正则表达式是一个字符串,用来描述匹配一个字符串集合的模式。对于字符串处理来说,正则表达式是一个强大的工具。可以使用正则表达式来匹配、替换和拆分字符串。
正则表达式 | 描述 |
this is text | 匹配字符串 "this is text" |
this\s+is\s+text | 注意字符串中的 \s+。 匹配单词 "this" 后面的 \s+ 可以匹配多个空格,之后匹配 is 字符串,再之后 \s+ 匹配多个空格然后再跟上 text 字符串。 可以匹配这个实例:this is text |
^\d+(\.\d+)? | ^ 定义了以什么开始 \d+ 匹配一个或多个数字 ? 设置括号内的选项是可选的 \. 匹配 "." 可以匹配的实例:"5", "1.5" 和 "2.21"。 |
正则表达式常用语法:
字符 | 说明 |
\ | 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如, n匹配字符 n。\n 匹配换行符。序列 \\\\ 匹配 \\ ,\\( 匹配 (。 |
^ | 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与"\n"或"\r"之后的位置匹配。 |
$ | 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与"\n"或"\r"之前的位置匹配。 |
* | 零次或多次匹配前面的字符或子表达式。例如,zo* 匹配"z"和"zoo"。* 等效于 {0,}。 |
+ | 一次或多次匹配前面的字符或子表达式。例如,"zo+"与"zo"和"zoo"匹配,但与"z"不匹配。+ 等效于 {1,}。 |
? | 零次或一次匹配前面的字符或子表达式。例如,"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。 |
{n} | n 是非负整数。正好匹配 n 次。例如,"o{2}"与"Bob"中的"o"不匹配,但与"food"中的两个"o"匹配。 |
{n,} | n 是非负整数。至少匹配 n 次。例如,"o{2,}"不匹配"Bob"中的"o",而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。 |
{n,m} | m 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如,"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意:您不能将空格插入逗号和数字之间。 |
? | 当此字符紧随任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后时,匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串,而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如,在字符串"oooo"中,"o+?"只匹配单个"o",而"o+"匹配所有"o"。 |
. | 匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符,请使用诸如"[\s\S]"之类的模式。 |
(pattern) | 匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( ),请使用"\("或者"\)"。 |
(?:pattern) | 匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如,'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。 |
(?=pattern) | 执行正向预测先行搜索的子表达式,该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows",但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。 |
(?!pattern) | 执行反向预测先行搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows",但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。 |
x|y | 匹配 x 或 y。例如,'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。 |
[xyz] | 字符集。匹配包含的任一字符。例如,"[abc]"匹配"plain"中的"a"。 |
[^xyz] | 反向字符集。匹配未包含的任何字符。例如,"[^abc]"匹配"plain"中"p","l","i","n"。 |
[a-z] | 字符范围。匹配指定范围内的任何字符。例如,"[a-z]"匹配"a"到"z"范围内的任何小写字母。 |
[^a-z] | 反向范围字符。匹配不在指定的范围内的任何字符。例如,"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。 |
\b | 匹配一个字边界,即字与空格间的位置。例如,"er\b"匹配"never"中的"er",但不匹配"verb"中的"er"。 |
\B | 非字边界匹配。"er\B"匹配"verb"中的"er",但不匹配"never"中的"er"。 |
\cx | 匹配 x 指示的控制字符。例如,\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样,则假定 c 就是"c"字符本身。 |
\d | 数字字符匹配。等效于 [0-9]。 |
\D | 非数字字符匹配。等效于 [^0-9]。 |
\f | 换页符匹配。等效于 \x0c 和 \cL。 |
\n | 换行符匹配。等效于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等效于 \x0d 和 \cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。 |
\S | 匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。 |
\t | 制表符匹配。与 \x09 和 \cI 等效。 |
\v | 垂直制表符匹配。与 \x0b 和 \cK 等效。 |
\w | 匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效。 |
\W | 与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。 |
\xn | 匹配 n,此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如,"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。 |
\num | 匹配 num,此处的 num 是一个正整数。到捕获匹配的反向引用。例如,"(.)\1"匹配两个连续的相同字符。 |
\n | 标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。 |
\nm | 标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获,则 n 是反向引用,后面跟有字符 m。如果两种前面的情况都不存在,则 \nm 匹配八进制值 nm,其中 n 和 m 是八进制数字 (0-7)。 |
\nml | 当 n 是八进制数 (0-3),m 和 l 是八进制数 (0-7) 时,匹配八进制转义码 nml。 |
\un | 匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。例如,\u00A9 匹配版权符号 (©)。 |
[a-e[m-p]] | a到e或m到p |
[a-e&&[c-p]] | a到e与c到p的交集 |
注意∶
1.单词字符是任何的字母,数字或者下划线字符。因此\w等同于 {a-z{A-Z}{0-9}}或者简化为{a-Za-z0-9_}。\w等同于{Aa-Za-z0-9}。
2.表H-1中后面六个条目*、+、?、{n}、{n,}以及{n,m}称为量词符(quantifier),用于确定量词符前面的模式会重复多少次。例如,A*匹配0或者多个A,A+匹配1或者多个A,A?匹配0或者1个A。A{3}精确匹配AAA,A{3,}匹配至少3个A,A{3,6}匹配3到6之间个A。*等同于{0,},+等同于{1,},?等同于{0.1}。
3.不要在重复量词符中使用空白。例如,A{3,6}不能写成逗号后面有一个空白符的A{3,6]。注意∶可以使用括号来将模式进行分组。例如,(ab){3}匹配 ababab,但是 ab{3}匹配abbb。
正则表达式实例:
- xxx-xx-xxx(x是一个数字): [\\d]{3}-[\\d]{2}-[\\d]{3}
- 偶数以0、2、4、6、8结尾,可描述为[\\d]*[02468]
- 电话号码的模式是(xxx)xxx-xxxx,这里x是一位数字,并且第一位数字不能为0。电话号码的正则表达式可以描述为 \\([1-9][N\d]{2}\N)[N\d]{3]-[N\Nd]{4}
- 假定姓由最多25个字母组成,并且第一个字母为大写形式。则姓的模式可以描述为[A-Z][a-zA-Z]{1,24}
- 标识符必须以字母、下划线(_),或者美元符号($)开始。不能以数字开头。标识符的模式可以描述为 [a-zA-Z_5][N\wS]*
- 不能随便放空白符到正则表达式中。如【A-Z】【a-Za-z】{1,24}将报错。
- 什么字符串匹配正则表达式"welcome to (Java|HTML)"?答案是We1come to Java 或者We]come to HTML
- 什么字符串匹配正则表达式".*"?答案是任何字符串
替换和拆分字符串:
如果字符串匹配正则表达式,String类的 matches方法返回true。String类也包含repalceA11、replaceFirst和 split方法,用于替换和拆分字符串 。
1.replaceA11 方法替换所有匹配的子字符串,replaceFirst 方法替换第一个匹配的子字符串。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexMatches
{
private static String REGEX = "dog";
private static String INPUT = "The dog says meow. " +"All dogs say meow.";
private static String REPLACE = "cat";
public static void main(String[] args)
{
Pattern p = Pattern.compile(REGEX);
// get a matcher object
Matcher m = p.matcher(INPUT);
INPUT = m.replaceAll(REPLACE);
System.out.println(INPUT);
}
}
编译运行结果如下:The cat says meow. All cats say meow.
2.(1)split(regex)方法使用匹配的分隔符将一个字符串拆分为子字符串。
例如,以下语句 String[] tokens ="JavalHTML2Per1".split("\d"); 将字符串"JavaHTML2Per1"拆分为Java、HTML 以及Perl并且保存在tokens【【0】,tokens【1】以及 tokens【2】中。
(2)split(regex,1imit)方法中,limit参数确定模式匹配多少次。如果1imit <= 0,split(regex,limit)等同于split(regex)。如果1imit>0,模式最多匹配1imit-1次。
示例∶
"JavalHTML2Per1",split("\\d"',0);拆分为Java,HTML,Per1
"JavalHTML2Per1".split("\\d",1);拆分为JavalHTML2Per1
"JavalHTML2Per1".split("\\d",2);拆分为Java,HTML2Perl
"JavalHTML2Per1".split("\\d",3);拆分为Java,HTML,Per1
"JavalHTML2Per1".split("\\d",4);拆分为Java,HTML,Per1
"JavalHTML2PerT".split("\\d",5);拆分为 Java,HTML,Perl
注意∶
1.默认情况下,所有的量词符都是"贪婪"的。这意味着它们会尽可能匹配最多次。
比如,语句System.out.print1n("Jaavaa".replaceFirst("a+","R"));显示 JRvaa。因为第一个匹配成功的是 aaa。
2.可以通过在后面添加问号(?)来改变量词符的默认行为。量词符变为"不情愿"或者"惰性"的,这意味着它将匹配尽可能少的次数。
例如,语句System.out.printin("Jaaavaa".replaceFirst("a+?","R")); 显示JRaavaa,因为第一个匹配成功的是 a。
Matcher 类的方法:
1.索引方法:
索引方法提供了有用的索引值,精确表明输入字符串中在哪能找到匹配:
序号 | 方法及说明 |
1 | public int start() |
2 | public int start(int group) |
3 | public int end() |
4 | public int end(int group) |
2.查找方法:
查找方法用来检查输入字符串并返回一个布尔值,表示是否找到该模式:
序号 | 方法及说明 |
1 | public boolean lookingAt() |
2 | public boolean find() |
3 | public boolean find(int start) |
4 | public boolean matches() |
3.替换方法:
替换方法是替换输入字符串里文本的方法:
序号 | 方法及说明 |
1 | public Matcher appendReplacement(StringBuffer sb, String replacement) |
2 | public StringBuffer appendTail(StringBuffer sb) |
3 | public String replaceAll(String replacement) |
4 | public String replaceFirst(String replacement) |
5 | public static String quoteReplacement(String s) |