Java正则表达式

由于是综合几篇别人的文章结合起来的，转载来源不一一列出。


Java对正则表达式的处理集中在以下两个两个类：

java.util.regex.Matcher   模式类：用来表示一个编译过的正则表达式。

java.util.regex.Pattern   匹配类：用模式匹配一个字符串所表达的抽象结果

关于这两个类的说明：

http://download.oracle.com/javase/1.4.2/docs/api/java/util/regex/Matcher.html

Pattern类的方法简述

方法	说明
static Pettern compile(String regex,int flag)	编译模式,参数regex表示输入的正则表达式,flag表示模式类型(Pattern.CASE_INSENSITIVE 表示不区分大小写)
Matcher match(CharSequence input)	获取匹配器,input时输入的待处理的字符串
static boolean matches(String regex, CharSequence input)	快速的匹配调用,直接根据输入的模式regex匹配input
String[] split(CharSequence input,int limit)	分隔字符串input,limit参数可以限制分隔的次数

Matcher 一个Matcher对象是一个状态机器，它依据Pattern对象做为匹配模式对字符串展开匹配检查。首先一个Pattern实例订制了一个所用语法与 PERL的类似的正则表达式经编译后的模式，然后一个Matcher实例在这个给定的Pattern实例的模式控制下进行字符串的匹配工作。

Matcher类的方法简述

方法	说明
boolean matches()	对整个输入字符串进行模式匹配.
boolean lookingAt()	从输入字符串的开始处进行模式匹配
boolean find(int start)	从start处开始匹配模式
int groupCount()	返回匹配后的分组数目
String replaceAll(String replacement)	用给定的replacement全部替代匹配的部分
String repalceFirst(String replacement)	用给定的replacement替代第一次匹配的部分
Matcher appendReplacement(StringBuffer sb,String replacement)	根据模式用replacement替换相应内容,并将匹配的结果添加到sb当前位置之后
StringBuffer appendTail(StringBuffer sb)	将输入序列中匹配之后的末尾字串添加到sb当前位置之后.

一些容易迷糊的问题（这段为转载）

 

1、Java对反斜线处理的问题

 

在其他语言中，\\表示要插入一个字符\;

在Java语言中，\\表示要插入正则表达式的反斜线，并且后面的字符有特殊意义。

 

看API文档：

预定义字符类

. 任何字符（与行结束符可能匹配也可能不匹配）

\d 数字：[0-9]

\D 非数字： [^0-9]

\s 空白字符：[ \t\n\x0B\f\r]

\S 非空白字符：[^\s]

\w 单词字符：[a-zA-Z_0-9]

\W 非单词字符：[^\w]

 

但是看看上面程序，对比下不难看出：

\d在实际使用的时候就写成了 \\d ;

 

 

在Java正则表达式中，如果要插入一个\字符，则需要在正则表达式中写成 \\\\ ，原因是下面的APIDoc定义\\表示一个反斜线。

但是如果在正则表示式中表示回车换行等，则不需要多添加反斜线了。比如回车\r就写作\r.

 

字符

x 字符 x

\\ 反斜线字符

\0n 带有八进制值 0 的字符 n (0 <= n <= 7)

\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)

\0mnn 带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）

\xhh 带有十六进制值 0x 的字符 hh

\uhhhh 带有十六进制值 0x 的字符 hhhh

\t 制表符 ('\u0009')

\n 新行（换行）符 ('\u000A')

\r 回车符 ('\u000D')

\f 换页符 ('\u000C')

\a 报警 (bell) 符 ('\u0007')

\e 转义符 ('\u001B')

\cx 对应于 x 的控制符

Java正则表达式常用的四种功能：
查询：
　　
以下是代码片段：
String str="abc efg ABC";

String regEx="a|f"; //表示a或f

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

boolean rs=m.find();

　　
　　如果str中有regEx，那么rs为true，否则为flase。如果想在查找时忽略大小写，则可以写成Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);
　　
　　 提取：

以下是代码片段：
String regEx=".+\(.+)$";

String str="c:\dir1\dir2\name.txt";

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

boolean rs=m.find();

for(int i=1;i<=m.groupCount();i++){

System.out.println(m.group(i));

}

　　
　　以上的执行结果为name.txt，提取的字符串储存在m.group(i)中，其中i最大值为m.groupCount();
　　
　　 分割：
　　
以下是代码片段：
String regEx="::";

Pattern p=Pattern.compile(regEx);

String[] r=p.split("xd::abc::cde");

执行后，r就是{"xd","abc","cde"}，其实分割时还有跟简单的方法：

String str="xd::abc::cde";

String[] r=str.split("::");

　　
　　 替换（删除）：
　　
以下是代码片段：
String regEx="a+"; //表示一个或多个a

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher("aaabbced a ccdeaa");

String s=m.replaceAll("A");
　　
　　结果为"Abbced A ccdeA"
　　
　　如果写成空串，既可达到删除的功能，比如：
　　
String s=m.replaceAll("");
　　
　　结果为"bbced ccde"


使用实例：
正则表达式默认都是区分大小写的,使用了Pattern.CASE_INSENSITIVE则不对大小写进行区分.

 String patternStr = " ab " ;
    Pattern pattern = Pattern.compile(patternStr, Pattern.CASE_INSENSITIVE);
    
    String[] dataArr  =  {  " ab " ,  " Ab " ,  " AB " };
    
     for  (String str : dataArr) {
      Matcher matcher = pattern.matcher(str);
      
       if (matcher.find()){
        System.out.println( " 字符串 "   +  str  +   " 匹配模式 "   +  patternStr  +   " 成功 " );
      }
    }


附上Java常用正则表达式：
"^\d+$"　　//非负整数（正整数 + 0）
"^\[0-9\]*\[1-9\]\[0-9\]*$"　　//正整数
"^((-\d+)\|(0+))$"　　//非正整数（负整数 + 0）
"^-\[0-9\]*\[1-9\]\[0-9\]*$"　　//负整数
"^-?\d+$"　　　　//整数
"^\d+(\.\d+)?$"　　//非负浮点数（正浮点数 + 0）
"^((\[0-9\]+\.\[0-9\]*\[1-9\]\[0-9\]*)\|(\[0-9\]*\[1-9\]\[0-9\]*\.\[0-9\]+)\|(\[0-9\]*\[1-9\]\[0-9\]*))$"　　//正浮点数
"^((-\d+(\.\d+)?)\|(0+(\.0+)?))$"　　//非正浮点数（负浮点数 + 0）
"^(-((\[0-9\]+\.\[0-9\]*\[1-9\]\[0-9\]*)\|(\[0-9\]*\[1-9\]\[0-9\]*\.\[0-9\]+)\|(\[0-9\]*\[1-9\]\[0-9\]*)))$"　　//负浮点数
"^(-?\d+)(\.\d+)?$"　　//浮点数
"^\[A-Za-z\]+$"　　//由26个英文字母组成的字符串
"^\[A-Z\]+$"　　//由26个英文字母的大写组成的字符串
"^\[a-z\]+$"　　//由26个英文字母的小写组成的字符串
"^\[A-Za-z0-9\]+$"　　//由数字和26个英文字母组成的字符串
"^\w+$"　　//由数字、26个英文字母或者下划线组成的字符串
"^\[\w-\]+(\.\[\w-\]+)*@\[\w-\]+(\.\[\w-\]+)+$"　　　　//email地址
"^\[a-zA-z\]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$"　　//url
/^(d{2}\|d{4})-((0(\[1-9\]{1}))\|(1\[1\|2\]))-((\[0-2\](\[1-9\]{1}))\|(3\[0\|1\]))$/&nbsp;&nbsp; //&nbsp; 年-月-日
/^((0(\[1-9\]{1}))\|(1\[1\|2\]))/((\[0-2\](\[1-9\]{1}))\|(3\[0\|1\]))/(d{2}\|d{4})$/&nbsp;&nbsp; // 月/日/年
"^(\[w-.\]+)@((\[\[0-9\]{1,3}.\[0-9\]{1,3}.\[0-9\]{1,3}.)\|((\[w-\]+.)+))(\[a-zA-Z\]{2,4}\|\[0-9\]{1,3})(\]?)$"&nbsp;&nbsp; //Emil
"(d+-)?(d{4}-?d{7}\|d{3}-?d{8}\|^d{7,8})(-d+)?"   //电话号码
"^(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\]).(d{1,2}\|1dd\|2\[0-4\]d\|25\[0-5\])$"&nbsp;&nbsp; //IP地址

匹配中文字符的正则表达式： \[\u4e00-\u9fa5\]
匹配双字节字符(包括汉字在内)：\[^\x00-\xff\]
匹配空行的正则表达式：\n\[\s\| \]*\r
匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>\|<(.*) \/>/
匹配首尾空格的正则表达式：(^\s*)\|(\s*$)
匹配Email地址的正则表达式：\w+(\[-+.\]\w+)*@\w+(\[-.\]\w+)*\.\w+(\[-.\]\w+)\*
匹配网址URL的正则表达式：^\[a-zA-z\]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?$
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^\[a-zA-Z\]\[a-zA-Z0-9_\]{4,15}$
匹配国内电话号码：(\d{3}-\|\d{4}-)?(\d{8}\|\d{7})?
匹配腾讯QQ号：^\[1-9\]*\[1-9\]\[0-9\]*$