正则表达式 Pattern和Matcher

java.util.regex是一个用正则表达式所订制的模式来对字符串进行匹配工作的类库包

1.简介：

java.util.regex是一个用正则表达式所订制的模式来对字符串进行匹配工作的类库包。 

它包括两个类：Pattern和Matcher 。

Pattern： 一个Pattern是一个正则表达式经编译后的表现模式。 

Matcher： 一个Matcher对象是一个状态机器，它依据Pattern对象做为匹配模式对字符串展开匹配检查。

在很多文本编辑器里，正则表达式通常被用来检索、替换那些符合某个模式的文本。

2.Pattern类: 

①static Pattern compile(String regex) 将给定的正则表达式编译并赋予给Pattern类 

例：String zhengze = "f0[0-9]{2}|f10[0-7]"; // 正则表达式

        Pattern pattern = Pattern.compile(zhengze);

②static Pattern compile(String regex, int flags) 

例：String zhengze = "f0[0-9]{2}|f10[0-7]"; // 正则表达式

        Pattern pattern = Pattern.compile(zhengze, Pattern.CASE_INSENSITIVE);

flags参数解释：

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，大小写不敏感的匹配只适用于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(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。

③int flags() 

  返回当前Pattern的匹配flag参数.

 ④Matcher matcher(CharSequence input) 

  生成一个给定命名的Matcher对象 

例：Matcher matcher = patten.matcher(spannableString);

  

 ⑤String pattern() 

  返回该Patter对象所编译的正则表达式。 

  

⑥static boolean matches(String regex, CharSequence input) 

 编译给定的正则表达式并且对输入的字串以该正则表达式为模开展匹配,该方法适合于该正则表达式只会使用一次的情况，也就是只进行一次匹配工作，因为这种情况下并不需要生   成一个Matcher实例。 

⑦String[] split(CharSequence input) 

  将目标字符串按照Pattern里所包含的正则表达式为模进行分割。

  

⑧String[] split(CharSequence input, int limit) 

  作用同上，增加参数limit目的在于要指定分割的段数，如将limi设为2，那么目标字符串将根据正则表达式分为割为两段。 

  

  3.Matcher类: 

①Matcher appendReplacement(StringBuffer sb, String replacement) 

将当前匹配子串替换为指定字符串，并且将替换后的子串以及其之前到上次匹配子串之后的字符串段添加到一个StringBuffer对象里。 

②StringBuffer appendTail(StringBuffer sb) 

  将最后一次匹配工作后剩余的字符串添加到一个StringBuffer对象里。 

 例：public class RegexExam {  

    public static void main(String args[]) {  

        HashMap data = new HashMap();  

        String template = "尊敬的客户${customerName}你好！本次消费金额${amount}，"  

                + "您帐户${accountNumber}上的余额为${balance}，欢迎下次光临！";  

        data.put("customerName", "刘明");  

        data.put("accountNumber", "888888888");  

        data.put("balance", "$1000000.00");  

        data.put("amount", "$1000.00");  

        try {  

            System.out.println(composeMessage(template, data));  

        } catch (Exception e) {  

            e.printStackTrace();  

        }  

    }  

  

    public static String composeMessage(String template, Map data)  

            throws Exception {  

        String regex = "\\$\\{(.+?)\\}";  

        Pattern pattern = Pattern.compile(regex);  

        Matcher matcher = pattern.matcher(template);  

        /* 

         * sb用来存储替换过的内容，它会把多次处理过的字符串按源字符串序 

         * 存储起来。 

         */  

        StringBuffer sb = new StringBuffer();  

        while (matcher.find()) {  

            String name = matcher.group(1);//键名  

            String value = (String) data.get(name);//键值  

            if (value == null) {  

                value = "";  

            } else {  

                /* 

                 * 由于$出现在replacement中时，表示对捕获组的反向引用，所以要对上面替换内容 

                 * 中的 $ 进行替换，让它们变成 "\$1000.00" 或 "\$1000000000.00" ，这样 

                 * 在下面使用 matcher.appendReplacement(sb, value) 进行替换时就不会把 

                 * $1 看成是对组的反向引用了，否则会使用子匹配项值amount 或 balance替换 $1 

                 * ，最后会得到错误结果： 

                 * 

                 * 尊敬的客户刘明你好！本次消费金额amount000.00，您帐户888888888上的余额 

                 * 为balance000000.00，欢迎下次光临！ 

                 * 

                 * 要把 $ 替换成 \$ ，则要使用 \\\\\\& 来替换，因为一个 \ 要使用 \\\ 来进 

                 * 行替换，而一个 $ 要使用 \\$ 来进行替换，因 \ 与  $ 在作为替换内容时都属于 

                 * 特殊字符：$ 字符表示反向引用组，而 \ 字符又是用来转义 $ 字符的。 

                 */  

                value = value.replaceAll("\\$", "\\\\\\$");  

                //System.out.println("value=" + value);  

            }  

            /* 

             * 经过上面的替换操作，现在的 value 中含有 $ 特殊字符的内容被换成了"\$1000.00" 

             * 或 "\$1000000000.00" 了，最后得到下正确的结果： 

             * 

             * 尊敬的客户刘明你好！本次消费金额$1000.00，您帐户888888888上的 

             * 余额为$1000000.00，欢迎下次光临！ 

             * 

             * 另外，我们在这里使用Matcher对象的appendReplacement()方法来进行替换操作，而 

             * 不是使用String对象的replaceAll()或replaceFirst()方法来进行替换操作，因为 

             * 它们都能只能进行一次性简单的替换操作，而且只能替换成一样的内容，而这里则是要求每 

             * 一个匹配式的替换值都不同，所以就只能在循环里使用appendReplacement方式来进行逐 

             * 个替换了。 

             */  

            matcher.appendReplacement(sb, value);  

            System.out.println("sb = " + sb.toString());  

        }  

        //最后还得要把尾串接到已替换的内容后面去，这里尾串为“，欢迎下次光临！”  

        matcher.appendTail(sb);  

        return sb.toString();  

    }  

}

  

③int end() 

  返回当前匹配的子串的最后一个字符在原目标字符串中的索引位置 。

 

④int end(int group) 

  返回与匹配模式里指定的组相匹配的子串最后一个字符的位置。 

⑤boolean find() 

  尝试在目标字符串里查找下一个匹配子串。 

⑥boolean find(int start) 

  重设Matcher对象，并且尝试在目标字符串里从指定的位置开始查找下一个匹配的子串。 

⑦String group() 

  返回当前查找而获得的与组匹配的所有子串内容 

⑧String group(int group) 

  返回当前查找而获得的与指定的组匹配的子串内容 

例：group是针对（）来说的，group（0）就是指的整个串，group（1） 指的是第一个括号里的东西，group（2）指的第二个括号里的东西

public class GroupIndexAndStartEndIndexTest {  
 
public static void main(String[] args) {  
   // TODO Auto-generated method stub  
   String str = "Hello,World! in Java.";  
   Pattern pattern = Pattern.compile("W(or)(ld!)");  
   Matcher matcher = pattern.matcher(str);  
   while(matcher.find()){  
    System.out.println("Group 0:"+matcher.group(0));//得到第0组——整个匹配  
    System.out.println("Group 1:"+matcher.group(1));//得到第一组匹配——与(or)匹配的  
    System.out.println("Group 2:"+matcher.group(2));//得到第二组匹配——与(ld!)匹配的，组也就是子表达式  
    System.out.println("Start 0:"+matcher.start(0)+" End 0:"+matcher.end(0));//总匹配的索引  
    System.out.println("Start 1:"+matcher.start(1)+" End 1:"+matcher.end(1));//第一组匹配的索引  
    System.out.println("Start 2:"+matcher.start(2)+" End 2:"+matcher.end(2));//第二组匹配的索引  
    System.out.println(str.substring(matcher.start(0),matcher.end(1)));//从总匹配开始索引到第1组匹配的结束索引之间子串——Wor  
   }  
}

程序的运行结果为：

Group 0:World!  
Group 1:or  
Group 2:ld!  
Start 0:6 End 0:12  
Start 1:7 End 1:9  
Start 2:9 End 2:12  
Wor 

⑨int groupCount() 

  返回当前查找所获得的匹配组的数量

⑩boolean lookingAt() 

  检测目标字符串是否以匹配的子串起始

boolean matches() 

  尝试对整个目标字符展开匹配检测，也就是只有整个目标字符串完全匹配时才返回真值

Pattern pattern() 

  返回该Matcher对象的现有匹配模式，也就是对应的Pattern 对象

String replaceAll(String replacement) 

  将目标字符串里与既有模式相匹配的子串全部替换为指定的字符串

String replaceFirst(String replacement) 

  将目标字符串里第一个与既有模式相匹配的子串替换为指定的字符串

Matcher reset() 

  重设该Matcher对象

Matcher reset(CharSequence input) 

  重设该Matcher对象并且指定一个新的目标字符串

int start() 

  返回当前查找所获子串的开始字符在原目标字符串中的位置

int start(int group) 

  返回当前查找所获得的和指定组匹配的子串的第一个字符在原目标字符串中的位置（光看方法的解释是不是很不好理解？不要急，待会结合例子就比较容易明白了） 

★matches()/lookingAt ()/find()： 

一个Matcher对象是由一个Pattern对象调用其matcher()方法而生成的，一旦该Matcher对象生成,它就可以进行三种不同的匹配查找操作： 

matches()方法尝试对整个目标字符展开匹配检测，也就是只有整个目标字符串完全匹配时才返回真值。 

lookingAt ()方法将检测目标字符串是否以匹配的子串起始。 

find()方法尝试在目标字符串里查找下一个匹配子串。 

以上三个方法都将返回一个布尔值来表明成功与否。 

4.正则表达式规则：

元字符	描述
\	将下一个字符标记为一个特殊字符、或一个原义字符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式零次或多次(大于等于0次)。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.点	匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”的模式。
(pattern)	匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?<!pattern)	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何非空白字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”，这里的"单词"字符使用Unicode字符集。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（&copy;）。
\< \>	匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
\( \)	将 \( 和 \) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字