java 使用正则Pattern等实现【搜索 -> 提取 -> 分割 -> 替换】功能

本文出自：http://blog.csdn.net/lord_is_layuping/article/details/6696695

正则表达式在字符串处理上有着强大的功能，sun在jdk1.4加入了对它的支持

下面简单的说下它的4种常用功能：

搜索：

String str="abc efg ABC";

String regEx="a|f";   //表示a或f

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

boolean rs=m.find();

如果str中有regEx，那么rs为true，否则为flase。如果想在查找时忽略大小写，则可以写成Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

提取：

String regEx=".+\\\\(.+)$";

String str="c:\\dir1\\dir2\\name.txt";

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

boolean rs=m.find();

for(int i=1;i<=m.groupCount();i++){

System.out.println(m.group(i));

}

以上的执行结果为name.txt，提取的字符串储存在m.group(i)中，其中i最大值为m.groupCount();

分割：

String regEx="::";

Pattern p=Pattern.compile(regEx);

String[] r=p.split("xd::abc::cde");

执行后，r就是{"xd","abc","cde"}，其实分割时还有跟简单的方法：

String str="xd::abc::cde";

String[] r=str.split("::");

替换（删除）：

String regEx="a+"; //表示一个或多个a

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher("aaabbced a ccdeaa");

String s=m.replaceAll("A");

结果为"Abbced A ccdeA"

如果写成空串，既可达到删除的功能，比如：

String s=m.replaceAll("");

结果为"bbced  ccde"

附：

\d 等於 [0-9] 數字
\D 等於 [^0-9] 非數字
\s 等於 [ \t\n\x0B\f\r] 空白字元
\S 等於 [^ \t\n\x0B\f\r] 非空白字元
\w 等於 [a-zA-Z_0-9] 數字或是英文字
\W 等於 [^a-zA-Z_0-9] 非數字與英文字

^ 表示每行的開頭
$ 表示每行的結尾

常用正则表达式


" ^\d+$ " 　　 // 非负整数（正整数 + 0） 
" ^[0-9]*[1-9][0-9]*$ " 　　 // 正整数 
" ^((-\d+)|(0+))$ " 　　 // 非正整数（负整数 + 0） 
" ^-[0-9]*[1-9][0-9]*$ " 　　 // 负整数 
" ^-?\d+$ " 　　　　 // 整数 
" ^\d+(\.\d+)?$ " 　　 // 非负浮点数（正浮点数 + 0） 
" ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$ " 　　 // 正浮点数 
" ^((-\d+(\.\d+)?)|(0+(\.0+)?))$ " 　　 // 非正浮点数（负浮点数 + 0） 
" ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$ " 　　 // 负浮点数 
" ^(-?\d+)(\.\d+)?$ " 　　 // 浮点数 
" ^[A-Za-z]+$ " 　　 // 由26个英文字母组成的字符串 
" ^[A-Z]+$ " 　　 // 由26个英文字母的大写组成的字符串 
" ^[a-z]+$ " 　　 // 由26个英文字母的小写组成的字符串 
" ^[A-Za-z0-9]+$ " 　　 // 由数字和26个英文字母组成的字符串 
" ^\w+$ " 　　 // 由数字、26个英文字母或者下划线组成的字符串 
" ^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ " 　　　　 // email地址 
" ^[a-zA-z]+://(\w+(-\w+)*)(\.(\w+(-\w+)*))*(\?\S*)?$ " 　　 // url
/^ (d {2} | d {4} ) - (( 0 ([ 1 - 9 ] {1} )) | ( 1 [ 1 | 2 ])) - (([ 0 - 2 ]([ 1 - 9 ] {1} )) | ( 3 [ 0 | 1 ]))$ /     //   年-月-日
/^ (( 0 ([ 1 - 9 ] {1} )) | ( 1 [ 1 | 2 ])) / (([ 0 - 2 ]([ 1 - 9 ] {1} )) | ( 3 [ 0 | 1 ])) / (d {2} | d {4} )$ /     //  月/日/年
" ^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$ "     // Emil
" (d+-)?(d{4}-?d{7}|d{3}-?d{8}|^d{7,8})(-d+)? "       // 电话号码
" ^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5])$ "     // IP地址

 匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
匹配空行的正则表达式：\n[\s| ]*\r
匹配HTML标记的正则表达式：/<(.*)>.*<\/\1>|<(.*) \/>/
匹配首尾空格的正则表达式：(^\s*)|(\s*$)
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
匹配网址URL的正则表达式：^[a-zA-z]+://(\\w+(-\\w+)*)(\\.(\\w+(-\\w+)*))*(\\?\\S*)?$
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
匹配国内电话号码：(\d{3}-|\d{4}-)?(\d{8}|\d{7})?
匹配腾讯QQ号：^[1-9]*[1-9][0-9]*$

 

一些常用正则表达式

提取信息中的网络链接:
(h|H)(r|R)(e|E)(f|F)  *=  *('|")?(\w|\\|\/|\.)+('|"|  *|>)?  
提取信息中的邮件地址:
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 
提取信息中的图片链接:
(s|S)(r|R)(c|C)  *=  *('|")?(\w|\\|\/|\.)+('|"|  *|>)?
提取信息中的ip地址: 
(\d+)\.(\d+)\.(\d+)\.(\d+)   
提取信息中的中国手机号码:
(86)*0*13\d{9}   
提取信息中的中国固定电话号码:
(\(\d{3,4}\)|\d{3,4}-|\s)?\d{8}   
提取信息中的中国电话号码（包括移动和固定电话）:
(\(\d{3,4}\)|\d{3,4}-|\s)?\d{7,14}   
提取信息中的中国邮政编码:
[1-9]{1}(\d+){5}   
提取信息中的中国身份证号码:
\d{18}|\d{15}   
提取信息中的整数：
\d+   
提取信息中的浮点数（即小数）：
(-?\d*)\.?\d+   
提取信息中的任何数字  ：
(-?\d*)(\.\d+)? 
提取信息中的中文字符串：
[\u4e00-\u9fa5]*   
提取信息中的双字节字符串  (汉字)：
[^\x00-\xff]* 
提取信息中的英文字符串：
\w*