正则表达式
1. 概述
正则表达式 定义了字符串的模式,可以用来搜索,编辑,处理文本,并不仅限于某一种语言光
但是在每种语言中也会有细微的差别
jdk1.4推出正则表达式,保存在java.util.regex包下
2. 语法
元字符 | 描述 |
\ | 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如,“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。 |
^ | 匹配输入字符串的开始位置。如果设置了RegExp对象的 属性,^也匹配“\n”或“\r”之后的位置。 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性,$也匹配“\n”或“\r”之前的位置。 |
* | 匹配前面的子表达式任意次。例如,zo*能匹配“z”,“zo”以及“zoo”。*等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次(大于等于1次)。例如,“zo+”能匹配“zo”以及“zoo”,但不能匹配“z”。+等价于{1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。 |
{n} | n是一个非负整数。匹配确定的n次。例如,“o{2}”不能匹配“Bob”中的“o”,但是能匹配“food”中的两个o。 |
{n,} | n是一个非负整数。至少匹配n次。例如,“o{2,}”不能匹配“Bob”中的“o”,但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
{n,m} | m和n均为非负整数,其中n<=m。最少匹配n次且最多匹配m次。例如,“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
.点 | 匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符,请使用像“[\s\S]”的模式。 |
(pattern) | 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到,在VBScript中使用SubMatches集合,在JScript中则使用$0…$9属性。要匹配圆括号字符,请使用“\(”或“\)”。 |
(?:pattern) | 匹配pattern但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。 |
(?=pattern) | 正向肯定预查,在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”,但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 正向否定预查,在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”,但不能匹配“Windows2000”中的“Windows”。 |
(?=pattern) | 反向肯定预查,与正向肯定预查类似,只是方向相反。例如,“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”,但不能匹配“3.1Windows”中的“Windows”。 |
(?<!pattern) | 反向否定预查,与正向否定预查类似,只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”,但不能匹配“2000Windows”中的“Windows”。 |
x|y | 匹配x或y。例如,“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如,“[abc]”可以匹配“plain”中的“a”。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如,“[^abc]”可以匹配“plain”中的“plin”。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置(即正则表达式的“匹配”有两种概念,一种是匹配字符,一种是匹配位置,这里的\b就是匹配位置的)。例如,“er\b”可以匹配“never”中的“er”,但不能匹配“verb”中的“er”。 |
\B | 匹配非单词边界。“er\B”能匹配“verb”中的“er”,但不能匹配“never”中的“er”。 |
\cx | 匹配由x指明的控制字符。例如,\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则,将c视为一个原义的“c”字符。 |
\d | 匹配一个数字字符。等价于[0-9]。 |
\D | 匹配一个非数字字符。等价于[^0-9]。 |
\f | 匹配一个换页符。等价于\x0c和\cL。 |
\n | 匹配一个换行符。等价于\x0a和\cJ。 |
\r | 匹配一个回车符。等价于\x0d和\cM。 |
\s | 匹配任何不可见字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
\S | 匹配任何可见字符。等价于[^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于\x09和\cI。 |
\v | 匹配一个垂直制表符。等价于\x0b和\cK。 |
\w | 匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”,这里的"单词"字符使用Unicode字符集。 |
\W | 匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。 |
\xn | 匹配n,其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。 |
\num | 匹配num,其中num是一个正整数。对所获取的匹配的引用。例如,“(.)\1”匹配两个连续的相同字符。 |
\n | 标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式,则n为向后引用。否则,如果n为八进制数字(0-7),则n为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式,则nm为向后引用。如果\nm之前至少有n个获取,则n为一个后跟文字m的向后引用。如果前面的条件都不满足,若n和m均为八进制数字(0-7),则\nm将匹配八进制转义值nm。 |
\nml | 如果n为八进制数字(0-7),且m和l均为八进制数字(0-7),则匹配八进制转义值nml。 |
\un | 匹配n,其中n是一个用四个十六进制数字表示的Unicode字符。例如,\u00A9匹配版权符号(©)。 |
\< \> | 匹配词(word)的开始(\<)和结束(\>)。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the",但是不能匹配字符串"otherwise"中的"the"。注意:这个元字符不是所有的软件都支持的。 |
\( \) | 将 \( 和 \) 之间的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域(一个正则表达式中最多可以保存9个),它们可以用 \1 到\9 的符号来引用。 |
| | 将两个匹配条件进行逻辑“或”(Or)运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her",但是不能匹配"it belongs to them."。注意:这个元字符不是所有的软件都支持的。 |
+ | 匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意:这个元字符不是所有的软件都支持的。 |
? | 匹配0或1个正好在它之前的那个字符。注意:这个元字符不是所有的软件都支持的。 |
{i} {i,j} | 匹配指定数目的字符,这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串,例如A123、A348等,但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字 |
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\\)"。
/**
* 正则表达式定义了字符串模式,可以进行匹配、搜索、校验、提取等操作,并不仅限于某一种语言,但是每种语言中会有细微的差别
*
* java中从JDK版本正式推出正则表达式支持, java.util.regex包下
*
* 常用语法 :
* \ 转移符,把有意义字符转换为无意义字符
*
* 由于 在java中 \ 也是转移符,所以如果在java中编写正则表达式代码,需要使用\时,我们要写两个
*
* \\d = \d
*
* 字符取值范围
* [abc] : 可以匹配a,b,c任意一个
* [^abc] : ^在[]中表示非 , 非a,b,c
* [a-z] : 匹配小写字母
* [a-zA-Z] : 匹配字母
* [0-9] : 匹配数字
* [A-Z] : 匹配大写字母
* [a-zA-Z0-9] : 表示匹配数字和字母
*
* 简洁的字符表示
* . : 匹配任意的字符
* \d : 表示数字[0-9]
* \D : 表示非数字[^0-9]
* \s : 表示空字符[\t\r\n\x\f]
* \S : 表示非空字符
* \w : 表示 字母,数字,下划线_ [a-zA-Z0-9_]
* \W : 表示非字母,数字,下划线 [^a-zA-Z0-9_]
*
* 数量相关 :
* ? : 表示出现0次或1次
* + : 表示出现1次或多次
* * : 表示出现任意次数(0~N次)
* {n} : 表示出现n次 {5} 就是出现5次
* {n,} : 表示出现n次及n次以上 , {5,} 就是出现最少5次
* {n,m} : 表示出现n到m次 , {5,10} 就是出现5到10次(包括5和10)
*
* 逻辑相关 :
* | : 或, a|b 表示a或b
* () : 表示一个整体
* \.\d? == .
* (\.\d)? == .1
*
* --------------
* this is text :
* this\s+is\s+text
* [a-z]{4}\s+[a-z]{2}\s+[a-z]{4} aaa ds zxca
* [a-z]+\s+[a-z]+\s+[a-z]+ asdasdsadh sccxs ahas
*
* [\u4e00-\u9fa5] 匹配汉字
*
* [^\s\u4e00-\u9fa5]
*
*
*/
3. (),[],{}的区别
小括号():匹配小括号内的字符串,可以是一个,也可以是多个,常跟“|”(或)符号搭配使用,是多选结构的
示例1:string name = "way2014"; regex:(way|zgw) result:结果是可以匹配出way的,因为是多选结构,小括号是匹配字符串的
示例2:string text = "123456789"; regex:(0-9) result:结果是什么都匹配不到的,它只匹配字符串"0-9"而不是匹配数字, [0-9]这个字符组才是匹配0-9的数字
中括号[]:匹配字符组内的字符,比如咱们常用的[0-9a-zA-Z.*?!]等,在[]内的字符都是字符,不是元字符,比如“0-9”、“a-z”这中间的“-”就是连接符号,表示范围的元字符,如果写成[-!?*(]这样的话,就是普通字符
示例1: string text = "1234567890"; regex:[0-9] result:结果是可以匹配出字符串text内的任意数字了,像上边的【或符号“|”在字符组内就是一个普通字符】
示例2:string text = "a|e|s|v"; regex:[a|e|s] result:结果就是匹配字符a、e、s三个字符,这个跟(a|e|s)有区别的,区别就是(a|e|s)匹配的是a、e、s三个字符的随意一个,三个 中的任意一个,这里|是元字符
大括号{}:匹配次数,匹配在它之前表达式匹配出来的元素出现的次数,{n}出现n次、{n,}匹配最少出现n次、{n,m}匹配最少出现n次,最多出现m次
4. Java中的正则表达式
java.util.regex包
PatternSyntaxException 是一个非强制异常类,它表示一个正则表达式模式中的语法错误
4.1 Pattern
用于创建一个正则表达式,也可以说创建一个匹配模式,它的构造方法是私有的,不可以直接创建
可以通过Pattern.complie(String regex)创建一个正则表达式
只能做一些简单的匹配操作
4.2 使用
Pattern.split(CharSequence input) ,成员方法, 用于分隔字符串
Pattern.matches (String regex,CharSequence input),静态方法,用于快速匹配字符串,该方法适合用于只匹配一次,且匹配全部字符串。
String[] split(CharSequence c), Pattern类中的成员方法,用于分割字符串
public static void main(String[] args) {
test01();
test02();
test03();
}
public static void test01() {
String str = "a,c,b,d,f,v";
// 创建正则表达式对象
Pattern pattern = Pattern.compile(",");
// 进行分割
String[] arr = pattern.split(str);
for (String string : arr) {
System.out.println(string);
}
// String中的分割
String[] arr2 = str.split(",");
}
// 替换
public static void test02() {
String string = "cnjbas 12D3,.?d";
// 只要字母和数字
String regex = "[^a-zA-Z0-9]";
string = string.replaceAll(regex, "");
System.out.println(string);
}
// 校验 静态方法 matches,并且是进行全词匹配
public static void test03() {
String string = "0";
// 匹配正整数和0
String regex = "\\d|[1-9]\\d+";
System.out.println(Pattern.matches(regex, string));
// String中的校验
System.out.println(string.matches(regex));
}
4.3 Matcher
构造方法也是私有的,不能随意创建,只能通过Pattern.matcher(CharSequence input)方法得到该类的实例 Matcher m = p.matcher("aaaaab");
支持便捷强大的正则匹配操作,包括分组、多次匹配支持
4.3.1 字符串匹配
Matcher.matches():对整个字符串进行匹配,只有整个字符串都匹配了才返回true
Matcher.lookingAt():对前面的字符串进行匹配,只有匹配到的字符串在最前面才返回true
Matcher.find():对字符串进行匹配,匹配到的字符串可以在任何位置
public static void main(String[] args) {
test1();
test2();
test3();
}
// 1 matches : 全词匹配
public static void test1() {
String input = "13113113111";
String regex = "\\d{11}";
// 创建正则表达式引擎对象
Pattern pattern = Pattern.compile(regex);
// 创建匹配器
Matcher matcher = pattern.matcher(input);
// 匹配
boolean result = matcher.matches();
System.out.println(result);
}
// 2 lookingAt : 从前往后匹配,前面符合条件就行
public static void test2() {
String input = "13113113111asd";
String regex = "\\d{11}";
// 创建正则表达式引擎对象
Pattern pattern = Pattern.compile(regex);
// 创建匹配器
Matcher matcher = pattern.matcher(input);
// 匹配
boolean result = matcher.lookingAt();
System.out.println(result);
}
// 3 find : 任意位置符合条件都可以
public static void test3() {
String input = "asd13113113111asd";
String regex = "\\d{11}";
// 创建正则表达式引擎对象
Pattern pattern = Pattern.compile(regex);
// 创建匹配器
Matcher matcher = pattern.matcher(input);
// 匹配
boolean result = matcher.find();
System.out.println(result);
}
4.3.2 数据提取
group : find和group一起使用,可以做到数据提取
public static void test4() {
String input = "张小三的电话号码是13113113111s@##李四的电话号码是13113113112王五的电话号码是13113113113";
// [\u4E00-\u9FFF] 汉字范围
String regex = "([\u4E00-\u9FFF]{2,3})的电话号码是(\\d{11})";
// 创建正则表达式引擎对象
Pattern pattern = Pattern.compile(regex);
// 创建匹配器
Matcher matcher = pattern.matcher(input);
// 匹配
while (matcher.find()) {
// group() 和 group(0) 都是提取匹配到的数据
// 1 就是第一组数据(第一个小括号) , 2 就是第二组数据
// System.out.println(matcher.group());
// System.out.println(matcher.group(0));
System.out.println(matcher.group(1) + " : " + matcher.group(2));
}
}
4.3.3 叠词去重
// 还原成 : 我要学编程
String input = "我我...我我...我要..要要...要要...学学学....学学...编编编..编程..程.程程...程...程";
public static void main(String[] args) {
// 还原成 : 我要学编程
String input = "我我...我我...我要..要要...要要...学学学....学学...编编编..编程..程.程程...程...程";
// 1 把所有非汉字去掉
input = input.replaceAll("[^\u4e00-\u9fa5]", "");
// \\1 获取前面组中的数据
// (\\d)\\1+ : 表示连续出现的数字,比如 111,22,3333,44
// (\\d)(a)\\1 : 首尾为相同数字,中间为a , 1a1,2a2,3a3,5a5
// (\\d)(a)\\2 : 首尾为数字,后面两个都是a,1aa,2aa,3aa
// (.)(.)\\1\\2
String regex = "(.)(\\1+)";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {
System.out.println(matcher.group(0));
System.out.println(matcher.group(1));
System.out.println(matcher.group(2));
}
// 使用 第一组数据,把匹配到的数据替换
// $1 就等于 group(1)
input = input.replaceAll(regex, "$1");
System.out.println(input);
}