-
- 括号中的表达式可以作为整体被修饰,用来表示匹配括号中表达式的次数,regex=(abc){2,3},可以匹配连续的2个或3个abc
- 括号中的表达式匹配到的内容会存储起来,并可以获取到括号中表达式匹配到的内容
- 每一对括号会分配一个编号,使用( )的捕获根据左括号的顺序从1开始自动编号,编号为0的捕获是整个正则表达式匹配到的文本。
九、反向引用 “\number”
-
分析所要匹配的数据特点,模拟各种测试数据;
-
利用正则工具,写正则表达式与测试数据进行匹配,从而验证你写的正则;
-
在程序里调用在正则工具中验证通过的正则表达式。
-
-
-
电话号码由数字和“-”组成
-
如果包含区号,那么区号为三位或四位,首位是0
-
区号用“-”和其他数字分割
-
除了区号,电话号码为7到8位
-
手机号码为11位
-
11位手机号码的前2位为“13”,“14”,“15”,“17”,“18”
-
-
-
-
-
-
固话的正则:regex=0\d{2,3}-\d{7,8}
-
手机号的正则:regex=1[34578]\d{9}
-
-
-
-
-
-
-
长度:15位或者18位
-
如果是15位,则都是数字
-
如果是18位,最后一位可能为数字或字母X
-
15位数字:regex=\d{15}
-
18位数字:regex=\d{18}
-
17位数字+X:regex=\d{17}X|x
-
-
-
-
-
-
-
邮箱格式:用户名@网址.域名
-
用户名:字母、数字、下划线组成
-
网址:字母、数字
-
域名:2-4位字母组成,1-2个域名
-
不区分大小写
-
-
-
-
-
-
-
-
用户名:regex=\w+。
-
网址:regex=[a-zA-Z0-9]+。
-
-
-
-
-
-
-
-
-
1-255的正则 regex=^([1-9]|[1-9]\d|1\d\d|2[0-5][0-5])。
-
0-255的正则 regex=^(\d|[1-9]\d|1\d\d|2[0-5][0-5]) 。
-
-
-
-
-
-
-
-
-
-
4位的年,第一位只能是1或2,regex=^([12]\d{3})
-
一年的12个月(01~09和1~12),regex=^(0?[1-9]|1[0-2])
-
一个月的31天(01~09和1~31), regex=^((0?[1-9])|((1|2)[0-9])|30|31)
-
-
-
-
-
Pattern 类:
-
Pattern 是正则表达式 regex 的编译表示形式
-
代码:Pattern pattern = Pattern.compile(regex);
Matcher 类:
-
通过解释 Pattern 对输入的字符串 input 执行匹配操作的引擎
-
代码:Matcher matcher = pattern.matcher(input);
注意:在 Java 代码中转义字符“\”要写成“\”才表示一个“\”。比如regex=\d,在 Java 代码中应该写成“\d”。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class TestRegex {
public static void main(String[] args) {
String input = "Hello regex 666!";
// java中要想表示\需要通过转义字符\进行转义
String regex = "\\w+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
// matches()方法,将输入的整个字符串与给定的正则匹配
System.out.println(matcher.matches());
// 结果为:false,因为"Hello regex 666!"不全是\w
String regex1 = "\\d+";
Pattern pattern1 = Pattern.compile(regex1);
Matcher matcher1 = pattern1.matcher(input);
// find()方法,从输入的字符串里找出与给定的正则匹配的子串
while (matcher1.find()) {
// 只要找到,则就能通过group()方法获取到符合条件的子串
System.out.println(matcher1.group());
// 结果为:666,通过find()找到了\d,通过group()方法获取匹配到的值
}
}
问题1:一键获取短信验证码
短信验证码在目前的互联网应用的非常广泛,在一些重要操作中都需要输入短信验证码来验证身份信息。
列举3条不同的验证码短信内容如下:
-
【京东】尊敬的用户,634561是您本次的省份验证码,30分钟内有效,请完成验证。
-
【滴滴】您的验证码是6678,请在页面中提交验证码完成验证。
-
【百度】376687(动态验证码),请在30分钟内填写。
那么如何通过一个正则表达式来获取到3个不同类型的短信内容里的数字验证码呢?
首先分析以上3条短信内容,找出共同点:
-
验证码都是数字,可以是4位数字,也可以是6位数字
-
每条短信都包含“验证码”3个汉字
-
“验证码”3个字与数字的顺序关系,“验证码”3个字可以在数字前,也可以在数字后
按照以上的分析,我们就可以写在正则工具里写正则表达式进行验证了。
-
4位数字或者6位数字,可以用 “\d{4}|\d{6}” 来匹配,我们使用捕获组( )来获取数字部分,即 regex=(\d{4}|\d{6})
-
验证码3个字就用“验证码”来匹配,regex=验证码
-
“验证码”3个字在数字前,可以 regex=验证码 \D(\d{4}|\d{6}),“验证码”3个字在数字后,可以 regex=(\d{4}|\d{6})\D 验证码,这2个表达式是或的关系,需要用到括号来组织这2个表达式,然后再用或“|”来进行选择,即 regex=(验证码\D(\d{4}|\d{6}))|((\d{4}|\d{6})\D验证码)
-
由于要通过捕获组( )来获取数字内容,又要用括号来组织关系,因此需要把或 “|” 两边的表达式部分用非捕获组 (?:) 来标记,因为我们只需要获取数字部分的括号( )匹配到的数字。
即 regex=(?:验证码\D(\d{4}|\d{6}))|(?:(\d{4}|\d{6})\D验证码)
最后我们把分析到的表达式代入到 Java 代码完成功能。注意在 Java 中,反斜杠需要转义,即一杠变二杠。
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class TestRegex {
public static void main(String[] args) {
List<String> inputList = new ArrayList<String>(16);
inputList.add("【京东】尊敬的用户,634561是您本次的省份验证码,30分钟内有效,请完成验证。");
inputList.add("滴滴】您的验证码是6678,请在页面中提交验证码完成验证。");
inputList.add("【百度】376687(动态验证码),请在30分钟内填写。");
String regex = "(?:验证码\\D*(\\d{4}|\\d{6}))|(?:(\\d{4}|\\d{6})\\D*验证码)";
Pattern pattern = Pattern.compile(regex);
System.out.println("一键获取到的验证码如下:");
for (String input : inputList) {
Matcher matcher = pattern.matcher(input);
if (matcher.find()) {
for (int i = 1; i <= matcher.groupCount(); i++) {
if (matcher.group(i) != null) {
System.out.println(matcher.group(i));
}
}
}
}
}
问题2:判断用户密码是否为强密码
以京东注册为例,京东建议使用字母、数字和符号两种及以上的组合,6-20个字符。
下面我们通过正则表达式来完成用户输入的密码是否符合密码规则的校验。首先分析密码要求,如下:
-
密码包括字母、数字和符号3种字符
-
必须包含2种及以上的字符
-
密码长度6-20位
-
字母包括:A-Za-z,数字包括:0-9,
-
符号包括32个:`-=][‘;/.,~!@#$%^&()_+|}{“:?><
需要注意的是如果使用32个符号,特殊字符“\”、“[”、“]”是需要进行转义的,为了简单直观,我们假设符号只有@#$3个。
进一步分析,密码只有字母,数字,符号3种类型的字符,要求必须包含2种及以上,那么密码组合的种类有4种(3个里面选2个+3个全选=4),即:字母+数字,字母+符号,数字+符号,字母+数字+符号。
如果从正面去考虑这个问题,那么正则会很难写,所有我们从反向考虑:“必须包含2种及以上”的反向就是“只包含1种”,也就是说密码要求“不能只包含1种字符”。
密码长度6-20位,需要用到开始标记“^”和结束标记“$”,量词{6,20}
最终分析密码要求是:密码从开始到结束必须 6-20 位而且不能全部是1种单一的字符
解释:
-
^(?![A-Za-z]+$)表示从头到位不能全是字母
-
^(?![0-9]+$)表示从头到位不能全是数字
-
^(?![@#$]+$)表示从头到位不能全是符号@#$
-
^[A-Za-z0-9@#$]{6,20}$表示从头到位只能是字母数字符号@#$的集合
需要注意的是,开始符“^”和预搜索“(?!)”都是零宽的,表示位置,所以开始符“^”只需要在整个正则表达式的开始处写一个即可。
}
\ | 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"\("或者"\)"。 |
(?: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 (©)。 |