Java正则表达式

一、正则表达式是什么

正则表达式即定义了符合一定规范的字符串，用来约束给定字符串的形式，通过一定的模式来操作给定的字符串。常见的操作有匹配、分割和替换等操作。

对字符串的操作一般用java.util.regex包下的Pattern和Matcher来配合操作。通常用的String类对字符串的正则操作内部也是用的前面两者来实现的。

二、 常用的匹配规则

1 字符

构造	匹配
x	字符 x
\\	反斜线字符
\0n	带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn	带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh	带有十六进制值 0x 的字符 hh
\uhhhh	带有十六进制值 0x 的字符 hhhh
\t	制表符 (‘\u0009’)
\n 新行	（换行）符 (‘\u000A’)
\r	回车符 (‘\u000D’)
\f	换页符 (‘\u000C’)
\a	报警 (bell) 符 (‘\u0007’)
\e	转义符 (‘\u001B’)
\cx	对应于 x 的控制符

2 字符类

构造	匹配
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）

3 预定义字符类

构造	匹配
.	任何字符（与行结束符可能匹配也可能不匹配），若要表示点用\.
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	空白字符：[ \t\n\x0B\f\r]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]

4 边界匹配器

构造	匹配
^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾

5 Greedy 数量词

构造	匹配
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次

6 特殊构造（非捕获）

构造	匹配
(?:X)	X，作为非捕获组
(?idmsux-idmsux)	Nothing，但是将匹配标志i d m s u x on - off
(?idmsux-idmsux:X)	X，作为带有给定标志 i d m s u x on - off
(?=X)	X，通过零宽度的正 lookahead
(?!X)	X，通过零宽度的负 lookahead
(?<=X)	X，通过零宽度的正 lookbehind
(?<!X)	X，通过零宽度的负 lookbehind
(?>X)	X，作为独立的非捕获组

7 反斜线、转义和引用

反斜线字符 (‘\’) 用于引用转义构造，如上表所定义的，同时还用于引用其他将被解释为非转义构造的字符。因此，表达式 \\ 与单个反斜线匹配，而 \{ 与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

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 “\(hello\)”。

8 字符类

字符类可以出现在其他字符类中，并且可以包含并集运算符（隐式）和交集运算符 (&&)。并集运算符表示至少包含其某个操作数类中所有字符的类。交集运算符表示包含同时位于其两个操作数类中所有字符的类。

字符类运算符的优先级如下所示，按从最高到最低的顺序排列：

优先级	-	-
1	字面值转义	\x
2	分组	[…]
3	范围	a-z
4	并集	[a-e][i-u]
5	交集	[a-z&&[aeiou]]

注意，元字符的不同集合实际上位于字符类的内部，而非字符类的外部。例如，正则表达式 . 在字符类内部就失去了其特殊意义，而表达式 - 变成了形成元字符的范围。

9 组和捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

标号	组
1	((A)(B(C)))
2	\A
3	(B(C))
4	(C)

引用自jdk文档

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。

使用分组

1、将多个重复的字母替换成一个

    // 替换
        String regex = "(.)\\1+";
        String str = "helllo wwwworrrldddddd";
        String newStr = str.replaceAll(regex, "$1"); // 重复替换为一个
        System.out.println(newStr); 
        // output : helo world

2、按多个重复的字符来分割

    // 分组 进行重叠子切割
        String s = "sddddvdfsssdfgcccgerrrd";
        String regex2 = "(.)\\1+";
        String[] ss = s.split(regex2);  // 按重复元素进行分割
        for (String string : ss) {
            System.out.print(string+" ");  //分割
        }
    // output : s vdf dfg ge d 

三、常用功能

1、匹配（match）

1 String类

public boolean matches(String regex)

代码示例

```
    String regex = ".+"; // 匹配多个任意字符
    String str = "hi,regex~";
    System.out.println(str.matches(regex));
```

2 Pattern与Marcher类结合使用

    Pattern p = Pattern.compile("a*b");
    Matcher m = p.matcher("aaaaab");
    boolean b = m.matches();   

3 Pattern类

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

代码示例

boolean b = Pattern.matches("\\w+", "hello regex"); // 匹配单词字符：[a-zA-Z_0-9] 

等效于上面的三个语句，尽管对于重复的匹配而言它效率不高，因为它不允许重用已编译的模式。
此类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。

2 分割（split）

1 String类

public String[] split(String regex)
public String[] split(String regex,int limit)

代码示例

String regex = "\\.";  // 按点进行分切
String str = "com.yu.regex";
String[] ss = str.split(regex);
//String[] ss = str.split(regex,2); // 限定分割的数组长度
for (String string : ss) {
    System.out.print(string+" ");  // output :  com yu regex 
}

2 Pattern类

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

代码示例
– split(CharSequence input)

String regex = ",";
String str = "Where did you go?,I miss you，baby";
Pattern p = Pattern.compile(regex);
String[] s = p.split(str);

– split(CharSequence input, int limit)

limit限定数组的长度，①limit<=0时，能拆分多少数组长度就为多少，②limit>0时，数组长度为limit的大小，当可以拆分的长度大于limit时，大于limit的部分不再拆分，当可拆分成的数组长度小于limit时，后面补""使数组长度为limit

    String regex = "(.)\\1+";  // 按组分割
    String str = "uhyhij&&&knjijnk****jkbj---hjgfmj";
    Pattern p = Pattern.compile(regex);
    String[] ss = p.split(str,3); // The limit parameter controls the number of times the pattern is applied and therefore affects the length of the resulting array.
    for (String string : ss) {
        System.out.print(string+" ");  //分割  uhyhij knjijnk jkbj---hjgfmj ，limit=3，可拆分的长度为4大于3，最后一个不再拆分。
    }

3 替换（replace）

String类

public String replaceAll(String regex,String replacement)
代码示例

String regex = " ";
String str = "hello world";
String newStr = str.replaceAll(regex, "qq");
System.out.println(newStr); //output: helloqqworld

Matcher类

public String replaceAll(String replacement) // 按Pattern中编译的正则表达式进行替换

String str = "helllo wwwworrrldddddd";
String regex = "(.)\\1+";   // 匹配多个重复字符
Pattern p=Pattern.compile(regex);
Matcher matcher=p.matcher(str);
String newStr=matcher.replaceAll("666"); //将匹配字符替换成666
System.out.println(newStr); // output : he666o 666o666l666

4 获取

Matcher类

boolean find()
尝试查找与该模式匹配的输入序列的下一个子序列。
lookingAt()
尝试将从区域开头开始的输入序列与该模式匹配。只有当从开始匹配才会返回true
String group(int group)
返回在以前匹配操作期间由给定组捕获的输入子序列。

find代码示例

String str = "A hjadAaJjikdbASdsFmfKkl";
        String regex = "([a-z][A-Z])+"; // （）表示分组，匹配多个由小写大写字母组成的组合，
        // 将正则表达式封装成对象，获取pattern对象
        Pattern p = Pattern.compile(regex);
        // 通过正则对象获取匹配器
        Matcher matcher = p.matcher(str);
//      System.out.println(matcher.group()); // find之前调用，抛出异常
//      System.out.println(matcher.find());
        while(matcher.find()){   // 如果匹配找到
            System.out.println(matcher.group());  // 获取匹配的子序列
            System.out.println(matcher.start()+"::"+matcher.end()); // 获取匹配的子序列的开始结束索引
        } 

output:

dAaJ
5::9
bA
13::15
sF
17::19
fK
20::22

注意： 要先同过find方法查找，再通过group方法获取，否则会抛异常

Exception in thread "main" java.lang.IllegalStateException: No match found
    ...

lookingAt() 代码示例

private static void find() {
        String str = "aAhjadAaJjikdbASdsFmfKkl"; // 匹配
        String str = "a AhjadAaJjikdbASdsFmfKkl"; // 不匹配
        String regex = "([a-z][A-Z])+";
        // 将正则表达式封装成对象，获取pattern对象
        Pattern p = Pattern.compile(regex);
        // 通过正则对象获取匹配器
        Matcher matcher = p.matcher(str);
        boolean lookingAt = matcher.lookingAt();
        System.out.println(lookingAt);

    }

四、 几个小例子

1、匹配qq号

    private static void match2(){ 

        String regex = "^[1-9][0-9]{4,14}$";  // 匹配qq
        String str = "1234567890658602";
        System.out.println(str.matches(regex));
    }
    // output : false

2、模拟将内容中的电话号码置为多个*(模拟屏蔽敏感信息)

    private static void replcae4() {
        String str="这是我的电话号码:13843843888,可约可聊哟";
        String regex="[0-9]";
        String newStr = str.replaceAll(regex, "*******");
        System.out.println(newStr);
    }
    // output : 这是我的电话号码:***********,可约可聊哟

3、匹配邮箱

    private static void match3(){   // 匹配邮箱
     // String regex = "^[a-zA-Z0-9]+@\\w+(\\.[a-z]+)+$";
        String regex = "\\w+@\\w+(\\.[a-z]+)+";
        String str = "117ytu4556@qq.com.cn";
        System.out.println(Pattern.matches(regex, str));
    }
    // output : true