一起来看看正则表达式

最新推荐文章于 2022-03-25 18:09:23 发布

回首往昔少年

最新推荐文章于 2022-03-25 18:09:23 发布

阅读量2.6k

点赞数

分类专栏： java学习笔记

本文链接：https://blog.csdn.net/miracleon/article/details/104431264

版权

java学习笔记专栏收录该内容

37 篇文章 1 订阅

订阅专栏

文章目录

匹配规则

如果想匹配非ASCII字符，例如中文，那就用\u####的十六进制表示，例如：a\u548cc匹配字符串"a和c"，中文字符“和”的Unicode编码是548c

匹配任意字符

精确匹配实际上用处不大，因为我们直接用String.equals()就可以做到。大多数情况下，我们想要的匹配规则更多的是模糊匹配。我们可以用.匹配一个任意字符。

例如，正则表达式a.c中间的.可以匹配除\n以外任意一个字符，例如，下面的字符串都可以被匹配：

“abc”，因为.可以匹配字符b；
“a&c”，因为.可以匹配字符&；
“acc”，因为.可以匹配字符c。

但它不能匹配"ac"、“a&&c”，因为.匹配一个字符且仅限一个字符。

要匹配包括 ‘\n’ 在内的任何字符，请使用像 ‘[.\n]’ 的模式。
类似地，可以使用\s\S匹配绝大部分字符，范围比.还广

匹配数字

用.可以匹配任意字符，这个口子开得有点大。如果我们只想匹配 0~9 这样的数字，可以用\d匹配。例如，正则表达式00\d可以匹配：

“007”，因为\d可以匹配字符7；
“008”，因为\d可以匹配字符8。

它不能匹配"00A"，“0077”，因为\d仅限单个数字字符。

给出一串数字"0123456789"，\d\d{5}匹配012345,因为\d{5}匹配5个数字，加上最前面的\d，一共6个数字；(\d\d){5})匹配0123456789共10个数字

匹配常用字符

用\w可以匹配一个字母、数字或下划线，w的意思是word。例如，java\w可以匹配：

“javac”，因为\w可以匹配英文字符c；
“java9”，因为\w可以匹配数字字符9；。
“java_”，因为\w可以匹配下划线_。

它不能匹配"java#"，"java "，因为\w不能匹配#、空格等字符。

匹配空格字符

用\s可以匹配一个空格字符，注意空格字符不但包括空格，还包括tab字符（在Java中用\t表示）。例如，a\sc可以匹配：

“a c”，因为\s可以匹配空格字符；
“a c”，因为\s可以匹配tab字符\t。

它不能匹配"ac"，"abc"等。

匹配非数字

用\d可以匹配一个数字，而\D则匹配一个非数字。例如，00\D可以匹配：

“00A”，因为\D可以匹配非数字字符A；
“00#”，因为\D可以匹配非数字字符#。

00\d可以匹配的字符串"007"，"008"等，00\D是不能匹配的。

类似的，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符，这几个正好是反着来的。

重复匹配

我们用\d可以匹配一个数字，例如，A\d可以匹配"A0"，“A1”，如果要匹配多个数字，比如"A380"，怎么办？

修饰符*可以匹配任意个字符，包括0个字符。我们用A\d*可以匹配：

A：因为\d*可以匹配0个数字；
A0：因为\d*可以匹配1个数字0；
A380：因为\d*可以匹配多个数字380。

修饰符+可以匹配至少一个字符。我们用A\d+可以匹配：

A0：因为\d+可以匹配1个数字0；
A380：因为\d+可以匹配多个数字380。

但它无法匹配"A"，因为修饰符+要求至少一个字符。

修饰符?可以匹配 0 个或一个字符。我们用A\d?可以匹配：

A：因为\d?可以匹配0个数字；
A0：因为\d+可以匹配1个数字0。

但它无法匹配"A33"，因为修饰符?超过1个字符就不能匹配了。

如果我们想精确指定n个字符怎么办？用修饰符{n}就可以。A\d{3}可以精确匹配：

A380：因为\d{3}可以匹配3个数字380。

如果我们想指定匹配n~m个字符怎么办？用修饰符{n,m}就可以。A\d{3,5}可以精确匹配：

A380：因为\d{3,5}可以匹配3个数字380；
A3800：因为\d{3,5}可以匹配4个数字3800；
A38000：因为\d{3,5}可以匹配5个数字38000。

如果没有上限，那么修饰符{n,}就可以匹配至少n个字符。

复杂匹配规则

正则表达式	规则	可以匹配
^	开头	字符串开头
$	结尾	字符串结尾
b	字符边界	`\bchapter[1-9][0-9]?\b`可以匹配chapter1、chapter2、…chapter10…chapter19
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’。
[ABC]	[…]内任意字符	A,B,C
[A-F0-9 xy]	指定范围的字符	A，……，F，0，……，9，x，y
[^A-F]	指定范围外的任意字符	非A~F
(?< name >exp)	匹配exp	捕获文本到名称为name的组里，也可以写成(?'name’exp)
(?:exp)	匹配exp	不捕获匹配的文本，也不给此分组分配组号,不进行存储供以后使用。`industr(?:y\|ies)`就是一个比 `industry\|industries` 更简略的表达式。
(?=exp)	零宽断言（正向预查）	匹配exp前面的位置，也是非获取匹配，`\w+(?=\d+)`能够匹配`section1`中的`section`
(?<=exp)	零宽断言(反向预查)	匹配exp后面的位置
(?!exp)	零宽断言	匹配后面跟的不是exp的位置
(?<!exp)	零宽断言	匹配前面跟的不是exp的位置

示例

[^\\\/\^]        除了(\)(/)(^)之外的所有字符,注意转义符前加`\`
^[0-9]{1,}$ 或 ^[0-9]+$     所有的整数
^\-{0,1}[0-9]{0,}\.[0-9]{0,}$ 或 ^\-?[0-9]*\.?[0-9]*$  所有小数

零宽断言

接下来的四个用于查找在某些内容(但并不包括这些内容)之前或之后的东西，也就是说它们像\b,^,$那样用于指定一个位置，这个位置应该满足一定的条件(即断言)，因此它们也被称为零宽断言。最好还是拿例子来说明吧：

(?=exp)也叫零宽度正预测先行断言，它断言自身出现的位置的后面能匹配表达式exp。比如\b\w+(?=ing\b)，匹配以 ing结尾的单词的前面部分(除了ing以外的部分)，如查找I'm singing while you're dancing.时，它会匹配sing和 danc。

(?<=exp)也叫零宽度正回顾后发断言，它断言自身出现的位置的前面能匹配表达式exp。比如(?<=\bre)\w+\b会匹配以 re 开头的单词的后半部分(除了 re 以外的部分)，例如在查找reading a book 时，它匹配 ading

下面这个例子同时使用了这两种断言：(?<=\s)\d+(?=\s)匹配以空白符间隔的数字(再次强调，不包括这些空白符)

零宽度负预测先行断言(?!exp)，断言此位置的后面不能匹配表达式 exp。例如：\d{3}(?!\d)匹配三位数字，而且这三位数字的后面不能是数字；

同理，我们可以用(?<!exp),零宽度负回顾后发断言来断言此位置的前面不能匹配表达式exp：(?<![a-z])\d{7}匹配前面不是小写字母的七位数字。

matches和lookingAt方法

matches 要求整个序列都匹配，而lookingAt 不要求。

lookingAt 方法虽然不需要整句都匹配，但是需要从第一个字符开始匹配。

public class RegexMatches
{
    private static final String REGEX = "foo";
    private static final String INPUT = "fooooooooooooooooo";
    private static final String INPUT2 = "ooooofoooooooooooo";
    private static Pattern pattern;
    private static Matcher matcher;
    private static Matcher matcher2;
 
    public static void main( String args[] ){
       pattern = Pattern.compile(REGEX);
       matcher = pattern.matcher(INPUT);
       matcher2 = pattern.matcher(INPUT2);
 
       System.out.println("lookingAt(): "+matcher.lookingAt());//true
       System.out.println("matches(): "+matcher.matches());//false
       System.out.println("lookingAt(): "+matcher2.lookingAt());//false
   }
}

分组匹配

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Test {
    public static void main(String[] args) {
        Pattern p = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        Matcher m = p.matcher("010-12345678");
        if (m.matches()) {
            String s1 = m.group(1);
            String s2 = m.group(2);
            System.out.println(s1);//010
            System.out.println(s2);//12345678
        }else {
            System.out.println("匹配失败");
        }
    }
}

要特别注意，Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串。如果我们传入0会得到什么呢？答案是010-12345678，即整个正则匹配到的字符串。

Pattern

我们在前面的代码中用到的正则表达式代码是String.matches()方法，而我们在分组提取的代码中用的是java.util.regex包里面的Pattern类和Matcher类。实际上这两种代码本质上是一样的，因为String.matches()方法内部调用的就是Pattern和Matcher类的方法。

但是反复使用String.matches()对同一个正则表达式进行多次匹配效率较低，因为每次都会创建出一样的Pattern对象。完全可以先创建出一个Pattern对象，然后反复使用，就可以实现编译一次，多次匹配：

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        pattern.matcher("010-12345678").matches(); // true
        pattern.matcher("021-123456").matches(); // true
        pattern.matcher("022#1234567").matches(); // false
        // 获得Matcher对象:
        Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {
            String whole = matcher.group(0); // "010-12345678", 0表示匹配的整个字符串
            String area = matcher.group(1); // "010", 1表示匹配的第1个子串
            String tel = matcher.group(2); // "12345678", 2表示匹配的第2个子串
            System.out.println(area);
            System.out.println(tel);
        }
    }
}

使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。

利用提取子串的功能，我们轻松获得了区号和号码两部分。

非贪婪匹配

在介绍非贪婪匹配前，我们先看一个简单的问题：

给定一个字符串表示的数字，判断该数字末尾0的个数。例如：

“123000”：3个0
“10100”：2个0
“1001”：0个0
可以很容易地写出该正则表达式：(\d+)(0*)，Java代码如下：

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d+)(0*)");
        Matcher matcher = pattern.matcher("1230000");
        if (matcher.matches()) {
            System.out.println("group1=" + matcher.group(1)); // "1230000"
            System.out.println("group2=" + matcher.group(2)); // ""
        }
    }
}

仔细观察上述实际匹配结果，实际上它是完全合理的，因为\d+确实可以匹配后面任意个0。

这是因为正则表达式默认使用贪婪匹配：任何一个规则，它总是尽可能多地向后匹配，因此，\d+总是会把后面的0包含进来。

要让\d+尽量少匹配，让0*尽量多匹配，我们就必须让\d+使用非贪婪匹配。在规则\d+后面加个?即可表示非贪婪匹配。我们改写正则表达式如下：

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d+?)(0*)");
        Matcher matcher = pattern.matcher("1230000");
        if (matcher.matches()) {
            System.out.println("group1=" + matcher.group(1)); // "123"
            System.out.println("group2=" + matcher.group(2)); // "0000"
        }
    }
}

因此，给定一个匹配规则，加上?后就变成了非贪婪匹配。

我们再来看这个正则表达式(\d??)(9*)，注意\d?表示匹配0个或1个数字，后面第二个?表示非贪婪匹配，因此，给定字符串"9999"，匹配到的两个子串分别是""和"9999"，因为对于\d?来说，可以匹配1个9，也可以匹配0个9，但是因为后面的?表示非贪婪匹配，它就会尽可能少的匹配，结果是匹配了0个9。

搜索和替换

分割字符串

使用正则表达式分割字符串可以实现更加灵活的功能。String.split()方法传入的正是正则表达式。我们来看下面的代码：

"a b c".split("\\s"); // { "a", "b", "c" }
"a b  c".split("\\s"); // { "a", "b", "", "c" }
"a, b ;; c".split("[\\,\\;\\s]+"); // { "a", "b", "c" }

如果我们想让用户输入一组标签，然后把标签提取出来，因为用户的输入往往是不规范的，这时，使用合适的正则表达式，就可以消除多个空格、混合,和;这些不规范的输入，直接提取出规范的字符串。

搜索字符串

使用正则表达式还可以搜索字符串，我们来看例子：

public class Main {
    public static void main(String[] args) {
        String s = "the quick brown fox jumps over the lazy dog.";
        Pattern p = Pattern.compile("\\wo\\w");//“\\w”表示任意数字、字母和下划线，“\\wo\\w”表示三个字母，中间字母是“o”
        Matcher m = p.matcher(s);
        while (m.find()) {
            String sub = s.substring(m.start(), m.end());
            System.out.println(sub);//row和dog
        }
    }
}

我们获取到Matcher对象后，不需要调用 matches() 方法（因为匹配整个串肯定返回false），而是反复调用find()方法，在整个串中搜索能匹配上\\wo\\w规则的子串，并打印出来。这种方式比String.indexOf()要灵活得多，因为我们搜索的规则是3个字符：中间必须是o，前后两个必须是字符[A-Za-z0-9_]。

替换字符串

使用正则表达式替换字符串可以直接调用String.replaceAll()，它的第一个参数是正则表达式，第二个参数是待替换的字符串。我们还是来看例子：

public class Main {
    public static void main(String[] args) {
        String s = "The     quick\t\t brown   fox  jumps   over the  lazy dog.";
        String r = s.replaceAll("\\s+", " ");
        System.out.println(r); // "The quick brown fox jumps over the lazy dog."
    }
}

上面的代码把不规范的连续空格分隔的句子变成了规范的句子。可见，灵活使用正则表达式可以大大降低代码量。

反向引用

([a-z]{2})\1可以匹配gogo toto这种;(.)\\1(.)\\2||(..)\\1匹配安安静静这种
反向引用重复的是对应捕获分组匹配的文本，而不是之前的表达式；也就是说，反向引用的是由之前表达式决定的具体文本，而不是符合某种规则的未知文本。
如果我们要把搜索到的指定字符串按规则替换，比如前后各加一个xxxx，这个时候，使用replaceAll()的时候，我们传入的第二个参数可以使用$1、$2来反向引用匹配到的子串。例如：

public class Main {
    public static void main(String[] args) {
        String s = "the quick brown fox jumps over the lazy dog.";
        String r = s.replaceAll("\\s([a-z]{4})\\s", " <b>$1</b> ");
        System.out.println(r);
    }
}

上述代码的运行结果是：

the quick brown fox jumps <b>over</b> the <b>lazy</b> dog.

它实际上把任何4字符单词的前后用xxxx括起来。实现替换的关键就在于" $1 "，它用匹配的分组子串([a-z]{4})替换了$1。

回首往昔少年

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
一起来看看正则表达式

如果想匹配非ASCII字符，例如中文，那就用\u####的十六进制表示，例如：a\u548cc匹配字符串"a和c"，中文字符和的Unicode编码是548c匹配任意字符精确匹配实际上用处不大，因为我们直接用String.equals()就可以做到。大多数情况下，我们想要的匹配规则更多的是模糊匹配。我们可以用.匹配一个任意字符。例如，正则表达式a.c中间的.可以匹配一个任意字符，例如，下面的字...
复制链接

扫一扫