正则表达式

ycl686

于 2018-08-23 16:36:47 发布

阅读量114

点赞数 1

分类专栏：正则表达式文章标签：正则表达式

本文链接：https://blog.csdn.net/qq_29688997/article/details/81979923

版权

正则表达式专栏收录该内容

1 篇文章 0 订阅

订阅专栏

说到正则表达式，说起来其实老早就接触过了，但是从来没有系统地学习，最近在工作中编写shell脚本常常会遇到，看来有必要系统地学习一下。
首先什么是正则表达式，先来一段百科定义：“正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是对字符串（包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为“元字符”））操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式是一种文本模式，模式描述在搜索文本时要匹配的一个或多个字符串。”
重点是我们应该知道它能用来干嘛：检索、替换某些符合某个规则的文本，简单来说，举几个应用场景：我们在网站注册时，输入个人信息如手机号、身份证号码或者邮箱时，一般来说都会有这样输入过滤，比如三大运营商的手机号必须是11位且以1开头；比如身份证号码是18位；邮箱格式example@example.com等。如果不满足这些条件红线警告，提示用户重新输入。这是正则表达式的一个常见且典型的应用。又或者是关键词过滤，提取一段文本中我们需要的信息，如提取链接，提取注释等等。看到这里有人会觉得这不就是查找吗，严格来说，是模糊匹配，也就是like和is的区别。
其次是正则表达式的重要性，其实上面几个例子已经很直观了，比如对于用户输入，如果不加过滤，任凭用户输入啥都提交，那么数据库岂不成了垃圾堆？当然，代码说话，如果给你一个字符串，判断是否是数字，返回true还是false。我们先看传统的写法，输入一个字符串，获取长度，遍历，如果有数字则遍历结束，返回true；否则继续直到遍历结束返回false。
先看传统写法

1 public static boolean isNumeric(String str){
2    for (int i = 0; i<str.length();i--;){  
3        if (!Character.isDigit(str.charAt(i))){
4            return false;
5        }
6    }
7    return true;
8 }

用正则表达式

public static boolean isInteger(String str) {  
        Pattern pattern = Pattern.compile("[0-9]*");  
        return pattern.matcher(str).matches();  
  }

是不是简单粗暴很多？不过我们需要明白这个”[0-9]*”究竟是何用意。
最后介绍正则表达式规则。
（1）元字符

符号	说明
.	匹配除换行符以外的所有字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

Eg:
\b\w{5}\b 匹配刚好5个字符的单词。
^\w{5}$ 匹配刚好5个字符的字符串。
（2）重复

符号	说明
*	重复零次或更多次，即>=0
+	重复一次或更多次，即>=1
?	重复0次或1次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次，n<=m

Eg：
^\d{8,10}$：匹配一个长为8到12位且只包含数字的字符串。
\d+：匹配一串数字，无论几位。
（3）字符转义
其实上面看到的”\”就是转义字符，当计算机遇到”\”就知道后面的字符需要特殊处理，比如”\d”，正是因为有了”\”，计算机才没有将”\d”当成”d”处理。那么问题来了，我想要查找”^”、” * “、”+”、”$”等本来就有特殊含义的字符时，怎么办呢？当然是用”\”进行转义，如” \ * “将被转义成字符” * “。所以这里有一个疑惑解决了，我们经常会看见D：\ \ Users这个路径，那么实际上便表示D：\ Users。
（4）字符类
由上面知道，我们想查找是不是数字或者是不是字母很简单，\d或者\w。但是如果我想匹配某一类数或者某一类字母呢，比如我想匹配1到5这些数字而不是全部呢？那么便引入了”[ ]”，如[1-5]表示匹配12345中的任意一个数字，如[aeiou]就匹配任何一个英文元音字母。
（5）分枝条件
正则表达式里的分枝条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用|把不同的规则分隔开，需要注意的是一旦满足 | 左边的条件时，右边的条件将不再检验。
比如电话号码区号，假如左右用 - 隔开，- 左边可以是三位数字或者四位数字，右边均为五位，也就是说 XXX-XXXXX或者XXXX-XXXXX均要匹配，那么运用分枝条件，\d{3}-{5}|\d{4}-{5}。
（6）分组
我们已经知道如何匹配重复的单个字符，如*、？、+，那么如何匹配重复的一组字符呢？我们可以用小括号()来指定一个分组或者叫子表达式，然后再指定重复次数，最后再进行其他操作。如(\d{1,3}.){3}\d{1,3}，从左到右看：\d{1,3}匹配1到3位的数字，(\d{1,3}.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。很显然上面这个表达式会匹配255.255.255.0，相信你似乎已经发现可以用来匹配IP，事实是它也会匹配999.999.999.999这样错误的IP地址。这里我们给出一个正确的IP匹配正则表达式：((2[0-4]\d|25[0-5]|[01]?\d\d?).){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)，应该不难理解。
（7）反义

符号	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符