的结束的索引+1的值，即下次执行find时，就从2开始匹配
        *   下一次循环执行时，find的groups数组就清空，寻找下一个满足规则的子字符串，即groups[0]=10,groups[1]=12;
        * 源码：
        * public String group(int group) {
            if (first < 0)
                throw new IllegalStateException("No match found");
            if (group < 0 || group > groupCount())
                throw new IndexOutOfBoundsException("No group " + group);
            if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
                return null;
            return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
        }
        * 1.根据groups[0]=0,和groups[1]的记录的位置，从content开始截取子字符串返回，
            就是[0,3)包含0但是不包含索引为3的位置
        */

 在while处设置断点，debug运行一下，groups[0]=0,groups[0]=2，如下图所示。

 循环执行到下一次运行时，发现groups[0]=10,groups[0]=12,是因为匹配器matcher的find方法会清空上一次的记录

/*
         * matcher.find()完成的任务（考虑分组）
         * 什么是分组，比如(\d\d)(\d\d)，正则表达式中有()，第1个()表示第1组，第2个()表示第2组...
         * 1.根据指定的规则，定位满足规则的子字符串(比如(19)(98))
         * 2.找到后，将子字符串的开始的索引记录到mather对象的属性int[] groups;
         *   2.1 groups[0] = 0 ,把该子字符串的结束的索引+1的值记录到groups[1] = 4
         *   2.2 记录1组()匹配到的字符串 groups[2] = 0 groups[3] = 2
         *   2.3 记录2组()匹配到的字符串 groups[4] = 2 groups[5] = 4
         *   2.4 如果有更多的分组......
         * 3.同时记录oldLast的值为子字符串的结束的索引+1的值即为4，即下次执行find时，就从4开始匹配
         */

 

小结：

1.如果正则表达式有() 即分组

2.取出匹配的字符串规则如下

3.groups(0)表示匹配的到的子字符串

4.groups(1)表示匹配的到的子字符串的第1组字串

5.groups(2)表示匹配的到的子字符串的第2组字串

6...但是分组的数不能越界

正则表达式语法

如果想要灵活的运用正则表达式，必须了解其中各种元字符的功能，元字符从功能上大致分为：

1.限定符

2.选择匹配符

3.分组组合和反向引用符

4.特殊字符

5.字符匹配符

6.定位符

元字符（Metacharacter）- 转义号\\

\\符号说明：在我们使用正则表达式去检索某些特殊字符的时候，需要用到转移符号，否则会检索不到结果，甚至会报错。在Java中的正则表达式，两个\\代表其他语言中的一个\

需要用到转义符号的字符有以下：. * + ( ) $ / \ ? [ ] ^ { }

元字符-字符匹配符

符号	含义	示例	解释
[]	可接收的字符列表	[abcd]	a、b、c、d中的任意1个字符
[^]	不可接收的字符列表	[^abc]	除a、b、c以外的任意一个字符，包括数字和特殊字符
-	连字符	a-z	任意单个小写字母
.	匹配除\n以外的任何字符	a..b	以a开头，b结尾，中间包括2个任意字符的长度为4的字符串

符号	含义	示例	说明	匹配输入
.	匹配除\n以外的任何字符	a..b	以a开头，b结尾，中间包括2个任意字符的长度为4的字符串	aaab,aefb,a35b,a#*b
\\d	匹配单个数字字符，相当于[0-9]	\\d{3}(\\d)?	包含3个或4个数字的字符串	123,7896
\\D	匹配单个非数字字符，相当于[^0-9]	\\D(\\d)*	以单个非数字字符开头，后接任意个数字字符串	a,A342
\\w	匹配单个数字、大小写字母字符和下划线，相当于[0-9a-zA-Z_]	\\d{3}\\w{4}	以3个数字字符开头，长度为7的数字字母字符和下划线	3333an_,3456789
\\W	匹配单个非数字、大小写字母字符和下划线，相当于[^0-9a-zA-Z_]	\\W+\\d{2}	以至少1个非数字字母字符开头，2个数字字符结尾的字符串	#29、#？@1

应用实例：

1.[a-z]说明：

[a-z]表示可以匹配a-z中的任意一个字符

2.java正则表达式默认是区分字母大小写的，不区分大小写如下：

        (?!)abc表示abc都不区分大小写

        a(?!)bc表示bc不区分大小写

        a((?!)b)c表示只有b不区分大小写

        Pattern pattern = Pattern.compile(regExp,Pattern.CASE_INSENSITIVE);

元字符-字符匹配符

\\s匹配任何空白字符（空格，制表符等）

\\S匹配任何非空白符，和\s刚好相反

.匹配出\n之外的所有字符，如果要匹配.本身则需要使用\\.

 元字符-限定符：用于指定其前面的字符和组合项连续出现多少次

 ? 表示0或者1

 + 表示1-多

 * 表示0-多

符号	含义	示例	说明	匹配输入
？	指定字符重复0次或1次（最多一次）	m+abc?	以至少1个m开头，后接ab或abc的字符	mab,mmmabc
+	指定字符重复1次或n次（至少一次）	m+(abc)*	以至少1个m开头，后接任意个abc的字符串	m,mmmabcabc
*	指定字符重复0次或n次（无要求）	(abc)*	仅包含任意个abc的字符串，等效于\w*	abc, ,abcabc
{n}	只能输入n个字符	[abcd]{3}	由abcd中字母组成的任意长度为3的字符串	abc,bcd,dab
{n,}	指定至少n个匹配	[abcd]{3,}	由abcd字母组成的任意长度不小于3的字符串	abc,abcda,aaabcd
{n,m}	指定至少n个但不多于m个匹配	[abcd]{3,5}	由abcd字母组成的任意长度不小于3，不大于5的字符串	abc,ancd,abcdb

 举例说明：

1.{n}说明：n表示出现的次数

//a{3,4},1{4,5},\\d{2,3}
Java匹配默认贪婪匹配，尽可能匹配多的，所以a{3,4}先匹配aaaa，1{4,5}先匹配11111，\\d{2,3}先匹配三位任意的数字

元字符-定位符

定位符：规定要匹配的字符串出现的位置，比如在字符串的开始还是在结束的位置

符号	含义	示例	说明	匹配输入
^	指定起始字符	^[0-9]+[a-z]*	以至少一个数字开头，后接任意个小写字母的字符串	123a,1
$	指定结束字符	^[0-9]\\-[a-z]+$	以1个数字开头后连接字符“-”，并以至少一个小写字母结尾的字符串	1-a,3-xm
\\b	匹配目标字符串的边界	an\\b	这里说的字符串的边界指的是子串间有空格，或者是目标字符串的结束位置	hanhan hanhan
\\B	匹配目标字符串的非边界	an\\B	和\b的含义相反	anhan

这里的边界是指：被匹配的字符串最后，也可以是空格的子字符串的后面

分组

常用分组构造形式	说明
(pattern)	非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本，其他捕获结果则根据左括号的顺序从1开始自动编号。
(?<name>pattern)	命名捕获。将匹配的子字符串捕获到一个组名称或编号名称中。用于name的字符串不能包含任何的标点符号，并且不能以数字开头。可以使用单引号替代尖括号，例如(?'name')

演练及结果

常用分组构造形式	说明
(?: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|lies)'是比'industry|industries'更经济的表达式。
(?=pattern)	它是一个非捕获匹配。例如，'Windows(?=95|98|NT|2000)'匹配“Windows 2000”中的“Windows”,但不匹配“Windows 3.1”中的“Windows”。
(?!pattern)	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。例如'Windows(?=95|98|NT|2000)'匹配“Windows 3.1”中的“Windows”,但不匹配“Windows 2000”中的“Windows”。

 

 

练习：

汉字，邮政编码，手机号码，qq号码，url地址

 url地址验证：

 跟着韩顺平老师写的

/*
        * 思路：
        * 1.先确定url的开始部分https://|http://
        * 2.然后通过([\w-]+\.)+[\w-]+匹配www.baidu.com
        * 3.(\/[\w-?=&/%.#]*)?匹配/video/cka%kmc
        * */
String regStr = "^(((http|https)://))?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";

在[]中的.%&#就代表它本身。

面试的时候面试官问我用正则表达式验证邮箱怎么写