正则表达式那些事？

1、简介

正则表达式(Regular Expression)是一种文本模式，包括普通字符（例如，a 到 z 之间的字母）和特殊字符（称为"元字符"）。

正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。

2、使用正则表达式的好处？

1. 一个正则表达式就是一个描述规则的字符串
2. 只需要编写正确的规则，就可以让正则表达式引擎去判断目标字符串是否符合规则
3. 正则表达式是一套标准、可以用于任何语言
4. JDK内置正则表达式引擎：java.util.regex
5. 测试字符串内的模式——例如，可以测试输入字符串，以查看字符串内是否出现电话号码模式或信用卡号码模式。这称为数据验证
6. 替换文本——可以使用正则表达式来识别文档中的特定文本，完全删除该文本或者用其他文本替换它
7. 基于模式匹配从字符串中提取子字符串——可以查找文档内或输入域内特定的文本

3、应用领域

正则表达式已经在很多软件中得到广泛的应用，主要有C#正则表达式、Java正则表达式、JavaScript正则表达式、Python正则表达式以及Ruby正则表达式等类型。

4、匹配规则

4.1、常规匹配规则

• 精确匹配
•  \d：0-9 
• \w：a-z，A-Z，0-9，_ 
• \s：空格，Tab键 
• \D：非\d 
• \W：非\w 
• \S：非\s 
• *：任意个字符 
• +：至少一个字符 
• ?：0个或1个字符
•  {n}：n个字符 
• {m,n}：m-n个字符 
• {n,}：至少n个字符

4.2、复杂匹配规则

• ^和$匹配开头和结尾

“^A\d{3}$”可以成功匹配：“A001”、“A999”；不可匹配：“B001”、“A0001”

• […]可以匹配范围内的字符

"[abc]1"可以成功匹配：“a1”、“b1”、“c1”，不可匹配：“ab1”、“x1”

• […]可以匹配范围内的字符

“[a-f]1”可以成功匹配：“a1”、“b1”、“f1”，不可匹配：“g1”、“ab1”

• […]可以匹配范围内的字符

“[a-f0-9]{6}”可以成功匹配：“1a2b3c”、“ffffff”、“ff3434”，不可匹配：“abc12”、“A0000F”

• [^…]可以匹配非范围内的字符

“[^0-9]{6}”可以成功匹配：“abcdef”、“$$$$$$”、“A-B-C”，不可匹配：“1abcde”、“A0000F”

4.3、分组匹配规则

如何编写正则表达式：

• （…）可以分组："（\d{4}）\-(\d{1,2})\-(\d{1,2})"

"2020-03-06"——>“2020”    “03”   “06”

• 提取电话号码###-########        "^(\d{3,4})\-(\d{6,8})$"

"010-1234567"——>"010"    "1234567"

"021-12345678"——>"021"    "12345678"

"0755-123456"——>"0755"    "123456"

• 提取24小时时间##:##

^([0-1][0-9])|2[0-3])\:([0-5][0-9])$

• 使用Matcher.group(n)可以快速提取子串：

Pattern pattern = Pattern.compile("^(\\d{3,4})\\-(\\d{6,8})$");
    Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {
        String whole = matcher.group(0); //0表示匹配的整个字符串
        String areaCode = matcher.group(1); //1表示匹配的第1个子串
        String telNumber = matcher.group(2);//2表示匹配的第2个子串
    }

正则表达式分组可以通过Matcher对象快速提取子串：

group(0)表示匹配的整个字符串

group(1)表示第1个子串

group(2)表示第2个子串

4.4、正则表达式匹配规则：

正则表达式	规则	可以匹配
A	指定字符	A
\u548c	指定Unicode字符	和
.	任意字符	a,1,2,……，9
\d	0~9	0，1,2,3,4,5,6,7,8,9
\w	a-z，A-Z，0~9，_	a，A，0，_，……
\s	空格、Tab键	""
\D	非数字	a，A，&，_，……
\W	非\w	&，@，中，……
\S	非\s	a，A，&，_，……
AB*	任意个数字符	A，AB，ABB，ABBBB……
AB+	至少1个字符	AB，ABB，ABBB
AB?	0个或1个字符	A，AB
AB{3}	指定个数字符	ABBB
AB{1,3}	指定范围个数字符	AB，ABB，ABBB
AB{2,}	至少n个字符	ABB，ABBB，……
AB{0,3}	最多n个字符	A，AB，ABB，ABBB
^	开头	字符串开头
$	结尾	字符串结束
[ABC]	[…]内任意字符	A，B，C
[A-F0-9xy]	指定范围的字符	A，……F，0，……9，x，y
[^A-F]	指定范围外的任意字符	非A，……，F
AB|CD	AB或CD	AB，CD
AB|CD|EFG	AB或CD或EFG	AB，CD，EFG

5、非贪婪匹配

• 正则表达式匹配默认使用贪婪匹配
• 使用？表示对某一规则进行非贪婪匹配
• 注意区分？的含义

5.1、问题描述

给定一个字符串表示的数字，判断该数字末尾0的个数，例如：

“123000”：3个0

“10100”：2个0

“1001”：0个0

5.2、正则表达式默认使用贪婪匹配

尽可能多地向后匹配

static Pattern pattern = Pattern.compile("^(\\d+)(0*)$");
    Matcher matcher = pattern.matcher("123000");
        if (matcher.matches()) {
        matcher.group(1);    // "123000"
        matcher.group(2);   //  ""
    }

 使用？实现非贪婪匹配

static Pattern pattern = Pattern.compile("^(\\d+?)(0*)$");
    Matcher matcher = pattern.matcher("123000");
        if (matcher.matches()) {
        matcher.group(1);    // "123"
        matcher.group(2);   //  "000"
    }

static Pattern pattern = Pattern.compile("^(\\d??)(9*)$");
    Matcher matcher = pattern.matcher("9999");
        if (matcher.matches()) {
        matcher.group(1);    // ""
        matcher.group(2);   //  "9999"
    }

其中，\\d??中，第一个？表示“匹配0个或1个”；第二个?表示“非贪婪匹配”

 5.3、实现效果

public class RegexDemo {
    static Pattern pattern = Pattern.compile("^\\d+?(0*)$");
    public static int zeros(String s){
        Matcher matcher = pattern.matcher(s);
        if (matcher.matches()) {
            String zeroStr = matcher.group(1);
            return zeroStr.length();
        }
        throw  new IllegalArgumentException("Not a number");
    }
}


class RegexDemoTest {
    @Test
    public void testZeros() {
        assertEquals(0, RegexDemo.zeros("123456"));
        assertEquals(1, RegexDemo.zeros("123450"));
        assertEquals(2, RegexDemo.zeros("123400"));
        assertEquals(3, RegexDemo.zeros("123000"));
        assertEquals(4, RegexDemo.zeros("120000"));
        assertEquals(2, RegexDemo.zeros("100200"));
    }
}

 

小结

正则表达式是一个字符串

正则表达式用字符串描述一个匹配规则

使用正则表达式可以快速判断给定的字符串是否符合匹配规则

Java内建正则表达式引擎java.util.regex