Java 正则表达式

Java 中通过正则表达式可以实现对字符串的有效匹配和处理。本篇文章将详细介绍 Java 中的正则表达式，包括基本概念、语法规则、常用方法等。

一、基本概念

1. 正则表达式是什么？

正则表达式（Regular Expression），又称正规表示法，常简称为正则表达式、正则式或规则（Reading），其实是一种字符串匹配的工具，它可以用来描述字符序列的模式。

2. 正则表达式的作用

在 Java 中，正则表达式主要用于以下两个方面：

• 文本内容匹配：根据规则匹配指定的字符串。
• 文本内容替换：根据规则将指定字符串中符合条件的部分替换为新的内容。

3. 正则表达式的组成

正则表达式由两种基本字符类型组成：

• 原始字符（Literal Character）：包含在正则表达式中的普通字符，例如 a、1、$ 等。
• 元字符（Metacharacter）：用于描述原始字符的特殊字符，例如 ^、*、? 等。

二、语法规则

1. 原子表达式

原子指单个的、不可再分的匹配单元，原子表达式就是由原子组成的正则表达式。常见的原子有：

• 普通字符：包括字母、数字、汉字和一些符号等。
• 转义字符：用来表示正则表达式中的特殊字符，例如 \n 表示换行符。
• 字符类：匹配一组字符中的任意一个字符，用 [] 表示，例如 [abc] 匹配 a、b 或 c 中的任意一个字符。
• 按位字符：与字符类类似，但是可以匹配多个字符，用 [^abc] 表示，表示除了 a、b 和 c 以外的其他字符。
• 元字符：描述原子的性质和它在正则表达式中的作用。

2. 元字符

元字符是正则表达式中最为重要和常用的部分，用于匹配单个字符或一组字符。其中常见的元字符如下：

2.1 基本元字符

对应单个字符。

• .：匹配任意一个字符，除了换行符 \n。
• \d：匹配一个数字，等价于 [0-9]。
• \D：匹配一个非数字，等价于 [^0-9]。
• \w：匹配一个单词字符，即字母、数字或下划线，等价于 [a-zA-Z_0-9]。
• \W：匹配一个非单词字符，等价于 [^a-zA-Z_0-9]。
• \s：匹配一个空白字符，包括空格、制表符、换行符等。
• \S：匹配一个非空白字符。

2.2 量词元字符

用于描述字符的数量。

• *：匹配前面的字符出现 0 次或多次。
• +：匹配前面的字符至少出现一次。
• ?：匹配前面的字符出现 0 次或 1 次。
• {n}：匹配前面的字符恰好出现 n 次，其中 n 为一个非负整数。
• {n,}：匹配前面的字符至少出现 n 次。
• {n,m}：匹配前面的字符出现 n 到 m 次。

注意：使用 * 和 + 时，表达式会尽可能地去匹配所有符合条件的字符串。因此，可能会导致效率低下和执行时间过长的问题。如果确定匹配的字符串不会太长，可以使用贪婪模式（Greedy）来提高正则表达式的性能。例如，a.b 会匹配从 a 开始到 b 结束之间的所有内容，包括中间的换行符等；而 a.?b 只会匹配第一个 a 和第一个 b 之间的部分。

2.3 分组元字符

用于将表达式中若干个子项组成一个整体。常用的分组元字符有：

• ()：将其中的内容作为一个整体，例如 (ab)+ 表示 ab 出现一次或多次。
• (?😃：只匹配其中的内容，不保留在分组中，例如 (?:ab)+ 表示匹配 ab 出现一次或多次，但是只保留 ab 这个字符串。

2.4 限定符

用于限制某个元字符在正则表达式中出现的次数。常见的限定符有：

• ^：表示匹配输入字符串的开始位置，可以与 $ 一起使用来表示精确匹配。
• $：表示匹配输入字符串的结束位置，可以与 ^ 一起使用来表示精确匹配。
• \b：表示单词边界，例如 \bhello\b 匹配整个单词 hello，而不会匹配到包含该单词的其他单词。
• \B：表示非单词边界，例如 \Bhello\B 匹配包含该单词的其他单词，而不会匹配整个单词 hello。

三、常用方法

Java 中常用的正则表达式方法有 Matcher 和 Pattern 两个类提供，其中 Matcher 类用于对字符串进行匹配和处理，而 Pattern 类则提供了一些常见的正则表达式。

1. Matcher 类

Matcher 类是一个抽象类，可以通过调用 Pattern 类的 matcher() 方法来获取 Matcher 对象。

常用方法如下：

• matches()：尝试将整个字符序列与正则表达式进行匹配，返回 true 或 false。
• find()：在字符串中查找下一个匹配的子串，找到返回 true，没找到返回 false。
• group()：返回匹配成功的子串。
• start()：返回匹配成功的子串的起始坐标。
• end()：返回匹配成功的子串的结束坐标。
• replaceAll()：将匹配成功的子串替换为新的字符串。

代码示例：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class MatcherDemo {

    public static void main(String[] args) {
        String str = "This is a test string";

        // 创建 Pattern 对象
        Pattern pattern = Pattern.compile("\\w+");

        // 创建 Matcher 对象
        Matcher matcher = pattern.matcher(str);

        int count = 0;
        while (matcher.find()) {
            System.out.println("Match " + (++count) + ": " + matcher.group());
            System.out.println("Starting index: " + matcher.start());
            System.out.println("Ending index: " + matcher.end());
        }
    }

}

上面的代码使用 Pattern 类和 Matcher 类来对字符串进行匹配，输出结果如下：

Match 1: This
Starting index: 0
Ending index: 4
Match 2: is
Starting index: 5
Ending index: 7
Match 3: a
Starting index: 8
Ending index: 8
Match 4: test
Starting index: 10
Ending index: 13
Match 5: string
Starting index: 15
Ending index: 20

2. Pattern 类

Pattern 类提供了一些常见的正则表达式。

常用方法如下：

• compile()：将正则表达式编译为匹配器。
• matcher()：返回由Pattern.compile() 方法编译的 Matcher 对象。
• matches()：尝试将整个字符序列与正则表达式进行匹配，返回 true 或 false。
• split()：根据正则表达式匹配的位置分割字符串。
• replaceAll()：将匹配成功的子串替换为新的字符串。

代码示例：

import java.util.Arrays;
import java.util.regex.Pattern;

public class PatternDemo {

    public static void main(String[] args) {
        String str = "1,2;3,4,5";

        // 使用逗号或分号分割字符串
        Pattern pattern = Pattern.compile("[,;]");
        String[] parts = pattern.split(str);
        System.out.println(Arrays.toString(parts));

        // 将数字替换为 X
        String result = pattern.matcher(str).replaceAll("X");
        System.out.println(result);
    }

}

上面的代码使用 Pattern 类的 split() 和 replaceAll() 方法来对字符串进行操作，输出结果如下：

[1, 2, 3, 4, 5]
X X X X X

四、总结

本文介绍了 Java 中的正则表达式，包括基本概念、语法规则和常用方法。在使用正则表达式时，应该根据需要选择合适的元字符和限定符，并注意性能问题。同时，建议使用可读性强且易于维护的规则，以提高代码的可读性和可维护性。