【Java】常用的正则表达式

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}