本文由 ImportNew - ImportNew读者 翻译自 journaldev。如需转载本文,请先参见文章末尾处的转载要求。
【感谢 @CuGBabyBeaR 的热心翻译。如果其他朋友也有不错的原创或译文,可以尝试投递到 ImportNew。】
当我开始我的Java职业生涯的时候,对于我来说正则表达式简直是个是梦魇。本教程旨在帮助你驾驭Java正则表达式,同时也帮助我复习正则表达式。
什么是正则表达式?
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。
Java正则表达式的类在 java.util.regex 包中,包括三个类:Pattern,Matcher 和 PatternSyntaxException。
- Pattern对象是正则表达式的已编译版本。他没有任何公共构造器,我们通过传递一个正则表达式参数给公共静态方法 compile 来创建一个pattern对象。
- Matcher是用来匹配输入字符串和创建的 pattern 对象的正则引擎对象。这个类没有任何公共构造器,我们用patten对象的matcher方法,使用输入字符串作为参数来获得一个Matcher对象。然后使用matches方法,通过返回的布尔值判断输入字符串是否与正则匹配。
- 如果正则表达式语法不正确将抛出PatternSyntaxException异常。
让我们在一个简单的例子里看看这些类是怎么用的吧
package com.journaldev.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexExamples {
public static void main(String[] args) {
// using pattern with flags
Pattern pattern = Pattern.compile("ab", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("ABcabdAb");
// using Matcher find(), group(), start() and end() methods
while (matcher.find()) {
System.out.println("Found the text \"" + matcher.group()
+ "\" starting at " + matcher.start()
+ " index and ending at index " + matcher.end());
}
// using Pattern split() method
pattern = Pattern.compile("\\W");
String[] words = pattern.split("one@two#three:four$five");
for (String s : words) {
System.out.println("Split using Pattern.split(): " + s);
}
// using Matcher.replaceFirst() and replaceAll() methods
pattern = Pattern.compile("1*2");
matcher = pattern.matcher("11234512678");
System.out.println("Using replaceAll: " + matcher.replaceAll("_"));
System.out.println("Using replaceFirst: " + matcher.replaceFirst("_"));
}
}
上述程序的输出是:
Input String matches regex - true Exception in thread "main" java.util.regex.PatternSyntaxException: Dangling meta character '*' near index 0 *xx* ^ at java.util.regex.Pattern.error(Pattern.java:1924) at java.util.regex.Pattern.sequence(Pattern.java:2090) at java.util.regex.Pattern.expr(Pattern.java:1964) at java.util.regex.Pattern.compile(Pattern.java:1665) at java.util.regex.Pattern.(Pattern.java:1337) at java.util.regex.Pattern.compile(Pattern.java:1022) at com.journaldev.util.PatternExample.main(PatternExample.java:13)
既然正则表达式总是和字符串有关, Java 1.4对String类进行了扩展,提供了一个matches方法来匹配pattern。在方法内部使用Pattern和Matcher类来处理这些东西,但显然这样减少了代码的行数。
Pattern类同样有matches方法,可以让正则和作为参数输入的字符串匹配,输出布尔值结果。
下述的代码可以将输入字符串和正则表达式进行匹配。
1
2
3
|
String str =
"bbb"
;
System.out.println(
"Using String matches method: "
+str.matches(
".bb"
));
System.out.println(
"Using Pattern matches method: "
+Pattern.matches(
".bb"
, str));
|
所以如果你的需要仅仅是检查输入字符串是否和pattern匹配,你可以通过调用String的matches方法省下时间。只有当你需要操作输入字符串或者重用pattern的时候,你才需要使用Pattern和Matches类。
注意由正则定义的pattern是从左至右应用的,一旦一个原字符在一次匹配中使用过了,将不会再次使用。
例如,正则“121”只会匹配两次字符串“31212142121″,就像这样“_121____121″。
正则表达式通用匹配符号
正则表达式 | 说明 | 示例 |
. | Matches any single sign, includes everything 匹配任何单个符号,包括所有字符 | (“..”, “a%”) – true(“..”, “.a”) – true (“..”, “a”) – false |
^xxx | 在开头匹配正则xxx | (“^a.c.”, “abcd”) – true(“^a”, “a”) – true (“^a”, “ac”) – false |
xxx$ | 在结尾匹配正则xxx | (“..cd$”, “abcd”) – true(“a$”, “a”) – true (“a$”, “aca”) – false |
[abc] | 能够匹配字母a,b或c。[]被称为character classes。 | (“^[abc]d.”, “ad9″) – true(“[ab].d$”, “bad”) – true (“[ab]x”, “cx”) – false |
[abc][12] | 能够匹配由1或2跟着的a,b或c | (“[ab][12].”, “a2#”) – true(“[ab]..[12]“, “acd2″) – true (“[ab][12]“, “c2″) – false |
[^abc] | 当^是[]中的第一个字符时代表取反,匹配除了a,b或c之外的任意字符。 | (“[^ab][^12].”, “c3#”) – true(“[^ab]..[^12]“, “xcd3″) – true (“[^ab][^12]“, “c2″) – false |
[a-e1-8] | 匹配a到e或者1到8之间的字符 | (“[a-e1-3].”, “d#”) – true(“[a-e1-3]“, “2″) – true (“[a-e1-3]“, “f2″) – false |
xx|yy | 匹配正则xx或者yy | (“x.|y”, “xa”) – true(“x.|y”, “y”) – true (“x.|y”, “yz”) – false |
Java正则表达式元字符
正则表达式 | 说明 |
\d | 任意数字,等同于[0-9] |
\D | 任意非数字,等同于[^0-9] |
\s | 任意空白字符,等同于[\t\n\x0B\f\r] |
\S | 任意非空白字符,等同于[^\s] |
\w | 任意英文字符,等同于[a-zA-Z_0-9] |
\W | 任意非英文字符,等同于[^\w] |
\b | 单词边界 |
\B | 非单词边界 |
有两种方法可以在正则表达式中像一般字符一样使用元字符。
- 在元字符前添加反斜杠(\)
- 将元字符置于\Q(开始引用)和\E(结束引用)间
正则表达式量词
量词指定了字符匹配的发生次数。
正则表达式 | 说明 |
x? | x没有出现或者只出现一次 |
X* | X出现0次或更多 |
X+ | X出现1次或更多 |
X{n} | X正好出现n次 |
X{n,} | X出席n次或更多 |
X{n,m} | X出现至少n次但不多于m次 |
量词可以和character classes和capturing group一起使用。
例如,[abc]+表示a,b或c出现一次或者多次。
(abc)+表示capturing group “abc”出现一次或多次。我们即将讨论capturing group。
正则表达式capturing group
Capturing group是用来对付作为一个整体出现的多个字符。你可以通过使用()来建立一个group。输入字符串中和capturing group相匹配的部分将保存在内存里,并且可以通过使用Backreference调用。
你可以使用matcher.groupCount方法来获得一个正则pattern中capturing groups的数目。例如((a)(bc))包含3个capturing groups; ((a)(bc)), (a) 和 (bc)。
你可以使用在正则表达式中使用Backreference,一个反斜杠(\)接要调用的group号码。
Capturing groups和Backreferences可能很令人困惑,所以我们通过一个例子来理解。
1
2
3
4
|
System.out.println(Pattern.matches(
"(\\w\\d)\\1"
,
"a2a2"
));
//true
System.out.println(Pattern.matches(
"(\\w\\d)\\1"
,
"a2b2"
));
//false
System.out.println(Pattern.matches(
"(AB)(B\\d)\\2\\1"
,
"ABB2B2AB"
));
//true
System.out.println(Pattern.matches(
"(AB)(B\\d)\\2\\1"
,
"ABB2B3AB"
));
//false
|
在第一个例子里,运行的时候第一个capturing group是(\w\d),在和输入字符串“a2a2″匹配的时候获取“a2″并保存到内存里。因此\1是”a2”的引用,并且返回true。基于相同的原因,第二行代码打印false。
试着自己理解第三行和第四行代码。:)
现在我们来看看Pattern和Matcher类中一些重要的方法。
我们可以创建一个带有标志的Pattern对象。例如Pattern.CASE_INSENSITIVE可以进行大小写不敏感的匹配。Pattern类同样提供了和String类相似的split(String) 方法
Pattern类toString()方法返回被编译成这个pattern的正则表达式字符串。
Matcher类有start()和end()索引方法,他们可以显示从输入字符串中匹配到的准确位置。
Matcher类同样提供了字符串操作方法replaceAll(String replacement)和replaceFirst(String replacement)。
现在我们在一个简单的java类中看看这些函数是怎么用的。
package com.journaldev.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexExamples {
public static void main(String[] args) {
// using pattern with flags
Pattern pattern = Pattern.compile("ab", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("ABcabdAb");
// using Matcher find(), group(), start() and end() methods
while (matcher.find()) {
System.out.println("Found the text \"" + matcher.group()
+ "\" starting at " + matcher.start()
+ " index and ending at index " + matcher.end());
}
// using Pattern split() method
pattern = Pattern.compile("\\W");
String[] words = pattern.split("one@two#three:four$five");
for (String s : words) {
System.out.println("Split using Pattern.split(): " + s);
}
// using Matcher.replaceFirst() and replaceAll() methods
pattern = Pattern.compile("1*2");
matcher = pattern.matcher("11234512678");
System.out.println("Using replaceAll: " + matcher.replaceAll("_"));
System.out.println("Using replaceFirst: " + matcher.replaceFirst("_"));
}
}
上述程序的输出:
1
2
3
4
5
6
7
8
9
10
|
Found the text
"AB"
starting at
0
index and ending at index
2
Found the text
"ab"
starting at
3
index and ending at index
5
Found the text
"Ab"
starting at
6
index and ending at index
8
Split using Pattern.split(): one
Split using Pattern.split(): two
Split using Pattern.split(): three
Split using Pattern.split(): four
Split using Pattern.split(): five
Using replaceAll: _345_678
Using replaceFirst: _34512678
|
原文链接: journaldev 翻译: ImportNew.com - ImportNew读者
译文链接: http://www.importnew.com/6810.html