Java正则表达式

一、正则表达式概述

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。

二、正则表达式语法

在其他语言中，\\ 表示：我想要在正则表达式中插入一个普通的（字面上的）反斜杠，请不要给它任何特殊的意义。
在 Java 中，\\ 表示：我要插入一个正则表达式的反斜线，所以其后的字符具有特殊的意义。
所以，在其他的语言中（如Perl），一个反斜杠 \ 就足以具有转义的作用，而在 Java 中正则表达式中则需要有两个反斜杠才能被解析为其他语言中的转义作用。也可以简单的理解在 Java 的正则表达式中，两个 \\ 代表其他语言中的一个 \，这也就是为什么表示一位数字的正则表达式是 \\d，而表示一个普通的反斜杠是\\\\。

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Pattern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Pattern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 (©)。

注:
根据 Java Language Specification 的要求，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 “\(hello\)”。

三、Java正则表达式相关类

Pattern 类：
pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。
Matcher 类：
Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。
PatternSyntaxException：
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。

四、捕获数组

捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。
例如，正则表达式 (dog) 创建了单一分组，组里包含"d"，“o”，和"g"。
捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：
((A)(B( C)))
(A)
(B( C))
( C)
可以通过调用 matcher 对象的 groupCount 方法来查看表达式有多少个分组。groupCount 方法返回一个 int 值，表示matcher对象当前有多个捕获组。
还有一个特殊的组（group(0)），它总是代表整个表达式。该组不包括在 groupCount 的返回值中。

五、Pattern类

+字段

static int CANON_EQ
启用规范等效。

static int CASE_INSENSITIVE
启用不区分大小写的匹配。

static int COMMENTS
以模式允许空格和注释。

static int DOTALL
启用dotall模式。

static int LITERAL
启用模式的文字解析。

static int MULTILINE
启用多线模式。

static int UNICODE_CASE
启用支持Unicode的案例折叠。

static int UNICODE_CHARACTER_CLASS
启用Unicode版本的预定义字符类和 POSIX字符类。

static int UNIX_LINES
启用Unix线路模式。

+方法

Predicate<String> asPredicate()
创建可用于匹配字符串的谓词。

static Pattern compile(String regex)
将给定的正则表达式编译为模式。

static Pattern compile(String regex, int flags)
将给定的正则表达式编译为具有给定标志的模式。

int flags()
返回此模式的匹配标志。

Matcher matcher(CharSequence input)
创建一个匹配此模式的给定输入的匹配器。

static boolean matches(String regex, CharSequence input)
编译给定的正则表达式并尝试将给定的输入与其匹配。

String pattern()
返回编译此模式的正则表达式。

static String quote(String s)
返回String指定 的文字模式String。

String[] split(CharSequence input)
围绕此模式的匹配拆分给定的输入序列。

String[] split(CharSequence input, int limit)
围绕此模式的匹配拆分给定的输入序列。

Stream<String> splitAsStream(CharSequence input)
围绕此模式的匹配从给定输入序列创建流。

String toString()
返回此模式的字符串表示形式。

六、Matcher

+方法

Matcher appendReplacement(StringBuffer sb, String replacement)
实现非终端附加和替换步骤。

StringBuffer appendTail(StringBuffer sb)
实现终端追加和替换步骤。

int end()
返回最后一个字符匹配后的偏移量。

int end(int group)
返回在上一个匹配操作期间由给定组捕获的子序列的最后一个字符之后的偏移量。

int end(String name)
返回在上一个匹配操作期间由给定命名捕获组捕获的子序列的最后一个字符之后的偏移量。

boolean find()
尝试查找与模式匹配的输入序列的下一个子序列。

boolean find(int start)
重置此匹配器，然后尝试从指定的索引处开始查找与模式匹配的输入序列的下一个子序列。

String group()
返回上一个匹配项匹配的输入子序列。

String group(int group)
返回在上一个匹配操作期间由给定组捕获的输入子序列。

String group(String name)
返回在上一个匹配操作期间由给定的命名捕获组捕获的输入子序列 。

int groupCount()
返回此匹配器模式中捕获组的数量。

boolean hasAnchoringBounds()
查询此匹配器的区域边界的锚定。

boolean hasTransparentBounds()
查询此匹配器的区域边界的透明度。

boolean hitEnd()
如果在此匹配器执行的最后一个匹配操作中搜索引擎命中了输入的结尾，则返回true。

boolean lookingAt()
尝试将从区域开头开始的输入序列与模式匹配。

boolean matches()
尝试将整个区域与模式匹配。

Pattern pattern()
返回此匹配器解释的模式。

static String quoteReplacement(String s)
返回String指定 的文字替换String。

Matcher region(int start, int end)
设置此匹配器区域的限制。

int regionEnd()
报告此匹配器区域的结束索引（不包括）。

int regionStart()
报告此匹配器区域的起始索引。

String replaceAll(String replacement)
将具有给定替换字符串的模式匹配的输入序列的每个子序列替换。

String replaceFirst(String replacement)
将具有给定替换字符串的模式匹配的输入序列的第一个子序列替换。

boolean requireEnd()
如果更多输入可以将正匹配更改为负匹配，则返回true。

Matcher reset()
重置此匹配器。

Matcher reset(CharSequence input)
使用新的输入序列重置此匹配器。

int start()
返回上一个匹配的起始索引。

int start(int group)
返回在上一个匹配操作期间由给定组捕获的子序列的起始索引。

int start(String name)
返回在上一个匹配操作期间由给定的命名捕获组捕获的子序列的起始索引 。

MatchResult toMatchResult()
返回此匹配器的匹配状态为MatchResult。

String toString()
返回此匹配器的字符串表示形式。

Matcher useAnchoringBounds(boolean b)
设置此匹配器的区域边界的锚定。

Matcher usePattern(Pattern newPattern)
更改此匹配器用于查找匹配项的模式。

Matcher useTransparentBounds(boolean b)
设置此匹配器的区域边界的透明度。

七、PatternSyntaxException类

+方法

String getDescription()
获取错误的描述。

int getIndex()
获取错误的索引。

String getPattern()
获取错误的正则表达式模式。

String getMessage()
返回多行字符串，包含语法错误及其索引的描述、错误的正则表达式模式和模式中错误索引的可视化指示。

八、示例

1)(验证)验证是邮件是否正确

// 要验证的字符串
String str = "java@pattern.net";
// 邮箱验证规则
String regEx = "[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\\.){1,3}[a-zA-z\\-]{1,}";
// 编译正则表达式
Pattern pattern = Pattern.compile(regEx);
// 忽略大小写的写法
// Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
// 字符串是否与正则表达式相匹配
boolean rs = matcher.matches();
System.out.println(rs);

2)(查询)在字符串中查询字符或者字符串

// 要验证的字符串
String str = "docs.oracle.com";
// 正则表达式规则
String regEx = "oracle.*";
// 编译正则表达式
Pattern pattern = Pattern.compile(regEx);
// 忽略大小写的写法
// Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
// 查找字符串中是否有匹配正则表达式的字符/字符串
boolean rs = matcher.find();
System.out.println(rs);