大白话说JAVA —— 正则表达式

1 介绍

        我知道各位小伙伴刚学习正则时候一定十分抓狂，因为我就是，而且这东西并没有太大的逻辑，语法一大堆，所以一段时间忘记了，重新拾起还超级难，我真服了，可以说毫无头绪。

        所以为了让小伙伴们无论是从初学还是复习更好的学习，我准备一步步从超级简单的语法开始，一步步往深里学，一步步了解如何使用正则表达式。

        这里的示例都是用Java实现，但是正则表达式的匹配规则是通用的，所以其它语言的小伙伴也可以从这里入门学习匹配规则。

PS：推荐加个匹配网站，里面还有对正则表达式的讲解。只不过是因为英文的，可以尝试用翻译。

https://regexr.com/​regexr.com/

2 作用

        Java中，正则表达式有好几种用法，常用于以下情况：（下面的代码不用看懂，只要知道它在干啥就行）

• 验证输入的数据是否符合某个规则，例如邮箱、电话号码、身份证号等是否符合规范。

String text = "13912345678"; // 字符串
String regex = "1[3456789]\\d{9}"; // 正则表达式匹配规则
boolean match = text.matches(regex); // 判断字符串是否符合规范
// 如果上面的text符合regex规范，则返回true

• 查找匹配特定模式的字符串，例如在一个字符串中查找所有邮件地址

// 正则表达式匹配电子邮件地址
String text = "Hello, mmy email address is john@example.com. "; // 字符串
String emailRegex = "\\w+@\\w+\\.\\w+"; // 正则表达式匹配规则
Pattern emailPattern = Pattern.compile(emailRegex); 
Matcher emailMatcher = emailPattern.matcher(text);
// 打印所有匹配的电子邮件地址
while (emailMatcher.find()) {
      System.out.println("Email address: " + emailMatcher.group());
}

• 替换字符串中符合特定模式的部分为指定的内容，例如将字符串中所有的手机号替换为“NEW”。

String text = "Hello, my phone number is 1234567890"; // 字符串
// 正则表达式替换手机号码为 "NEW"
String phoneRegex = "\\d{10}"; // 正则表达式匹配规则
Pattern phonePattern = Pattern.compile(phoneRegex);
Matcher phoneMatcher = phonePattern.matcher(text);
String redactedText = phoneMatcher.replaceAll("NEW"); // 替换成NEW

        上面的例子就是让我们知道，java中正则可以做什么，不用担心看不懂，后面我们会一步步来学习。

        综上所述，其实正则表达式就一个作用 —— 匹配。

        验证、查找和替换都只是在匹配成功的处理而已，比如判断输入的手机号码是否符合规范，就是用对应的正则表达式去匹配，匹配成功，就说明验证成功；再比如替换，也是先对字符串中的内容进行正则匹配，找到所有符合规范的片段，再替换。

        所以说，其实正则表达式就只提供了匹配这一个功能，其它验证、查找和替换的功能是Java自己扩展来的，所以我们只要学习正则表达式的匹配规则，就掌握了Java正则表达式的根本。掌握了这个根本，你也就掌握了其它语言中正则表达式的使用。

        OK，话不多说，让我们开始一步步学习正则表达式的匹配规则吧！

3 最简单的匹配 —— 没有语法的匹配

        OK，我们先不说其它语法，我们就从最简单的匹配开始 —— 啥语法也不用。

        现在有一个字符串 —— "E先生斗图强的一匹！"，我们现在匹配字符串字符串中"强的一匹"，这几个字我们该怎么写？

        很简单，就直接写"强的一匹"就行了，这样系统就会去匹配字符串中符合要求的片段。

示例代码如下：

示例一：
正则表达式：强的一匹
片段为：E先生斗图强的一匹！
结果为：强的一匹

        是不是超级简单，直接无敌！

        那你可能就问，那其他那些乱七八糟的语法都有啥用啊？而且日常匹配也没这么简单啊。

        OK，那你就开始上道了，老baby，让我们开始更高难度的匹配吧！

​

4 无敌万能字符 —— "."

        OK，现在假设我们要匹配的语句，我们只知道我们想要的一段话，是以"E"开头，"生"结尾，中间内容不知道，并且知道中间只有一个字，然后想要匹配这三个字匹配下来，那我们该怎么匹配？

        比如内容是“E先生真的好帅啊！”

        然后我们开始匹配以"E"开头，"生"结尾的内容。

示例如下：

示例一：
正则表达式：E.生
片段为：E先生斗图强的一匹！
结果为：E先生

        通过上述的正则表达式“E.生”，我们就可以匹配到我们想要的内容。

        是不是很简单，我们现在讲解一下这个特殊符号“.”

        有什么作用呢？

        简单来说，当我们无法确定具体头尾之间包含的字符是哪一个字的时候，可以用“.”来代替中间未知的字符。

        如果中间缺两个字，我们可以写“E..真”，就可以匹配到“E先生真”。

        是不是就像一个万能符号，哪里不明补哪里。

        那我们了解了“.”的作用，但是如果我们又有一个需求呢？如果我们根本不知道开头和结束中间的内容有多少怎么办？

        就好比，我们现在要匹配以“E”开头，"厉害"结尾的片段，但是我们完全不知道中间有多少个未知符号，如果只用“.”是根本无法完全匹配到我们想要的片段，如下例子：

        字符串是"E先生超厉害!"，我们可以用"E...厉害"来匹配，

        但是如果字符串改为"E先生真的超厉害!"，那"E...厉害"就没法用了，因为中间是四个未确定的字，所以根本就没有通用性。

        那为了让正则表达式有通用性，那我们该怎么办呢？

        OK，别着急，我们将引进更厉害的东西！follow me ！

5 贪婪匹配 —— *

        现在我们还是举上面的例子，

示例一：
正则表达式：E.*贼酷 // 表示匹配以E开头贼酷结尾，中间有一个未知字符的片段。
片段为：我的天啊！E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：E先生，真是屁本事没有，斗图倒是有一手，贼酷

        看到没有，我们只是加了一个字符"*"，就解决了我们上面无法确定中间字符数量不确定的问题，成功匹配出我们想要的字符，是不是贼6！

        OK，那我来讲解一下"*"，它的作用就如上面示例所表现得，可以控制前面字符的匹配数量，匹配0个或者无数个，能够无限往后匹配，知道获取到最长并且符合要求的那段字符串，这也就是为什么叫它贪婪的原因。

        我们再根据上面的例子重新描述一下，

示例一：
正则表达式：E.贼酷 // 表示匹配以E开头贼酷结尾，中间有一个未知字符的片段。
片段为：我的天啊！E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：匹配失败

正则表达式：E.*贼酷 // 表示匹配以E开头贼酷结尾，中间有无数个未知字符的片段。
片段为：我的天啊！E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：E先生，真是屁本事没有，斗图倒是有一手，贼酷

示例二：
正则表达式：E先*你好 // 表示匹配以E开头，你好结尾，中间有0或多个"先"字符的片段
片段为：hellow，E先先先你好！
结果为：E先先先你好

上面就“*”符号的作用，类似她的符号还有好几个常用的，如下，

符号	作用	示例
+	匹配前面的字符至少一次或多次。	"a+b" 可以匹配 "ab"、"aab"、"aaaaab" 等字符串，但不能匹配 "b"。
*	匹配前面的字符零次或多次。	"a*"可以匹配"ab"或者"b"，之所以可以匹配b，因为就算没有匹配到也算，匹配成功。

        各位小伙伴们，可以自己去探索一下，具体使用。

        OK，又掌握了一个重要工具，又距离成功迈向一大步，让我们继续探索之路吧！

​

6 非贪婪匹配 —— "?"

        我们可以看到上面的"*"和表格里面的"+"都是可以匹配后面的多个字符，那如果我们只想尽可能少的匹配，或者说只想匹配到符合要求的第一个呢？

        这个时候我们就可以用问号来限制匹配数量。

        我们举个例子说明一下，我们现在只想匹配所有书括号里面的信息。

示例一：
正则表达式：《.*》
片段为：《杀死一只知更鸟》，《传习录》，《西游记》这几本书都挺好看的。
匹配结果：《杀死一只知更鸟》，《传习录》，《西游记》

示例二：
正则表达式：《.*?》
片段为：《杀死一只知更鸟》，《传习录》，《西游记》这几本书都挺好看的。
匹配结果：《杀死一只知更鸟》

示例三：
正则表达式：《.*?》
片段为：《杀死一只知更鸟》，《传习录》，《西游记》这几本书都挺好看的。
全局匹配结果：
    结果0：《杀死一只知更鸟》
    结果1：《传习录》
    结果2：《西游记》

        我们可以看到，示例一中没有加"?"，所以会默认开启贪婪模式，比如当遇到"《杀死一只知更鸟》"这个到时候，其实就已经符合正则表达式的要求了，但是系统会继续往后尝试，会获取符合要求，最长的字符串，这个时候就会一直匹配到最后一个书括号，也就是有了"《杀死一只知更鸟》，《传习录》，《西游记》"这样一个最长并且符合要求的字符串了。

        但是如果加了"?"，我们可以看到他会跟贪婪模式相反，也就是会去获取符合要求的，并且最短的字符串，所以获取到"《杀死一只知更鸟》"就结束了。

        如果开启全局匹配，也就是匹配多次，那就可以把所有的书名都作为单独的结果匹配下来。

        这就是非贪婪模式的作用和实例。

        但是你有没有发现上面的一个弊端，就是要么全都要，要么只要最短，难道我就不能控制匹配的数量？

7 量词符——"{}"

        如果我们像控制匹配数量的话，我们可以通过量词符大括号来实现，它的语法如下，

{n}     指定需要匹配的次数
{n,}    指定至少需要匹配的次数
{n,m}   指定需要匹配的最少和最多次数。

        我们看一下示例，

示例一：
正则表达式：9{2}
片段为：19997年的天空，真美啊！
匹配结果：99

        可以看到，通过"{2}"来限制匹配9的数量为2，所以结果为2。

        我们再看看后面的用法，

示例一：
正则表达式：9{2,}
片段为：9年前，19997年的天空，真美啊！
匹配结果：999

        可以看到，通过"{2,}"来限制匹配9的至少是两个以上，所以当遇到"9年前"的9的时候，并不会匹配，因为不符合至少两个的要求，所以会跳过，匹配"19997"中的999。

        我们再看最后一个示例，

示例一：
正则表达式：9{1,2}
片段为：9年前，19997年的天空，真美啊！
匹配结果：9

        可以看到，通过"{1,2}"来限制匹配9的数量为1到2个，所以当遇到"9年前"的9的时候，也会匹配。

        这个常用于全局匹配，也就是把字符串中符合要求的全部匹配出来，如下。

示例一：
正则表达式：9{1,2}
片段为：9年前，19997年的天空，真美啊！
全局匹配结果：
    结果0：9
    结果1：99
    结果2：9

        我们可以发现，它会先把最长符合要求的匹配出来，再匹配次要符合要求的，比如999，它是先匹配到99，再匹配9。

8 定位符

        OK，前面学的东西有点多，那我们学个小菜来缓解一下，我们学一下简单的两个符号——定位符，分别是"^"，"$"。

符合	作用
^	匹配字符串的开头
$	匹配字符串的结尾

我们再举两个例子说明一下，

示例一：
正则表达式：^E先生 // 表示匹配以"E先生"开头的片段。
片段为：E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：E先生

示例二：
正则表达式：^E先生 // 表示匹配以"E先生"开头的片段。
片段为：我的天啊！E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：匹配失败
原因：因为片段不是以E先生开头的，所以无法匹配成功。

示例三：
正则表达式：想学。$ // 表示匹配以"想学。"结尾的片段。
片段为：E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。
结果为：想学。

示例四：
正则表达式：想学。$ // 表示匹配以"想学。"结尾的片段。
片段为：我的天啊！E先生，真是屁本事没有，斗图倒是有一手，贼酷，想学。。
结果为：匹配失败
原因：因为片段不是以“想学。”结尾的，所以无法匹配成功。

        OK，上面就是简单的定位符的示例，是不是理解起来不难。

        那中途休息后，我们继续学习后续的内容。

​

9 多才多艺的字符 —— "\"

9.1 转义

        我们上面学习了这么多符号，那好巧不巧，这些符号正好是我们想要的匹配的，那咋整？

        比如，我们要匹配"守护最好的****"这一整个完整片段，“*”是我们要匹配的字符，而不是通配符，那我们该怎么处理？

        这时候就用到我们的转义符 ——“\”。

示例一：
正则表达式：守护最好的****
片段为：守护最好的****
结果为：匹配失败，*被识别为匹配符

示例二：
正则表达式：守护最好的\*\*\*\*
片段为：守护最好的****
结果为：守护最好的****

示例二：
正则表达式：192\.168\.13\.25
片段为：192.168.13.25
结果为：192.168.13.25

        以上就是把正则表达式元字符转化为普通字符的方法。

        你以为它的作用就这个吗？

        大错特错，它还可以组合其它字符，形成特殊的元字符，可以继续整花活！

9.2 组合

​        还记得"."这个符号吗，万能匹配符，什么都可以匹配。

        它其实还有好几个小弟，而这些小弟就需要和"\"组合生效。具体如下面列表所示。

符号	作用
\d	匹配任意一个数字，可以匹配0到9
\w	匹配任意一个字母、数字或下划线，可以匹配a到z，A到Z，0到9，还有"_"这个下划线。
\s	匹配任意一个空白字符，包括空格、制表符、换行符等。
\D	匹配任何一个非数字字符
\n	匹配换行符

使用示例如下，

示例一：
正则表达式：我是大内密探007
片段为：\d\d\d
结果为：007

示例二：
正则表达式：我是tim，你是谁？
片段为：\w\w\w
结果为：tim

        通过上面几个小弟字符，我们又多了几个可以替代字符，使用起来更灵活更精确。

        但是我们可以看到上面几个替代字符有一个很大的问题，就是要么匹配0到9，要a到z，就是匹配某一个类型的所有数值，那如果我只想匹配0到5或者b到y，又或者想要匹配的字符是a，c，z之中一个，那该怎么做？

10 单字表达式——"[]"

        如何让字符的匹配范围可以按照我们的要求进行？

        这就要用到我们重要的字符——"[]"。

        方括号表示一个字符集，可以用于匹配括号内的任何一个字符。

        我们看一下示例，

示例一：
正则表达式：[6好！]
片段为：666，今天天气真的超级好！
匹配结果：6

        可以看到我们，我们的正则表达式方括号中有"6"，"好"，"!"，所以只要符合这三个字符都会被匹配上。

        这就是方括号的作用，本质上方括号可以看做是一个指定范围的匹配字符。

        那如果我们想要匹配的字符是a到u呢，如果按照目前学习的字符的话，应该要如下这样写：

示例一：
正则表达式：[abcdefghijklmnopqrstu]
片段为：今天天气真的超级好，是吧，zero。
匹配结果：e

        但是这样写的话是不是太麻烦了，这么长的匹配公式，那有没有什么字符能简化这种有范围的匹配呢？

​

11 范围符——"-"

        通过"[]"我们可以自定义匹配字符，而如果匹配的字符是有范围的话，则可以通过范围符"-"来简化表达。

        我们来看几个示例：

示例一：
正则表达式：[12345678]
片段为：今天天气真的超级好，是吧，1239。
匹配结果：1

示例二：
正则表达式：[1-8]
片段为：今天天气真的超级好，是吧，1239。
匹配结果：1

        可以看到"[12345678]"和"[1-8]"的匹配结果是一样，也就是说如果我们的匹配字符是某一个范围的话，我们可以通过"[]"加上"-"来简化表达式。

        这两个字符的组合还可以产生很多火花，如下所示，

正则表达式	作用	讲解
[a-z]	匹配所有小写字母	其中a表示字符范围的起始字符，z表示字符范围的结束字符，中括号内的字符范围可以匹配任何一个小写字母。
[0-9]	匹配所有数字	其中0表示字符范围的起始字符，9表示字符范围的结束字符，中括号内的字符范围可以匹配任何一个数字。
[A-Za-z0-9_]	匹配任何单词字符	其中A-Za-z表示所有大小写字母，0-9表示所有数字，下划线_表示下划线字符，中括号内的字符范围可以匹配任何一个单词字符。
[\x00-\x7F]	匹配所有ASCII字符	其中\x00表示ASCII字符范围的起始字符，\x7F表示ASCII字符范围的结束字符，中括号内的字符范围可以匹配任何一个ASCII字符。

        看到上面的表达式是不是感觉通过“-”字符，表达式就变得简约了不少。

        那如果我们想要匹配除了几个字符以外的所有字符，又该怎么做？

        总不能把所有字符都列到里面去吧？

        那这里就要学习我们方括号的好搭档——"^"。

12 范围反选 —— "[^]"

        如果现在我们想要匹配除了a，b，d以外的所有字符，可以如下操作：

示例一：
正则表达式：[^E]
片段为：E哥，今天天气真的超级好！
匹配结果：哥

        上面的"[^E]"，意思是匹配除了字符"E"以外的所有字符，所以第一个匹配到的就是"哥"，这就是范围反选。

        也就是"[^]"，匹配除了里面的所有字符。

        学到这我们已经掌握了很多了，给优秀的我们鼓个掌吧。

        我们学习了上面的内容，有没有发现一个问题，上面的字符都是匹配符合条件的单个字符，那如果我们要匹配特定的多个字符怎么办？

13 分组匹配符——"()"

        如果我们现在要匹配的是一个片段，比如要匹配"ABABABABABAB"中的AB，我们该怎么做？

这个时候，我们可以用"()"表示我们要匹配的片段，示例如下

示例一：
正则表达式：(AB)
片段为：ABABABABAB
匹配结果：AB

        通过在"()"中填写对应的字符，我们就可以匹配到符合条件的所有片段。

        但是如果不用()，我们直接用"AB"也能匹配啊，如下

示例一：
正则表达式：(AB)
片段为：ABABABABAB
匹配结果：AB

        是不是也可以，那我们要"()"干啥？

        其实它最大的作用是分组，把多个字符当做一个完整的片段使用，我举个例子

示例一：
正则表达式：(AB)*
片段为：ABABABABAB
匹配结果：ABABABABAB

示例二：
正则表达式：AB*
片段为：ABABABABAB
匹配结果：AB

        我们可以看到上面示例一，是把"AB"看做一个完整片段，然后匹配数次，就把整个字符串都匹配出来了。

        而"AB*"的含义就是，匹配以A开头，后面接多个B的字符串，但是字符串中只有单个B，所以匹配的结果为"AB"。

        这就是加"()"的作用，把括号里面的内容视作不可分割的完整片段。

        如果有啥错漏，或者还要了解的地方，可以私信我，别公开处刑，我巨脆弱玻璃心，心理承受能力-9999。