正则表达式通过其基本的标识语法,定义了字符串的模式,可以用来搜索、编辑或处理文本。在不同的编码语言和环境中,可能会有略微的区分,但其定义的模式都是统一的。本文主要介绍通用的正则表达式规则,以及在 Java 应用中的一些注意事项。
基础语法规则
正则表达式 | 描述 | 示例 |
---|---|---|
\ | 转义符 | \n 匹配换行符 \\ 匹配 \ |
^ | 匹配字符串起始位置。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。 | |
$ | 匹配字符串末尾位置。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表达式。等效于 {0,} | zo* 匹配"z"或"zoo" |
+ | 一次或多次匹配前面的表达式。等效于 {1,} | zo+匹配"zo"或"zoo" |
? | 零次或一次匹配前面的表达式。等效于 {0,1} | "do(es)?“匹配"do"或"does” |
{n} | n 是非负整数。正好匹配 n 次 | 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。o{1,} 等效于 o+。o{0,} 等效于 o* | o{2,}不匹配"Bob"中的"o",而匹配"foooood"中的所有 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。o{0,1} 等效于 o? 。注意:不能将空格插入逗号和数字之间。 | o{1,3}匹配"fooooood"中的头三个 o |
? | 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"模式匹配尽可能短的字符串,而默认的"贪心的"模式匹配尽可能长的字符串 | 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 | |
x|y | 匹配 x 或 y | 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 | [abc] 匹配"plain"中的"a" |
[^xyz] | 反向字符集,匹配未包含的任何字符 | [^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 | [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 | [^a-z] 匹配任何不在"a"到"z"范围内的任何字符 |
\b | 匹配一个字末尾边界,即字与空格间的位置 | 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 | 对应于 x 的控制符。x 的值必须在 A-Z 或 a-z 之间,否则假定 c 就是"c"字符本身。 | \cM 匹配 Control-M 或回车符 |
\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 (/u000C) | |
\n | 换行符符 (/u000A) | |
\r | 回车符 (/u000D) | |
\t | 制表符 (/u0009) | |
\v | 垂直制表符匹配。与 \x0b 和 \cK 等效 | |
\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 | |
\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。 | |
\xhh | 匹配 hh,此处的 hh 是一个十六进制转义码。允许在正则表达式中使用 ASCII 代码。 | \x41 匹配"A",\x041与 “\x04”&“1” 等效 |
\0n | 带有八进制值 0 的字符 n (0 <= n <= 7) | |
(pattern) | 捕获 expr 子模式,以 \1 使用它 | (abc) |
(?:pattern) | 忽略捕获的子模式 | |
(?=pattern) | 正向预查模式 expr | |
(?!pattern) | 负向预查模式 expr |
反斜线与转义
反斜线字符 ('/'
) 用于引用转义构造,可以在非字母字符前使用反斜线。因此,表达式 //
与单个反斜线匹配,而 /{
与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的,因为它们是为将来扩展正则表达式语言保留的。
根据 Java Language Specification 的要求,Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线,表示正则表达式受到保护,不被 Java 字节码编译器解释。例如,当解释为正则表达式时,字符串字面值 "/b"
与单个退格字符匹配,而 "//b"
与单词边界匹配。字符串字面值 "/(hello/)"
是非法的,将导致编译时错误;要与字符串 (hello)
匹配,必须使用字符串字面值 "//(hello//)"
。
附录:常用的正则表达式
数值的正则表达式
- 数字:^[0-9]+$
- 至少n位的数字:^\d{n,}$
- 零和非零开头的数字:^(0|[1-9][0-9]*)$
- 带1-2位小数的正数或负数:^(-)?\d+(.\d{1,2})$
- 非零的正整数:^[1-9]\d*$
- 非负整数:^\d+$
- 浮点数:^(-?\d+)(.\d+)?$
校验字符的表达式
- 汉字:^[\u4e00-\u9fa5]{0,}$
- 英文和数字:^[A-Za-z0-9]+$
- 长度为3-20的所有字符:^.{3,20}$
- 由26个英文字母组成的字符串:^[A-Za-z]+$
- 由数字、26个英文字母或者下划线组成的字符串:^\w+$
- 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$
- 可以输入含有 ^%&',;=?$" 等字符:[^%&',;=?$\x22]+
- 禁止输入含有~的字符:[^~]+
特殊需求表达式
- Email地址:[a-zA-Z0-9._%±]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}
- 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+.?
- InternetURL:^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$
- 手机号码:^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
- 身份证号(15位、18位数字),最后一位是校验位,可能为数字或字符X:(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
- 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$
- 强密码(必须包含大小写字母和数字的组合,可以使用特殊字符,长度在8-10之间):^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
- 日期格式:^\d{4}-\d{1,2}-\d{1,2}
- 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$
- 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$
- HTML标记的正则表达式:<(\S*?)[^>]*>.*?|<.*? />
- IPv4地址:((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}