Java正则表达式入门

Java正则表达式主要用到两个类：一个是Pattern类，一个是Matcher类。这两个类都在包java.util.regex中，要使用前需要先import。

介绍两个类前，先介绍一下正则表达式。正则表达式，按照我最最初级的理解来说，其实就是一种描述具有某些共同特征的字符串的模式。举个例子，比如正则表达式“[A-Z][a-z]+” 表示的是一个大写字母开头和至少一个小写字母结尾的字符串。正则表达式正式通过一些通用的规则来简约地描述一类字符串的。下图举出了正则表达式的一些基本规则。

（图片来自 Java编程入门-IBM 第19章）

大概了解正则表达式之后，就可以开始看Java中的两个针对正则表达式的类了。

Pattern类实例是正则表达式字符串——比如“[A-Z][a-z]+”——的编译表示。也就是说，有一个正则表达式的模式实例，就可以反复使用不需要重新编译。它是不可变的。Matcher类是匹配器类型，针对某一个正则表达式（也可以是Pattern实例）和一个待匹配字符串，将匹配涉及的状态放进匹配器中。多个Matcher类匹配器可以共享同一个Pattern类实例。

Pattern p = Pattern.compile("a*b");  // 创建正则式编译实例
Matcher m = p.matcher("aaaaab");     // 生成匹配器
boolean b = m.matches();             // 调用matches()方法

也可以不创建Pattern类实例，直接用类方法进行匹配，但是若反复匹配同一模式效率较低。

boolean b = Pattern.matches("a*b", "aaaaab");

可以通过正则表达式的书写，来控制匹配哪些分组并在后续的工作中使用。使用括号来进行分组，比如正则表达式(([A-Z][a-z]*)(\d*))，匹配“Author12345”，从左往右每个配对括号表示一个分组，组0始终代表整个表达式：

    0 (([A-Z][a-z]*)(\d*))

    1 (([A-Z][a-z]*)(\d*))

    2 ([A-Z][a-z]*)

    3 (\d*)

所以在匹配成功后，$0代表“Author12345”，$1代表“Author12345”，$2代表“Author”，$3代表“12345”。

字符串中，匹配结果可能不唯一，反复调用find()方法，可以遍历每一个匹配子串：

Logger logger = Logger.getLogger("testPattern");
		
Pattern p = Pattern.compile("[A-Z][a-z]+");
String str = "here is a Match String and then This One.";
Matcher m = p.matcher(str);
		
while (m.find()) {
	logger.info(m.group());
	logger.info("" + m.start());
	logger.info("" + m.end());
}

输出：

Match
10
15
String
16
22
This
32
36
One
37
40

find()方法可以形象地想象成有一个指针不停地扫描字符串，扫描到与正则式匹配的子串就停下来，等待下一次调用才从原位置继续往后扫描，再次发现匹配子串，再次停下。

group()方法则返回当前匹配成功的子串，可以传入int参数，返回当前匹配子串几号分组。比如group(1)返回组1。

start()方法返回一个int，指当前匹配子串的起始位置在字符串中的秩。

end()方法返回一个int，指当前匹配子串的末位置在字符串中的秩，还加上1。

注：部分解释来自Java官方文档