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
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