Java正则表达式
【正则表达式】
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。
特点:用一些特定的符号来表示一些代码,简化书写
好处:可以简化对字符串的复杂操作
【正则表达式的构造摘要】
匹配 | |
字符 | |
x | 字符x |
\\ | 反斜线字符 |
\0n | 带有八进制值 0的字符n (0 <= n <= 7) |
\0nn | 带有八进制值 0的字符nn (0 <= n <= 7) |
\0mnn | 带有八进制值 0的字符mnn(0 <= m <= 3、0 <= n <= 7) |
\xhh | 带有十六进制值 0x的字符hh |
\uhhhh | 带有十六进制值 0x的字符hhhh |
\t | 制表符 ('\u0009') |
\n | 新行(换行)符 ('\u000A') |
\r | 回车符 ('\u000D') |
\f | 换页符 ('\u000C') |
\a | 报警 (bell)符 ('\u0007') |
\e | 转义符 ('\u001B') |
\cx | 对应于x的控制符 |
字符类 | |
[abc] | a、b或 c(简单类) |
[^abc] | 任何字符,除了 a、b或 c(否定) |
[a-zA-Z] | a到 z或 A到 Z,两头的字母包括在内(范围) |
[a-d[m-p]] | a到 d或 m到 p:[a-dm-p](并集) |
[a-z&&[def]] | d、e或 f(交集) |
[a-z&&[^bc]] | a到 z,除了 b和 c:[ad-z](减去) |
[a-z&&[^m-p]] | a到 z,而非 m到 p:[a-lq-z](减去) |
预定义字符类 | |
. | 任何字符(与行结束符可能匹配也可能不匹配) |
\d | 数字:[0-9] |
\D | 非数字: [^0-9] |
\s | 空白字符:[ \t\n\x0B\f\r] |
\S | 非空白字符:[^\s] |
\w | 单词字符:[a-zA-Z_0-9] |
\W | 非单词字符:[^\w] |
POSIX字符类(仅 US-ASCII) | |
\p{Lower} | 小写字母字符:[a-z] |
\p{Upper} | 大写字母字符:[A-Z] |
\p{ASCII} | 所有 ASCII:[\x00-\x7F] |
\p{Alpha} | 字母字符:[\p{Lower}\p{Upper}] |
\p{Digit} | 十进制数字:[0-9] |
\p{Alnum} | 字母数字字符:[\p{Alpha}\p{Digit}] |
\p{Punct} | 标点符号:!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~ |
\p{Graph} | 可见字符:[\p{Alnum}\p{Punct}] |
\p{Print} | 可打印字符:[\p{Graph}\x20] |
\p{Blank} | 空格或制表符:[ \t] |
\p{Cntrl} | 控制字符:[\x00-\x1F\x7F] |
\p{XDigit} | 十六进制数字:[0-9a-fA-F] |
\p{Space} | 空白字符:[ \t\n\x0B\f\r] |
java.lang.Character类(简单的java字符类型) | |
\p{javaLowerCase} | 等效于 java.lang.Character.isLowerCase() |
\p{javaUpperCase} | 等效于 java.lang.Character.isUpperCase() |
\p{javaWhitespace} | 等效于 java.lang.Character.isWhitespace() |
\p{javaMirrored} | 等效于 java.lang.Character.isMirrored() |
|
|
Unicode块和类别的类 | |
\p{InGreek} | Greek 块(简单块)中的字符 |
\p{Lu} | 大写字母(简单类别) |
\p{Sc} | 货币符号 |
\P{InGreek} | 所有字符,Greek块中的除外(否定) |
[\p{L}&&[^\p{Lu}]] | 所有字母,大写字母除外(减去) |
边界匹配器 | |
^ | 行的开头 |
$ | 行的结尾 |
\b | 单词边界 |
\B | 非单词边界 |
\A | 输入的开头 |
\G | 上一个匹配的结尾 |
\Z | 输入的结尾,仅用于最后的结束符(如果有的话) |
\z | 输入的结尾 |
|
|
Greedy数量词 | |
X? | X,一次或一次也没有 |
X* | X,零次或多次 |
X+ | X,一次或多次 |
X{n} | X,恰好n次 |
X{n,} | X,至少n次 |
X{n,m} | X,至少n次,但是不超过m次 |
|
|
Reluctant数量词 | |
X?? | X,一次或一次也没有 |
X*? | X,零次或多次 |
X+? | X,一次或多次 |
X{n}? | X,恰好n次 |
X{n,}? | X,至少n次 |
X{n,m}? | X,至少n次,但是不超过m次 |
|
|
Possessive数量词 | |
X?+ | X,一次或一次也没有 |
X*+ | X,零次或多次 |
X++ | X,一次或多次 |
X{n}+ | X,恰好n次 |
X{n,}+ | X,至少n次 |
X{n,m}+ | X,至少n次,但是不超过m次 |
|
|
Logical运算符 | |
XY | X后跟Y |
X|Y | X或Y |
(X) | X,作为捕获组 |
|
|
Back引用 | |
\n | 任何匹配的nth捕获组 |
|
|
引用 | |
\ | Nothing,但是引用以下字符 |
\Q | Nothing,但是引用所有字符,直到 \E |
\E | Nothing,但是结束从 \Q开始的引用 |
|
|
特殊构造(非捕获) | |
(?:X) | X,作为非捕获组 |
(?idmsux-idmsux) | |
(?idmsux-idmsux:X) | |
(?=X) | X,通过零宽度的正 lookahead |
(?!X) | X,通过零宽度的负 lookahead |
(?<=X) | X,通过零宽度的正 lookbehind |
(?<!X) | X,通过零宽度的负 lookbehind |
(?>X) | X,作为独立的非捕获组 |
【正则表达式的具体功能】
// 验证QQ号 reg为规则
String reg = "[1-9]\\d{4,9}";
String qq = "012345a";
boolean flag = qq.matches(reg);
if (flag)
System.out.println(qq + "是合法的!");
else
System.out.println(qq + "是不合法的!");
public static void main(String[] args) {
// 按照多个空格进行切割
splitStr("zhangsan lisi wangwu", " +");
// 按照'.'进行切割,由于'.'表示任意字符,所以要用转义字符表示
splitStr("zhangsan.lisi.wangwu", "\\.");
// 按照叠词进行切割,为了可以让规则被重用,可以讲规则封装成一个组,用
// ()完成租的出现都有编号,从1开始;想要使用已有的组可以通过\n(n为组
// 的编号)的形式获取
splitStr("asferqqqqpoiknbmmrgggcvfd", "(.)\\1+");
}
// 定义方法,将字符串切割为数组,并打印
public static void splitStr(String str, String regex) {
String[] arr = str.split(regex);
System.out.println(arr.length);
for (String s : arr) {
System.out.println(s);
}
}
-
替换:
public String replaceAll(Stringregex,String replacement):使用给定的 replacement替换此字符串所有匹配给定的正则表达式的子字符串。
如:
public static void main(String[] args) {
// 将字符串中的数字替换为#
repsStr("sfjfi39347nbjgfbh8y7423gvefy7", "\\d{1,}", "#");
// 将字符串中的叠词替换为叠词中的单个字符,$可以获取正则表达式中的
// 组,$1表示正则表达式中的第一组
repsStr("erqqqqpoiknbmmr", "(.)\\1+", "$1");// erqpoiknbmr
}
public static void repsStr(String str, String reg, String newStr) {
String s = str.replaceAll(reg, newStr);
System.out.println(s);
}
-
获取:将字符串中符合规则的子串取出
思路:
-
public static Pattern compile(String regex):将给定的正则表达式编译到模式中。
-
public Matcher matcher(CharSequence input):创建匹配给定输入与此模式的匹配器。input - 要匹配的字符序列
【Macher】
public finalclass Matcher extends Objectimplements MatchResult
通过解释Pattern对character sequence执行匹配操作的引擎。
-
public Stringgroup():返回由以前匹配操作所匹配的输入子序列。对于具有输入序列s的匹配器m,表达式 m.group()和 s.substring(m.start(), m.end())是等效的。
-
public boolean matches():尝试将整个区域与模式匹配。该方法与String类的matches方法作用相同,实际上String类的matches方法封装的是该方法
-
public StringreplaceAll(String replacement):替换模式与给定替换字符串相匹配的输入序列的每个子序列。该方法与String类的replaceAll方法作用相同,实际上String类的replaceAll方法封装的是该方法
-
public boolean find():尝试查找与该模式匹配的输入序列的下一个子序列。
-
public int end():返回最后匹配字符之后的偏移量。
-
public int start():返回以前匹配的初始索引。
如:
String str = "da jia hao hei me cheng xu yuan";
String reg = "\\b[a-z]{3}\\b";
// 将正则表达式封装成对象
Pattern p = Pattern.compile(reg);
// 获取匹配引擎
Matcher m = p.matcher(str);
while (m.find()) {
System.out.println(m.group());
}
遇到的问题:代码如下
String str = "da jia hao hei me cheng xu yuan";
// 定义正则表达式为连续俩个字母字符
String reg = "\\b[a-z]{2}\\b";
// 将正则表达式封装成对象
Pattern p = Pattern.compile(reg);
// 获取匹配引擎
Matcher m = p.matcher(str);
// 验证字符串是否符合正则表达式
System.out.println(m.matches());
// 从字符串中偏移量0开始从查找符合正则表达式的子串,若有符合的就返回
// true,若为查找到则偏移量后移
while (m.find()) {
// 获取符合正则表达式的子串
System.out.println(m.group());
}
正确结果应为:da me xu但实际结果为:me xu
原因:因为matches方法是将整个字符穿与正则表达式进行比较,比较时位偏
移量也会后移,当验证完毕,执行循环判断find方法时位偏移量不是从
0开始的,而是使用matches对位偏移量操作后的值,所以未读到da
【常用的正则表达式】
1、整数或者小数:^[0-9]+\.{0,1}[0-9]{0,2}$
2、只能输入数字:"^[0-9]*$"。
3、只能输入n位的数字:"^\d{n}$"。
4、只能输入至少n位的数字:"^\d{n,}$"。
5、只能输入m~n位的数字:。"^\d{m,n}$"
6、只能输入零和非零开头的数字:"^(0|[1-9][0-9]*)$"。
7、只能输入有两位小数的正实数:"^[0-9]+(.[0-9]{2})?$"。
8、只能输入有1~3位小数的正实数:"^[0-9]+(.[0-9]{1,3})?$"。
9、只能输入非零的正整数:"^\+?[1-9][0-9]*$"。
10、只能输入非零的负整数:"^\-[1-9][]0-9"*$。
11、只能输入长度为3的字符:"^.{3}$"。
12、只能输入由26个英文字母组成的字符串:"^[A-Za-z]+$"。
13、只能输入由26个大写英文字母组成的字符串:"^[A-Z]+$"。
14、只能输入由26个小写英文字母组成的字符串:"^[a-z]+$"。
15、只能输入由数字和26个英文字母组成的字符串:"^[A-Za-z0-9]+$"。
16、只能输入由数字、26个英文字母或者下划线组成的字符串:"^\w+$"。
17、验证用户密码:"^[a-zA-Z]\w{5,17}$"正确格式为:以字母开头,长度在6~18之间,
只能包含字符、数字和下划线。
18、验证是否含有^%&',;=?$\"等字符:"[^%&',;=?$\x22]+"。
19、只能输入汉字:"^[\u4e00-\u9fa5]{0,}$"
20、验证Email地址:"^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$"。
21、验证InternetURL:"^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"。
22、验证电话号码:"^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$"正确格式为:"XXX-XXXXXXX"、
"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"
和"XXXXXXXX"。
23、验证身份证号(15位或18位数字):"^\d{15}|\d{18}$"。
24、验证一年的12个月:"^(0?[1-9]|1[0-2])$"正确格式为:"01"~"09"和"1"~"12"。
25、验证一个月的31天:"^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为;"01"~"09"和"1"~
"31"。
26、匹配中文字符的正则表达式: [\u4e00-\u9fa5]
27、匹配双字节字符(包括汉字在内):[^\x00-\xff]
28、应用:计算字符串的长度(一个双字节字符长度计2,ASCII字符计1)
String.prototype.len=function(){returnthis.replace(/[^\x00-\xff]/g,"aa").length;}
29、匹配空行的正则表达式:\n[\s| ]*\r
30、匹配html标签的正则表达式:<(.*)>(.*)<\/(.*)>|<(.*)\/>
31、匹配首尾空格的正则表达式:(^\s*)|(\s*$)