Java中的正则表达式

有两种使用方式，第一种，匹配两个字符串是不是相等；第二种，找出某个字符串在另一个字符串中的位置。

不管哪种方式，构造正则表达式是非常关键的步骤。正则表达式书写方式比较怪异，不过，真正理解后会发现非常灵活。

看下面这个例子：

[Jj]ava+

[]内定义的是一个字符类，表示当前这个字符位置可能出现的字符的集合，如果这个位置的字符在这个集合内，就算是匹配了。所以以上字符串的第一个字符如果是“J”或者“j”都可以。

由上可知，[]里的内容非常重要，下面就讨论一下[]里内容的写法。例如：[Jj]、[0-9]、[A-Za-z]或[^0-9]。“-”表示一个范围（所有的Unicode值在两个边界之间的所有字符）。而^表示“补集”。

当然，还有很多预先定好的集合，比如/d表示数字，/w表示“A-Za-z0-9_”（数字、字母、下划线）。“.”符号默认表示除了行结束符外的任何字符（如果设置了DOTALL标志，则表示任何字符）。

没有转义的字符，都是和自己匹配的，例如：[abcd]。

上面只是定义了一个字符的范围，如果有很多有同样范围的字符，可以使用量词表示。量词有四种形式：X+（表示匹配一个或多个字符）、X*（表示匹配0个或多个字符）、X?（表示匹配0个或1个字符）、X{n} X{n,} X{n,m}（n个X，至少n个X，n和m之间个X）。

例如：“[a-z]+ab”可以匹配诸如cab、ccab、cdsadfsaab，但是不能匹配ccAab（A不属于a-z）、ab（至少得能匹配一个），而“[a-z]*ab”则除了上面那些可以匹配外，还可以匹配ab。

下面是一个复杂的例子，匹配一个十进制数或者十六进制数。

[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+

附表：正则表达式的语法

中文Java核心卷7版1册653页

表12-8 正则表达式语法

语法 解释

字符
c 字符c
/unnnn, /xnn, /0n, /0nn, /0nnn 带有十六或八进制值的代码单元

/0n 八进制0n代表的字符（0<=n<=7）

/0nn 八进制0nn代表的字符(0<=n<=7)

/0mnn 八进制0mnn代表的字符(0<=m<=3,0<=n<=7)

/xnn 十六进制 0xnn所代表的字符

/uhhhh 十六进制 0xhhhh所代表的字符

/t, /n, /r, /f, /a, /e 控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符
/cc 控制字符中出现的相应字符c

字符类
[C1C2. . .] C1、C2……中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。
[^. . .] 字符类的补集
[ . . . && . . .] 两个字符类的交集

预定义字符类
. 除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）
/d 数字[0-9]
/D 非数字[^0-9]
/s 空白字符[/t/n/r/f/x0B]
/S 非空白字符
/w 单词字符[a-zA-Z0-9_]
/W 非单词字符
/p{name} 一个指定的字符类，见表12-9
/P{name} 指定字符类的补集

边界匹配符
^ $ 输入的开头和结尾(在多行模式(multiline mode)下是行的开头和结尾)
/b 单词边界
/B 非单词边界
/A 输入的开头
/z 输入的结尾
/Z 除最后行终止符之外的输入结尾
/G 上个匹配的结尾

量词
X? 可选的X（即X可能出现，也可能不出现）
X* X，可以重复0次或多次
X+ X，可以重复1次或多次
X{n} X{n,} X{n,m} X重复n次，至少重复n次，重复n到m次

量词后缀
? 设默认（贪婪）匹配为reluctant匹配
+ 设默认（贪婪）匹配为possessive匹配

集合操作
XY X的匹配后面跟着Y的匹配
X|Y X或Y的匹配

分组
(X) 匹配X并且在一个自动计数的分组中捕获它
/n 与第n个分组的匹配

转义
/c 字符c（必须不是字母）
/Q.../E 逐字地引用...
（？...） 特殊构造，看Pattern类的API

表12.9 预定义的字符类名（Predefined Character Class Names）

Lower 小写的ASII字符[a-z]
Upper 大写的ASCII字符[A-Z]
Alpha ASCII字母[A-Za-z]
Digit ASCII 数字 [0-9]
Alnum ASCII 字母或数字[A-Za-z0-9]
Xdigit 十六进制数字[0-9A-Fa-f]
Print or Graph 可打印的ASCII字符[/x21-/x7E]
Punct 非字母或数字ASCII [/p{Print}&&/P{Alnum}]
ASCII 所有ASCII字符 [/x00-/x7F]
Cntrl ASCII控制字符[/x00-/x1F]
Blank 空格符或制表符[ /t]
Space 空白符 [ /t/n/r/f/0x0B]
javaLowerCase 取决于Character.isLowerCase()的小写字符
javaUpperCase 取决于Character.isUpperCase()的大写字符
javaWhitespace 取决于Character.isWhitespace()的空白符
javaMirrored 取决于Character.isMirrored()的Mirrored（？）
InBlock 这里的Block是unicode字符的块名，用空格隔开，比如BasicLatin 或 Mongolian。块名列表参考http://www.unicode.org
Category 或InCategory 这里的Category是Unicode字符的种类名，比如L（字母）或者Sc（货币符号）。种类名列表参考http://www.unicode.orgHYPERLINK "http://www.unicode.org%a0/"

一个检测E-mail地址是否合法的例子：

import java.util.Scanner;

import java.util.regex.*;

public class RegexExercise1 {

/**

* @param args

*/

public static void main(String[] args) {

// TODO Auto-generated method stub

Pattern a=Pattern.compile("[a-z]+ab");

Matcher m=a.matcher("ab");

System.out.println(m.matches()?"匹配":"不匹配");

String email;

Scanner in=new Scanner(System.in);

System.out.println("请输入邮件地址：");

email=in.nextLine();

String patternString=new String("[//w//.-]+@[//w//.-]+");//“/”在字符串中需要用“//”转义

//patternString="//w+@//w+//.[a-z|A-Z]{2,4}(//.[a-z|A-Z]{2})?";//W3C标准

Pattern pattern=null;

//检验正则表达式是否合法

try

{

pattern=Pattern.compile(patternString);

}

catch(PatternSyntaxException e)

{

System.out.println("错误的正则表达式！");

System.exit(1);

}

Matcher matcher=pattern.matcher(email);

if(matcher.matches())

{

System.out.println("地址合法");

}

else

{

System.out.println("地址非法");

}

}

}

matcher的find()方法实现匹配字符串，如果find()返回true，则可以访问start和end属性，指示字符串的位置。

matcher的appendReplacement实现替换匹配到的字符串。