Java中的正则表达式是什么该怎么用？

Java正则表达式的使用

正则表达式不是万能的，他智能服务于一个具体的场景，所以说不要尝试用一个正则表达式去覆盖所有的场景，在描述规则的过程中可以逐步细化、精简。虽然说正则表达式不是万能的但是同样也要明白在字符串的处理中没有正则表达式是万万不能的。他属于一个会者不难难着不会的知识，这里推荐单价去看B站韩顺平老师的视频,一天就可以学完。

【【韩顺平讲Java】Java 正则表达式专题 -正则 正则表达式 元字符 限定符 Pattern Matcher 分组 捕获 反向引用等】 https://www.bilibili.com/video/BV1Eq4y1E79W?share_source=copy_web&vd_source=0a8546d543b6a570997d8036d6ced2f4

一、概述

正则表达式不止存在于Java中，在诸多的语言中都有而且语法相似几近相同，他主要用于编程中的文本处理。底层算法的主轴采用的是转态转移算法，当然也匹配有各种词法、语法解析。解析出来的各种规则构成了状态，根据一定的规则形成一个状态链也可以理解理解为是条件链，如果这些条件通过则说明通过正则表达式中指定的规则找到了我们目标字符串。

@Test
public void test01(){
    //匹配一段文字中的所有英文单词
    String context = "2005年6月，在Java One大会上，Sun公司发布了Java SE 6。" +
            "此时，Java的各种版本已经更名，已取消其中的数字2，如J2EE更名为JavaEE，" +
            "J2SE更名为JavaSE";
    Pattern pattern = Pattern.compile("[a-zA-Z]+");
    Matcher matcher = pattern.matcher(context);
    while (matcher.find()) {
        System.out.println("找到："+matcher.group(0));
    }
}

1、底层实现

Pattern对象根据正则字符串生成一个匹配模式对象，利用此对象的matcher方法根据源字符串入参生成一个Matcher对象。个人理解此对象的find方法就像集合遍历中的hasNext，来判断是否还有匹配对象，如果有的话则用group方法进行取值。此种情况的匹配可以理解为是局部匹配也就是说他会找到context中所有满足条件的子串，并将这个子串的位置记录到一个数组中（底层应该是Map，这里为了便于理解我们就权且说是数组），一个find就找到一个并将找到的这个子串的index信息报错到数组中，之后我们通过group方法来根据这个index信息取出具体的子串。

如果要匹配模式中使用了分组，那么这个匹配的信息会存储到数组的0/1的位置，之后分组中的匹配信息会往后一次存储。上面我们之所以说他底层可能是通过Map实现的是因为我们在后面的会了解到不止能通过分组的编号来获取到分组的信息还可以为分组指定名称，并通过名称来实现对这个分组匹配信息的引用。

二、语法

1、转义符

Java中的正则表达式中两个\ \ 代表其他语言中的一个,用来作为转移符号，需要用到转移字符的有,其中需要注意就像".?"他们如果是在[]中那么是不需要进行转义的

.*+()$/?[]^{}

2、字符匹配符

这里面的规则用的应该不是Java中的，因为他里面的转移字符是单个\ ,在Java中使用的时候应该做适当的转换

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 (|) 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"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 (©)。
？i	(?i)abc表示abc都不区分大小写；a(?i)bc: bc不区分大小写; a((?i)b)c: b不区分大小写
（？pattern）	命名捕获，将匹配的子字符串捕获到一个组名称或编号名称中，用于name的字符串不能包含任何表达符号，并且不能以数字开头。可以使用单引号替代尖括号eg（?‘name’)

3、正则中的关键类以及方法

Pattern没有公共构造方法，他的构造需要通过调用静态方法eg:Pattern.compile(regStr);Matcher对象是对输入字符串进行解释和匹配的引擎，也没有公共构造方法需要通过Pattern对象的matcher方法来获取；PatternSyntaxException是一个非强制异常类，表示正则表单模式中的语法错误。

三、使用

1、提取一段信息中的所有英文单词

@Test
//检索文本中所有的英文字符
public void test01() {
    //匹配一段文字中的所有英文单词
    String context = "2005年6月，在Java One大会上，Sun公司发布了Java SE 6。" +
            "此时，Java的各种版本已经更名，已取消其中的数字2，如J2EE更名为JavaEE，" +
            "J2SE更名为JavaSE";
    Pattern pattern = Pattern.compile("[a-zA-Z]+");
    Matcher matcher = pattern.matcher(context);
    while (matcher.find()) {
        System.out.println("找到：" + matcher.group(0));
    }
}

2、中文提取

@Test
//中文字符串检测
public void test02() {
    String context = "柳梦磊";
    //以中文开始以中文结尾，且中间且字符串中间全都是中文
    Pattern pattern = Pattern.compile("^[\u0391-\uffe5]+$");
    Matcher matcher = pattern.matcher(context);
    if (matcher.find()) {
        System.out.println("满足格式");
    } else {
        System.out.println("不满足过格式");
    }
}

3、反向引用的应用

分组的该应无须多说但是要注意的一点就是并非所有的分组都可以引用可以通过一定的修饰符来限定分组不可以被引用的特征。

@Test
//分组、捕获、反向引用——四位数且第一位与第四位相同，二、三位相同
public void test06(){
    String context = "1221";
    String regStr = "(\\d)(\\d)\\2\\1";
    System.out.println(context.matches(regStr));
}
@Test
//结巴程序，消除字符串中的重复字符,与test06中使用的都是反向引用
public void test06_2(){
    String context = "我我是是是柳梦磊磊磊磊磊";
    context = Pattern.compile("(.)\\1+").matcher(context).replaceAll("$1");
    System.out.println(context);
}

4、正则表达式在String类中的使用

@Test
//String类中的正则表达式
public void test07(){
    String context = "liuMeng1Meng2lei";
    System.out.println(context.replaceAll("Meng1|Meng2", "Meng"));
    System.out.println(context.matches("^l\\wi$"));
    String[] strArr = context.split("1|2");
    for (int i = 0; i < strArr.length; i++) {
        System.out.println(strArr[i]);
    }
}

5、验证电子邮件是否合法

@Test
//验证电子邮件是否合法
public void test08() {
    String context = "liumenglei0704@173.com";
    String regStr = "^[\\w-]+@([\\w]+\\.)+(com|cn)$";
    //String的matches是整体匹配，调用的是Match的matches()方法
    System.out.println(context.matches(regStr));
}

6、验证是否是小数或是非负数

@Test
//验证一个数字是否是整数或小数，要考虑正负的问题
public void test09() {
    String context = "-0.09";
    //如果连着是两个正号或是负号的情况匹配不出来
    String regStr = "^[-+]?([1-9]\\d*|0)(\\.\\d+)?$";
    System.out.println(context.matches(regStr));
}

7、贪婪匹配

@Test
public void test11(){
    String context = "a11111";
    String regStr1 = "\\d+";//默认的情况下是贪婪匹配
    String regStr2 = "\\d+?";//通过?来关闭贪婪匹配，找到会输出5次
    Pattern pattern = Pattern.compile(regStr2);
    Matcher matcher = pattern.matcher(context);
    while (matcher.find()) {
        System.out.println("找到："+matcher.group(0));
    }
}

8、QQ号手机号

@Test
//常见的一些正则字符串示例
public void test99() {
    // QQ号，1-9开头的5到10位数
    String regStr = "^[1-9]\\d{4-9}$";
    //手机号——必须满足13/14/15/18开头的11位数
    String regStr2 = "^1[3|4|5|8]\\d{9}$";
}
``