Java正则表达式入门

众所周知，在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。

大家都知道，正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

  自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。

因为正则表达式是一个很庞杂的体系，所以我仅例举些入门的概念，更多的请参阅相关书籍及自行摸索。

// 反斜杠

/t 间隔 ('/u0009')

/n 换行 ('/u000A')

/r 回车 ('/u000D')

/d 数字等价于[0-9]

/D 非数字等价于[^0-9]

/s 空白符号 [/t/n/x0B/f/r]

/S 非空白符号 [^/t/n/x0B/f/r]

/w 单独字符 [a-zA-Z_0-9]

/W 非单独字符 [^a-zA-Z_0-9]

/f 换页符

/e Escape

/b 一个单词的边界

/B 一个非单词的边界

/G 前一个匹配的结束

^为限制开头

^java     条件限制为以Java为开头字符

$为限制结尾

java$     条件限制为以java为结尾字符

.  条件限制除/n以外任意一个单独字符

java..     条件限制为java后除换行外任意两个字符

加入特定限制条件「[]」

[a-z]     条件限制在小写a to z范围中一个字符

[A-Z]     条件限制在大写A to Z范围中一个字符

[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符

[0-9]     条件限制在小写0 to 9范围中一个字符

[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符

[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

[]中加入^后加再次限制条件「[^]」

[^a-z]     条件限制在非小写a to z范围中一个字符

[^A-Z]     条件限制在非大写A to Z范围中一个字符

[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符

[^0-9]     条件限制在非小写0 to 9范围中一个字符

[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符

[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

在限制条件为特定字符出现0次以上时，可以使用「*」

J*     0个以上J

.*     0个以上任意字符

J.*D     J与D之间0个以上任意字符

在限制条件为特定字符出现1次以上时，可以使用「+」

J+     1个以上J

.+     1个以上任意字符

J.+D     J与D之间1个以上任意字符

在限制条件为特定字符出现有0或1次以上时，可以使用「?」

JA?     J或者JA出现

限制为连续出现指定次数字符「{a}」

J{2}     JJ

J{3}     JJJ

文字a个以上，并且「{a,}」

J{3,}     JJJ,JJJJ,JJJJJ,???(3次以上J并存)

文字个以上，b个以下「{a,b}」

J{3,5}     JJJ或JJJJ或JJJJJ

两者取一「|」

J|A     J或A

Java|Hello     Java或Hello

「()」中规定一个组合类型

比如，我查询index中间的数据，可写作 (.+?)

在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：

Pattern Pattern.compile(String regex, int flag)

flag的取值范围如下：

Pattern.CANON_EQ     当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a/u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonical equivalence)"。

Pattern.CASE_INSENSITIVE(?i)     默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配，只要将UNICODE_CASE与这个标志合起来就行了。

Pattern.COMMENTS(?x)     在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：不是指表达式里的"//s"，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。

Pattern.DOTALL(?s)     在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。

Pattern.MULTILINE

(?m)     在这种模式下，'^'和'$'分别匹配一行的开始和结束。此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。

Pattern.UNICODE_CASE

(?u)     在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。

Pattern.UNIX_LINES(?d)     在这个模式下，只有'/n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。

抛开空泛的概念，下面写出几个简单的Java正则用例：

◆比如，在字符串包含验证时

   1:  

   2: //查找以Java开头,任意结尾的字符串

   3:  Pattern pattern = Pattern.compile("^Java.*");

   4:  Matcher matcher = pattern.matcher("Java不是人");

   5:  boolean b= matcher.matches();

   6:  //当条件满足时，将返回true，否则返回false

   7:  System.out.println(b);

◆以多条件分割字符串时

   1:  

   2: Pattern pattern = Pattern.compile("[, |]+");

   3: String[] strs = pattern.split("Java Hello World 

   4: Java,Hello,,World|Sun");

   5: for (int i=0;i
   
   

    
    

    
    
    
   6:  System.out.println(strs[i]);

    
    

    
    
    
   7: } 

    
    
   
   

◆文字替换（首次出现字符）

   1:  

   2: Pattern pattern = Pattern.compile("正则表达式");

   3: Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

   4: //替换第一个符合正则的数据

   5: System.out.println(matcher.replaceFirst("Java"));

◆文字替换（全部）

   1:  

   2: Pattern pattern = Pattern.compile("正则表达式");

   3: Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

   4: //替换第一个符合正则的数据

   5: System.out.println(matcher.replaceAll("Java"));

 

◆文字替换（置换字符）

   1:  

   2: Pattern pattern = Pattern.compile("正则表达式");

   3: Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World 

   4: ");

   5: StringBuffer sbr = new StringBuffer();

   6: while (matcher.find()) {

   7:  matcher.appendReplacement(sbr, "Java");

   8: }

   9: matcher.appendTail(sbr);

  10: System.out.println(sbr.toString());

◆验证是否为邮箱地址

   1: String str="ceponline@yahoo.com.cn";

   2:  

   3: Pattern pattern = Pattern.compile("[//w//.//-]+@([//w//-]+//.)+[//w//-]+",Pattern.CASE_INSENSITIVE);

   4:  

   5: Matcher matcher = pattern.matcher(str);

   6:  

   7: System.out.println(matcher.matches());

◆去除html标记

   1: Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);

   2:  

   3: Matcher matcher = pattern.matcher("主页");

   4:  

   5: String string = matcher.replaceAll("");

   6:  

   7: System.out.println(string);

◆查找html中对应条件字符串

   1: Pattern pattern = Pattern.compile("href=/"(.+?)/"");

   2:  

   3: Matcher matcher = pattern.matcher("主页");

   4:  

   5: if(matcher.find())

   6:  

   7:   System.out.println(matcher.group(1));

   8:  

   9: }

◆截取http://地址

   1: //截取url

   2:  

   3: Pattern pattern = Pattern.compile("(http://|https://){1}[//w//.//-/:]+");

   4:  

   5: Matcher matcher = pattern.matcher("dsdsds
    
    
     
     fdf"
    
    );

   6:  

   7: StringBuffer buffer = new StringBuffer();

   8:  

   9: while(matcher.find()){              

  10:  

  11:     buffer.append(matcher.group());        

  12:  

  13:     buffer.append("/r/n");              

  14:  

  15: System.out.println(buffer.toString());

  16:  

  17: }

  18:  

◆替换指定{}中文字

   1:  

   2: String str = "Java目前的发展史是由{0}年-{1}年";

   3: String[][] object={new String[]{"//{0//}","1995"},new 

   4: String[]{"//{1//}","2007"}};

   5: System.out.println(replace(str,object));

   6: public static String replace(final String sourceString,Object[] object) {

   7:  String 

   8: temp=sourceString; 

   9:  for(int 

  10: i=0;i
   
   

  11:  

  12: String[] result=(String[])object[i];

  13:  

  14: Pattern pattern = Pattern.compile(result[0]);

  15:  

  16: Matcher matcher = pattern.matcher(temp);

  17:  

  18: temp=matcher.replaceAll(result[1]);

  19:  }

  20:  return 

  21: temp;

  22: }

◆以正则条件查询指定目录下文件

   1:  

   2: //用于缓存文件列表

   3:  private ArrayList files = new 

   4: ArrayList();

   5:  //用于承载文件路径

   6:  private String _path;

   7:  //用于承载未合并的正则公式

   8:  private String _regexp;

   9:  class MyFileFilter implements 

  10: FileFilter {

  11:  

  12: /**

  13:  

  14: * 匹配文件名称

  15:  

  16: */

  17:  

  18: public boolean accept(File file) {

  19:  

  20: try {

  21:  

  22: Pattern pattern = Pattern.compile(_regexp);

  23:  

  24: Matcher match = 

  25: pattern.matcher(file.getName()); 

  26:  

  27:  

  28: return match.matches();

  29:  

  30: } catch (Exception e) {

  31:  

  32: return true;

  33:  

  34: }

  35:  

  36: }

  37:  }

  38:  /**

  39:  * 解析输入流

  40:  * @param inputs

  41:  */

  42:  FilesAnalyze (String path,String 

  43: regexp){

  44:  

  45: getFileName(path,regexp);

  46:  }

  47:  /**

  48:  * 分析文件名并加入files

  49:  * @param input

  50:  */

  51:  private void getFileName(String 

  52: path,String regexp) {

  53:  //目录

  54:  

  55: _path=path;

  56:  

  57: _regexp=regexp;

  58:  

  59: File directory = new File(_path);

  60:  

  61: File[] filesFile = directory.listFiles(new MyFileFilter());

  62:  

  63: if (filesFile == null) return;

  64:  

  65: for (int j = 0; j < filesFile.length; j++) {

  66:  

  67: files.add(filesFile[j]);

  68:  

  69: }

  70:  

  71: return;

  72:  }

  73:  /**

  74:  * 显示输出信息

  75:  * @param out

  76:  */

  77:  public void print (PrintStream 

  78: out) {

  79:  Iterator 

  80: elements = files.iterator();

  81:  while 

  82: (elements.hasNext()) {

  83:  

  84: File file=(File) elements.next();

  85:  

  86: out.println(file.getPath()); 

  87:  }

  88:  }

  89:  public static void output(String 

  90: path,String regexp) {

  91:  

  92: FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);

  93:  

  94: fileGroup1.print(System.out);

  95:  }

  96:  public static void main (String[] 

  97: args) {

  98:  

  99: output("C://","[A-z|.]*");

 100:  }

Java正则的功用还有很多，事实上只要是字符处理，就没有正则做不到的事情存在。（当然，正则解释时较耗时间就是了|||……）

Technorati 标签: Java正则表达式入门