疯狂Java讲义_07_正则表达式RegEx

Java中的正则表达式

正则表达式定义了字符串的模式。

正则表达式可以用来搜索、编辑或处理文本。

正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

Java正则表达式和Perl的是最为相似的。

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"\n"之外的任何单个字符。若要匹配包括"\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 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=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|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!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|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x|y	匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[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"中的"p"。
[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 (?)。

使用正则表达式

贪婪模式和勉强模式（String中使用RegExp）

String str = "hello, java.";
//贪婪模式（尽可能多的匹配）
String s1 = str.replaceFirst("\\w*", "■");//■, java.
//勉强模式（尽可能少的匹配）
String s2 = str.replaceFirst("\\w*?", "■");//■hello, java.

Pattern与Matcher

//编译一个pattern
Pattern p = Pattern.compile("a\\w*f");
		
String str = "abcdef";
Matcher m = p.matcher(str);
boolean b = m.matches();
System.out.println(b);//true
		
str = "abcfg";
System.out.println(p.matcher(str).matches());//false
		
//或者直接使用静态方法（但这种方法，每次都要临时编译pattern，不能重用pattern，所以效率不高）
boolean bm = Pattern.matches("a\\w*f", "a good leaf");
System.out.println(bm);//false

Pattern是不可变类,可供多个并发线程安全使用。

Matcher类提供了如下几个常用方法。

• find():返回目标字符串中是否包含与 Pattern匹配的子串。
• group():返回上一次与Pattern匹配的子串。
• start():返回上一次与 Pattern匹配的子串在目标字符串中的开始位置。
• end():返回上一次与 Pattern匹配的子串在目标字符串中的结束位置加1。
• lookingAt():返回目标字符串前面部分与 Pattert是否匹配。
• matches():返回整个目标字符串与 Pattern是否匹配。
• reset():将现有的 Matcher对象应用于一个新的字符序列。

注意：在 Pattern, Matcher类的介绍中经常会看到一个 CharSequence接口,该接口代表一个字符序列,其中 CharBuffer、 String、StringBuffer、 StringBuilder 都是它的实现类。简单地说CharSequence代表一个各种表示形式的字符串。

Matcher matcher = Pattern.compile("\\w+").matcher("Java is very easy.");
while(matcher.find())
{
	String s = matcher.group();
	System.out.println(s);
}
System.out.println("----------------------------");
int i=0;
while(matcher.find(i)){
	String s = matcher.group();
	System.out.println(s);
	i++;
}

/** 运行结果：
Java
is
very
easy
----------------------------
Java
ava
va
a
is
is
s
very
very
ery
ry
y
easy
easy
asy
sy
y
*/

 

Matcher matcher = Pattern.compile("\\w+").matcher("Java is very easy.");
while(matcher.find())
{
	String s = matcher.group();
	int start = matcher.start();
	int end = matcher.end();
	System.out.println(s + "\n开始索引："+start+"\t结束索引："+end);
}

matches()和 lookingAt()方法有点相似,只是 matches方法要求整个字符串和 Pattern完全匹配时才返回true,而 lookingAt()只要字符串以Pattern开头就会返回 true.
reset方法可将现有的 Matcher对象应用于新的字符序列。

看如下例子程序:

String[] mails={
		"monkey@163.com",
		"hengjie@qq.com",
		"ligang@crazyit.org",
		"hehe@abc.xx"
};
String mailRegEx="\\w{3,20}@\\w+\\.(com|org|cn|net|gov)";
Pattern pattern = Pattern.compile(mailRegEx);
Matcher matcher = null;
for(String mail : mails){
	if(matcher == null){
		matcher = pattern.matcher(mail);
	}else{
		matcher.reset(mail);
	}
	String result = mail + (matcher.matches()?" 是":" 不是") + "一个有效的邮箱。";
	System.out.println(result);
}
System.out.println("---------------------------");
// 或者直接使用 String的matches
for(String mail : mails){
	boolean b = mail.matches(mailRegEx);
	System.out.println(mail + " --> " + b);
}

/** 运行结果：
monkey@163.com 是一个有效的邮箱。
hengjie@qq.com 是一个有效的邮箱。
ligang@crazyit.org 是一个有效的邮箱。
hehe@abc.xx 不是一个有效的邮箱。
---------------------------
monkey@163.com --> true
hengjie@qq.com --> true
ligang@crazyit.org --> true
hehe@abc.xx --> false
*/

matches 组 group 捕获组

捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。

例如，正则表达式(dog) 创建了单一分组，组里包含"d"，"o"，和"g"。

捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：

• ((A)(B(C)))
• (A)
• (B(C))
• (C)

可以通过调用matcher对象的groupCount方法来查看表达式有多少个分组。groupCount方法返回一个int值，表示matcher对象当前有多个捕获组。

还有一个特殊的组（组0），它总是代表整个表达式。该组不包括在groupCount的返回值中。

 // 按指定模式在字符串查找
  String line = "This order was placed for QT3000! OK?";
  String pattern = "(.*)(\\d+)(.*)";

  // 创建 Pattern 对象
  Pattern r = Pattern.compile(pattern);

  // 现在创建 matcher 对象
  Matcher m = r.matcher(line);
  int count = m.groupCount();//不包括group(0)的个数。group(0)表示整个匹配
  System.out.println(count);
  if (m.find()) {
     System.out.println("Found value: " + m.group(0) );
     System.out.println("Found value: " + m.group(1) );
     System.out.println("Found value: " + m.group(2) );
     System.out.println("Found value: " + m.group(3) );
  } else {
     System.out.println("NO MATCH");
  }
/*
3
Found value: This order was placed for QT3000! OK?
Found value: This order was placed for QT300
Found value: 0
Found value: ! OK?
*/