19.正则表达式

正则表达式

正则表达式可以用字符串来描述规则，并用来匹配字符串，使用正则表达式可以快速判断给定的字符串是否符合匹配规则。正则表达式是一套标准，可以用于任何语言。
Java标准库的java.util.regex包内置了正则表达式引擎

匹配规则

正则表达式的匹配规则是从左到右按规则匹配。
对于正则表达式abc来说，它只能精确地匹配字符串"abc"，不能匹配"ab"，“Abc”，“abcd"等其他任何字符串。
如果正则表达式有特殊字符，就需要用\转义
正则表达式在Java代码中也是一个字符串，正则表达式a&c对应的Java字符串是"a\&c”

匹配的类型决定：

• 匹配任意字符：用.匹配一个任意字符
• 匹配数字：用\d匹配，仅限单个数字字符
• 匹配常用字符：用\w可以匹配一个字母、数字或下划线，w的意思是word
• 匹配空格字符：用\s可以匹配一个空格字符，注意空格字符不但包括空格，还包括tab字符（在Java中用\t表示）
• 匹配非某类型的字符：\D则匹配一个非数字，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符

匹配的数量决定：

• 修饰符*可以匹配任意个字符，包括0个字符
• 修饰符+可以匹配至少一个字符
• 修饰符?可以匹配0个或一个字符
• 修饰符{n}可以精确指定n个字符
• 修饰符{n,m}可以指定匹配n~m个字符，如果没有上限，修饰符{n,}可以匹配至少n个字符

单个字符的匹配规则

正则表达式	规则	可匹配的
A	指定字符	A
\u548c	指定Unicode字符	和
.	任意字符	a，b，&，0
\d	数字0~9	0~9
\w	大小写字母，数字和下划线	a ~ z，A ~ Z，0~9，_
\s	空格、Tab键	空格，Tab
\D	非数字	a，A，&，_，……
\W	非\w	&，@，中，……
\S	非\s	a，A，&，_，……

多个字符的匹配规则

正则表达式	规则	可匹配的
A*	任意个数字符	空，A，AA，AAA，……
A+	至少1个字符	A，AA，AAA，……
A?	0个或1个字符	空，A
A{3}	指定个数字符	AAA
A{2,3}	指定范围个数字符	AA，AAA
A{2,}	至少n个字符	AA，AAA，AAAA，……
A{0,3}	最多n个字符	空，A，AA，AAA

复杂匹配规则

匹配开头和结尾：用^表示开头，$表示结尾
匹配指定范围：使用[…]可以匹配范围内的字符，不包含指定范围的字符用^，例如：

• [123456789]或[1-9]：匹配1~9
• [0-9a-fA-F]：匹配大小写不限的十六进制数
• [^1-9]{3}：匹配任意字符，但不包括数字的3个字符

或规则匹配：用|连接，AB|CD表示可以匹配AB或CD

分组匹配

用(…)把要提取的规则分组，引入java.util.regex包，用Pattern对象匹配，匹配后获得一个Matcher对象，如果匹配成功，直接从Matcher.group(index)返回子串：Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串，0表示整个正则匹配到的字符串
使用Matcher时，须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串

import java.util.regex.*;
public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        pattern.matcher("010-12345678").matches(); // true
        pattern.matcher("021-123456").matches(); // true
        pattern.matcher("022#1234567").matches(); // false
        // 获得Matcher对象:
        Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {
            String whole = matcher.group(0); // "010-12345678", 0表示匹配的整个字符串
            String area = matcher.group(1); // "010", 1表示匹配的第1个子串
            String tel = matcher.group(2); // "12345678", 2表示匹配的第2个子串
            System.out.println(area);
            System.out.println(tel);
        }
    }
}

非贪婪匹配

正则表达式默认使用贪婪匹配：任何一个规则，它总是尽可能多地向后匹配，在规则后面加个?即可表示非贪婪匹配，会尽可能少的匹配

区分?的含义：\d??
正则表达式(\d??)(9*)，其中\d?表示匹配0个或1个数字，后面第二个?表示非贪婪匹配，因此，给定字符串"9999"，匹配到的两个子串分别是"“和"9999”，因为对于\d?来说，可以匹配1个9，也可以匹配0个9，但是因为后面的?表示非贪婪匹配，它就会尽可能少的匹配，结果是匹配了0个9

搜索和替换

通过find方法，能够匹配符合正则表达式的字符串
使用正则表达式替换字符串可以调用String.replaceAll()，第一个参数是正则表达式，第二个参数是待替换的字符串。

public class Main {
    public static void main(String[] args) {
        String s = "The     quick\t\t brown   fox  jumps   over the  lazy dog.";
        String r = s.replaceAll("\\s+", " ");
        System.out.println(r); // "The quick brown fox jumps over the lazy dog."
    }
}

反向引用：要把搜索到的指定字符串按规则替换，比如前后各加一个xxxx，可使用replaceAll()传入的第二个参数可以使用$1、$2来反向引用匹配到的子串。例如：

public class Main {
    public static void main(String[] args) {
        String s = "the quick brown fox jumps over the lazy dog.";
        String r = s.replaceAll("\\s([a-z]{4})\\s", " <b>$1</b> ");
        System.out.println(r);//the quick brown fox jumps <b>over</b> the <b>lazy</b> dog.
    }
}