java基础知识整理16（正则表达式）

正则表达式：
正则表达式是一个强大的字符串处理工具，可以对字符串进行查找，提取，分割，替换等操作。String类里提供了几个特殊的方法：
public boolean matches(String regex)告知此字符串是否匹配给定的正则表达式。
调用此方法的 str.matches(regex) 形式与以下表达式产生的结果完全相同：
public String replaceAll(String regex,
String replacement)使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。
调用此方法的 str.replaceAll(regex, repl) 形式与以下表达式产生的结果完全相同
public String replaceFirst(String regex,
String replacement)使用给定的 replacement 替换此字符串匹配给定的正则表达式的第一个子字符串。
调用此方法的 str.replaceFirst(regex, repl) 形式与以下表达式产生的结果完全相同：

Java提供了Pattern和Matcher两个类专门用于提供正则表达式支持。
正则表达式是一个用于匹配字符串模板，可以说，我们定义的任意字符串都可以当成正则表达式使用，例如“abc”他也是一个正则表达式，只是它只能匹配“abc”字符串。
创建正则表达式：



通配符是可以匹配多个字符的特殊字符。正则表达式中“通配符”远远超出了通配符的功能，他被称为预定义字符


方括号表达式比前面的预定义字符灵活多了，几乎可以匹配任何字符。因为所有中文字符的UNICODE值是连续的，只要找出所有中文字符中最小，最大的UNICODE值，就可以利用上面的形式来匹配所有中文字符。
正则表达式还支持圆括号表达式，圆括号表达式用于将多个表达式组成一个子表达式，圆括号中可以使用或运算符（|）

正则表达式支持的数量标识符有如下几种模式：
Greedy（贪婪模式）：除非另有表示，数量表示符默认采用贪婪模式。贪婪模式的表达式会一直匹配下去，知道无法匹配位置。如果你发现表达式匹配结果与预期结果不符，很有可能是因为，你以为只匹配前面几个字符，而实际上它是贪婪模式，会一直匹配下去。
Reluctant（勉强模式）：用问号后缀（？）表示，他只会匹配最少的字符，也称为最小匹配模式。
Possessive(占有模式)：用加号后缀（+）表示，目前只有Java支持占有模式，通常比较少用。

使用正则表达式：
一旦在程序中定义了正则表达式之后，就可以使用pattern和matcher来使用正则表达式。
Pattern对象是正则表达式编译后在内存中的表示形式，因此正则表达式字符串必须先被编译为Pattern对象，然后再利用Pattern对象创建对应的Matcher对象。执行匹配所涉及的状态保留在Matcher对象中，多个Matcher对象可共享一个Pattern对象。

Pattern是不可变类，可提供多个并发线程安全使用。
Pattern类和Matcher类中看到一个CharSequence接口，该接口代表一个字符序列，其中Char Buffer，String，StringBuffer，StringBuilder都是他的实现类。简单的说，CharSequence代表一个各种表示形式的字符串。
Matcher类提供了如下几个常用的方法：
Find：返回目标字符串中是否包含与pattern匹配的字串。
Group：返回上一次与Pattern匹配的字串
Start：返回上一次与pattern匹配的字串在目标字符串中的开始位置。
End :返回上一次与pattern匹配的字串在目标字符串中结束的位置加一。
lookingAt:返回目标字符串前面的部分与pattern是否匹配。
matches:返回整个目标字符串与pattern是否匹配。
Reset：可以将现有的Matcher对象应用于一个新的字符序列
通过Matcher类的find和group方法可以从目标字符串中依次取出特定字串（匹配正则表达式的字串）

Start和end方法主要用于确定字串在目标中的位置

Matches和lookingAt方法有点相似，只是matchers方法要求整个字符串和pattern完全匹配时才返回true，而lookingAt只要字符串以Pattern开头就会返回true。Reset方法可将现有的Matcher对象应用于新的字符序列。
常用的：
一、校验数字的表达式
1 数字：¹$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9])$
6 非零开头的最多带两位小数的数字：^([1-9][0-9])+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(-)?\d+(.\d{1,2})?$
8 正数、负数、和小数：^(-|+)?\d+(.\d+)?$
9 有两位小数的正实数：²+(.[0-9]{2})?$
10 有1~3位小数的正实数：³+(.[0-9]{1,3})?$
11 非零的正整数：⁴\d$ 或 ^([1-9][0-9]){1,3}$ 或 ^+?[1-9][0-9]$
12 非零的负整数：^-[1-9][]0-9"$ 或 ^-[1-9]\d$
13 非负整数：^\d+$ 或 ⁵\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(.\d+)?$ 或 ⁶\d*.\d*|0.\d*[1-9]\d*|0?.0+|0$
16 非正浮点数：^((-\d+(.\d+)?)|(0+(.0+)?))$ 或 ^(-([1-9]\d*.\d*|0.\d*[1-9]\d*))|0?.0+|0$
17 正浮点数：⁷\d*.\d*|0.\d*[1-9]\d*$ 或 ^(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]))$
18 负浮点数：^-([1-9]\d*.\d*|0.\d*[1-9]\d*)$ 或 ^(-(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9])))$
19 浮点数：^(-?\d+)(.\d+)?$ 或 ^-?([1-9]\d*.\d*|0.\d*[1-9]\d*|0?.0+|0)$
二、校验字符的表达式
1 汉字：⁸{0,}$
2 英文和数字：⁹+$ 或 ¹⁰{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：¹¹+$
5 由26个大写英文字母组成的字符串：¹²+$
6 由26个小写英文字母组成的字符串：¹³+$
7 由数字和26个英文字母组成的字符串：¹⁴+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：¹⁵+$
10 中文、英文、数字但不包括下划线等符号：¹⁶+$ 或 ¹⁷{2,20}$
11 可以输入含有^%&’,;=?KaTeX parse error: Can't use function '\"' in math mode at position 1: \̲"̲等字符：[^%&',;=?\x22]+
12 禁止输入含有_{的字符：[^}\x22]+
三、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s] 或 ^http://([\w-]+.)+[\w-]+(/[\w-./?%&=])?$
4 手机号码：^(13[0-9]|14[0-9]|15[0-9]|16[0-9]|17[0-9]|18[0-9]|19[0-9])\d{8}$ (由于工信部放号段不定时，所以建议使用泛解析 ^([1][3,4,5,6,7,8,9])\d{9}KaTeX parse error: Can't use function '\(' in math mode at position 93: …"和"XXXXXXXX)：^(\̲(̲\d{3,4}-)|\d{3.…
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 18位身份证号码(数字、字母x结尾)：^((\d{18})|([0-9x]{18})|([0-9X]{18}))$
8 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：¹⁸[a-zA-Z0-9_]{4,15}$
9 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：¹⁹\w{5,17}$
10 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.\d)(?=.[a-z])(?=.[A-Z]).{8,10}$
11 日期格式：^\d{4}-\d{1,2}-\d{1,2}
12 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
13 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
14 钱的输入格式：
15 1.有四种钱的表示形式我们可以接受:“10000.00” 和 “10,000.00”, 和没有 “分” 的 “10000” 和 “10,000”：²⁰[0-9]$
16 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9])$
17 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9])$
18 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：²¹+(.[0-9]+)?$
19 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 “10” 和 “10.2” 是通过的：²²+(.[0-9]{2})?$
20 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：²³+(.[0-9]{1,2})?$
21 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：²⁴{1,3}(,[0-9]{3})(.[0-9]{1,2})?$
22 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3}))(.[0-9]{1,2})?$
23 备注：这就是最终结果了,别忘了"+“可以用”"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
24 xml文件：^([a-zA-Z]±?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
25 中文字符的正则表达式：[\u4e00-\u9fa5]
26 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
27 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
28 HTML标记的正则表达式：<(\S*?)[^>]>.?</\1>|<.? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
29 首尾空白字符的正则表达式：^\s|\s*KaTeX parse error: Expected group after '^' at position 3: 或(^̲\s*)|(\s*) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
30 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
31 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
32 IP地址：\d+.\d+.\d+.\d+ (提取IP地址时有用)
33 IP地址：((???:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))

---

1. 0-9 ↩︎

2. 0-9 ↩︎

3. 0-9 ↩︎

4. 1-9 ↩︎

5. 1-9 ↩︎

6. 1-9 ↩︎

7. 1-9 ↩︎

8. \u4e00-\u9fa5 ↩︎

9. A-Za-z0-9 ↩︎

10. A-Za-z0-9 ↩︎

11. A-Za-z ↩︎

12. A-Z ↩︎

13. a-z ↩︎

14. A-Za-z0-9 ↩︎

15. \u4E00-\u9FA5A-Za-z0-9_ ↩︎

16. \u4E00-\u9FA5A-Za-z0-9 ↩︎

17. \u4E00-\u9FA5A-Za-z0-9 ↩︎

18. a-zA-Z ↩︎

19. a-zA-Z ↩︎

20. 1-9 ↩︎

21. 0-9 ↩︎

22. 0-9 ↩︎

23. 0-9 ↩︎

24. 0-9 ↩︎