Java正则表达式学习记录

前言

一节正则表达式的学习记录，大部分内容来自网上和稍微看了点api文档

---

基本说明

• Pattern 类

pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。

• Matcher 类

Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。

---

基本使用

Pattern pattern()

    Pattern p = Pattern.compile("\\w+");
    //p.pattern() 返回正则表达式的字符串形式
    print("-> " + p.pattern());

结果如下

E/-s-: -> \w+

Pattern split(String)

        p = Pattern.compile("\\d+");
        //按数字将字符串拆分
        String[] strs = p.split("电话：123QQ：789邮箱：abc@ccc.com");
        for (String str : strs) {
            print(str);
        }

结果如下

E/-s-: 电话：
E/-s-: --------------------------------
E/-s-: QQ：
E/-s-: --------------------------------
E/-s-: 邮箱：abc@ccc.com
E/-s-: --------------------------------

Pattern matches(String, String)

        //判断字符串是否全是数字
        print("-> " + Pattern.matches("\\d+", "2333"));
        print("-> " + Pattern.matches("\\d+", "23aa33"));
        print("-> " + Pattern.matches("\\d+", "2b333b"));

结果如下

E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> false
E/-s-: --------------------------------
E/-s-: -> false
E/-s-: --------------------------------

Pattern matches()

        //判断字符串是否全是数字
        p = Pattern.compile("\\d+");
        m = p.matcher("2333a3b3");
        print("-> " + m.matches());
        m = p.matcher("2333");
        print("-> " + m.matches());

结果如下

E/-s-: -> false
E/-s-: --------------------------------
E/-s-: -> true
E/-s-: --------------------------------

注：按照上面 matches(String, String)和matches()可以知道

Pattern.matches("\d+", “2333”)
等价于
Pattern.compile("\d+").matcher(“2333”).matches()

Matcher pattern()

		p = Pattern.compile("\\d+");
        Matcher m = p.matcher("2333a3b3");
        //m.pattern() 返回的就是对象p
        print("-> " + m.pattern().pattern());

结果如下

E/-s-: -> \d+

Matcher lookingAt()

        //判断是否数字开头
        p = Pattern.compile("\\d+");
        m = p.matcher("22bb23");
        print("-> " + m.lookingAt());
        m = p.matcher("aa2223");
        print("-> " + m.lookingAt());

结果

E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> false
E/-s-: --------------------------------

Matcher find()

        //判断是否有数字
        p = Pattern.compile("\\d+");
        m = p.matcher("22bb23");
        print("-> " + m.find());
        m = p.matcher("aa2223");
        print("-> " + m.find());
        m = p.matcher("aa2223bb");
        print("-> " + m.find());
        m = p.matcher("aabb");
        print("-> " + m.find());

结果

E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> false
E/-s-: --------------------------------

Matcher start() end() group()

        //多次判断结果
        p = Pattern.compile("\\d+");
        m = p.matcher("aaa2223bb");
        print("-> " + m.find());    //判断是否有数字
        print("-> " + m.start());   //第一次碰到数字的位置 3
        print("-> " + m.end());     //start之后连接的多个数字的最后一个数字后一位的位置 7
        print("-> " + m.group());   //把start碰到的那段数字全部取出来

        m = p.matcher("aa23a33b3b");
        print("-> " + m.find());
        print("-> " + m.start());
        print("-> " + m.end());
        print("-> " + m.group());

结果

E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> 3
E/-s-: --------------------------------
E/-s-: -> 7
E/-s-: --------------------------------
E/-s-: -> 2223
E/-s-: --------------------------------
E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> 2
E/-s-: --------------------------------
E/-s-: -> 4
E/-s-: --------------------------------
E/-s-: -> 23
E/-s-: --------------------------------

Matcher start(int) end(int) group(int)

        //寻找小写字母+数字的组合
        p = Pattern.compile("([a-z]+)(\\d+)");
        m = p.matcher("aaa2223bb");
        print("-> " + m.find());    //aaa2223符合
        print("-> " + m.groupCount());  //分段的多个数字数组
        for (int i = 0; i < m.groupCount() + 1; i++) {
            print("start-> " + m.start(i));
            print("end-> " + m.end(i));
            print("group-> " + m.group(i));
        }

        /**
         * 0
         * start找到 aaa2223 的第一个开头 = 0
         * end找到 aaa2223 的结尾+1 = 7
         * group就是找到的 aaa2223
         * 1
         * start找到 aaa 的第一个开头 = 0
         * end找到 aaa 的结尾+1 = 3
         * group就是找到的 aaa
         * 2
         * start找到 2223 的第一个开头 = 3
         * end找到 2223 的结尾+1 = 7
         * group就是找到的 2223
         */

结果

E/-s-: -> true
E/-s-: --------------------------------
E/-s-: -> 2
E/-s-: --------------------------------
E/-s-: start-> 0
E/-s-: --------------------------------
E/-s-: end-> 7
E/-s-: --------------------------------
E/-s-: group-> aaa2223
E/-s-: --------------------------------
E/-s-: start-> 0
E/-s-: --------------------------------
E/-s-: end-> 3
E/-s-: --------------------------------
E/-s-: group-> aaa
E/-s-: --------------------------------
E/-s-: start-> 3
E/-s-: --------------------------------
E/-s-: end-> 7
E/-s-: --------------------------------
E/-s-: group-> 2223
E/-s-: --------------------------------

Matcher find() start() end() group()补充说明

我们可以直接点开源码发现所有的以上方法就是调用的默认的 start(0) end(0) group(0)，而且find调用之后会对已有的字符串进行分块，我们做如下实验

        //当多次调用find start end group的时候
        //会去除已经被检索过的部位
        p = Pattern.compile("\\d+");
        m = p.matcher("我的电话：1354111111，我的QQ：777777777，我的邮箱：777777777@qq.com");
        while (m.find()){
            print(m.group());
        }

结果

E/-s-: 1354111111
E/-s-: --------------------------------
E/-s-: 777777777
E/-s-: --------------------------------
E/-s-: 777777777
E/-s-: --------------------------------

至此大概都了解了大部分的正则表达式方法的简单使用。我们之后要看以下表格进行自己编写正则表达式

---

正则表达式语法

字符	说明
\	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 (
(?=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
(?!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
x|y	匹配 x 或 y。例如，'z
[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 (©)。
字符串多段说明格子填充用请无视这格

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 “\b” 与单个退格字符匹配，而 “\b” 与单词边界匹配。字符串字面值 “(hello)” 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 “\(hello\)”。

---

进阶使用

我们拿检索一段字符串获取里面的手机号码为例

        String phone = "xxx电话：0177-1234567\n" +
                "xxx手机：17712345678\n" +
                "紧急电话：(0544) 4331234\n" +
                "备注：（0741） - 1288562";

        List<String> phones = new ArrayList<>();

        String regex1 = "\\d{4}\\s?-\\s?\\d{7,9}";
        String regex2 = "[\\(|（]\\d{4}[）|\\)]\\s*-?\\s*\\d{7,9}";

        p = Pattern.compile(regex1);
        m = p.matcher(phone);
        while (m.find()){
            phones.add(m.group());
        }

        p = Pattern.compile(regex2);
        m = p.matcher(phone);
        while (m.find()){
            phones.add(m.group());
        }

        for (String s : phones) {
            print(s);
        }

结果

E/-s-: 0177-1234567
E/-s-: --------------------------------
E/-s-: (0544) 4331234
E/-s-: --------------------------------
E/-s-: （0741） - 1288562
E/-s-: --------------------------------

我们来看下regex1 和regex2
regex1\\d{4}\\s?-\\s?\\d{7,9}可以看出来是需要获取一个0000-0000000这样的字符串
regex2[\\(|（]\\d{4}[）|\\)]\\s*-?\\s*\\d{7,9}可以看出来是需要获取一个（0000） 0000000、（0000）- 0000000、(0000)- 0000000、(0000) 0000000这四种类型
开始我写了一个是"[\\(|（]?\\d{4}[）|\\)]?\\s*-?\\s*\\d+"实际效果其实包含了\\d{11,12}导致我获取的号码也有手机号和我只想要获取电话号码有冲突，我就改成了判断2种。
当然这只是一个例子，实现使用的时候可以先对用户输入的格式要有需求，然后在用正则表达式进行获取才比较方便

---

资料

JAVA正则表达式：Pattern类与Matcher类详解(转)

菜鸟教程 JAVA正则表达式