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