正则表达式 java_Java 正则表达式详解

1. 正则表达式

1.1 什么是正则表达式

正则表达式

: 定义一个搜索模式的字符串。

正则表达式可以用于搜索、编辑和操作文本。

正则对文本的分析或修改过程为：首先正则表达式应用的是文本字符串(text/string)，它会以定义的模式从左到右匹配文本，每个源字符只匹配一次。

1.2 示例

正则表达式

匹配

this is text

精确匹配字符串 "this is text"

this\s+is\s+text

匹配单词 "this" 后跟一个或多个空格字符，后跟词 "is" 后跟一个或多个空格字符，后跟词 "text"

^\d+(\.\d+)?

^ 定义模式必须匹配字符串的开始，d+ 匹配一个或多个数字，? 表明小括号内的语句是可选的，\. 匹配 "."，小括号表示分组。例如匹配："5"、"1.5" 和 "2.21"

2. 正则表达式的编写规则

2.1 常见匹配符号

正则表达式

描述

.

匹配所有单个字符，除了换行符(Linux 中换行是 \n，Windows 中换行是 \r\n)

^regex

正则必须匹配字符串开头

regex$

正则必须匹配字符串结尾

[abc]

复选集定义，匹配字母 a 或 b 或 c

[abc][vz]

复选集定义，匹配字母 a 或 b 或 c，后面跟着 v 或 z

[^abc]

当插入符 ^ 在中括号中以第一个字符开始显示，则表示否定模式。此模式匹配所有字符，除了 a 或 b 或 c

[a-d1-7]

范围匹配，匹配字母 a 到 d 和数字从 1 到 7 之间，但不匹配 d1

XZ

匹配 X 后直接跟着 Z

X|Z

匹配 X 或 Z

2.2 元字符

元字符是一个预定义的字符。

正则表达式

描述

\d

匹配一个数字，是 [0-9] 的简写

\D

匹配一个非数字，是 [^0-9] 的简写

\s

匹配一个空格，是 [ \t\n\x0b\r\f] 的简写

\S

匹配一个非空格

\w

匹配一个单词字符(大小写字母、数字、下划线)，是 [a-zA-Z_0-9] 的简写

\W

匹配一个非单词字符(除了大小写字母、数字、下划线之外的字符)，等同于 [^\w]

2.3 限定符

限定符定义了一个元素可以发生的频率。

正则表达式

描述

举例

*

匹配 >=0 个，是 {0,} 的简写

X* 表示匹配零个或多个字母 X，.* 表示匹配任何字符串

+

匹配 >=1 个，是 {1,} 的简写

X+ 表示匹配一个或多个字母 X

?

匹配 1 个或 0 个，是 {0,1} 的简写

X? 表示匹配 0 个或 1 个字母 X

{X}

只匹配 X 个字符

\d{3} 表示匹配 3 个数字，.{10} 表示匹配任何长度是 10 的字符串

{X,Y}

匹配 >=X 且 <=Y 个

\d{1,4} 表示匹配至少 1 个最多 4 个数字

*?

如果 ? 是限定符 * 或 + 或 ? 或 {} 后面的第一个字符，那么表示非贪婪模式(尽可能少的匹配字符)，而不是默认的贪婪模式

2.4 分组和反向引用

小括号 () 可以达到对正则表达式进行分组的效果。

模式分组后会在正则表达式中创建反向引用。反向引用会保存匹配模式分组的字符串片断，这使得我们可以获取并使用这个字符串片断。

在以正则表达式替换字符串的语法中，是通过 $ 来引用分组的反向引用，$0 是匹配完整模式的字符串(注意在 JavaScript 中是用 $& 表示)；$1 是第一个分组的反向引用；$2 是第二个分组的反向引用，以此类推。

示例：

package com.wuxianjiezh.demo.regex;

public class RegexTest {

public static void main(String[] args) {

// 去除单词与 , 和 . 之间的空格

String Str = "Hello , World .";

String pattern = "(\\w)(\\s+)([.,])";

// $0 匹配 `(\w)(\s+)([.,])` 结果为 `o空格,` 和 `d空格.`

// $1 匹配 `(\w)` 结果为 `o` 和 `d`

// $2 匹配 `(\s+)` 结果为 `空格` 和 `空格`

// $3 匹配 `([.,])` 结果为 `,` 和 `.`

System.out.println(Str.replaceAll(pattern, "$1$3")); // Hello, World.

}

}

上面的例子中，我们使用了 [.] 来匹配普通字符 . 而不需要使用 [\\.]。因为正则对于 [] 中的 .，会自动处理为 [\.]，即普通字符 . 进行匹配。

2.4.1 仅分组但无反向引用

当我们在小括号 () 内的模式开头加入 ?:，那么表示这个模式仅分组，但不创建反向引用。

示例：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "img.jpg";

// 分组且创建反向引用

Pattern pattern = Pattern.compile("(jpg|png)");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group());

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

}

}

}

运行结果：

jpg

jpg

若源码改为：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "img.jpg";

// 分组但不创建反向引用

Pattern pattern = Pattern.compile("(?:jpg|png)");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group());

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

}

}

}

运行结果：

jpg

Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 1

at java.util.regex.Matcher.group(Matcher.java:538)

at com.wuxianjiezh.regex.RegexTest.main(RegexTest.java:15)

2.4.2 分组的反向引用副本

Java 中可以在小括号中使用 ? 将小括号中匹配的内容保存为一个名字为 name 的副本。

示例：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "@wxj 你好啊";

Pattern pattern = Pattern.compile("@(?\\w+\\s)"); // 保存一个副本

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group());

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

System.out.println(matcher.group("first"));

}

}

}

运行结果：

@wxj

wxj

wxj

2.5 否定先行断言(Negative lookahead)

我们可以创建否定先行断言模式的匹配，即某个字符串后面不包含另一个字符串的匹配模式。

否定先行断言模式通过 (?!pattern) 定义。比如，我们匹配后面不是跟着 "b" 的 "a"：

a(?!b)

2.6 指定正则表达式的模式

可以在正则的开头指定模式修饰符。

(?i) 使正则忽略大小写。

(?s) 表示单行模式("single line mode")使正则的 . 匹配所有字符，包括换行符。

(?m) 表示多行模式("multi-line mode")，使正则的 ^ 和 $ 匹配字符串中每行的开始和结束。

2.7 Java 中的反斜杠

反斜杠 \ 在 Java 中表示转义字符，这意味着 \ 在 Java 拥有预定义的含义。

这里例举两个特别重要的用法：

在匹配 . 或 { 或 [ 或 ( 或 ? 或 $ 或 ^ 或 * 这些特殊字符时，需要在前面加上 \\，比如匹配 . 时，Java 中要写为 \\.，但对于正则表达式来说就是 \.。

在匹配 \ 时，Java 中要写为 \\\\，但对于正则表达式来说就是 \\。

注意：Java 中的正则表达式字符串有两层含义，首先 Java 字符串转义出符合正则表达式语法的字符串，然后再由转义后的正则表达式进行模式匹配。

2.8 易错点示例

[jpg|png] 代表匹配 j 或 p 或 g 或 p 或 n 或 g 中的任意一个字符。

(jpg|png) 代表匹配 jpg 或 png。

3. 在字符串中使用正则表达式

3.1 内置的字符串正则处理方法

在 Java 中有四个内置的运行正则表达式的方法，分别是 matches()、split())、replaceFirst()、replaceAll()。注意 replace() 方法不支持正则表达式。

方法

描述

s.matches("regex")

当仅且当正则匹配整个字符串时返回 true

s.split("regex")

按匹配的正则表达式切片字符串

s.replaceFirst("regex", "replacement")

替换首次匹配的字符串片段

s.replaceAll("regex", "replacement")

替换所有匹配的字符

3.2 示例

示例代码：

package com.wuxianjiezh.regex;

public class RegexTest {

public static void main(String[] args) {

System.out.println("wxj".matches("wxj"));

System.out.println("----------");

String[] array = "w x j".split("\\s");

for (String item : array) {

System.out.println(item);

}

System.out.println("----------");

System.out.println("w x j".replaceFirst("\\s", "-"));

System.out.println("----------");

System.out.println("w x j".replaceAll("\\s", "-"));

}

}

运行结果：

true

----------

w

x

j

----------

w-x j

----------

w-x-j

4. 模式和匹配

Java 中使用正则表达式需要用到两个类，分别为 java.util.regex.Pattern 和 java.util.regex.Matcher。

第一步，通过正则表达式创建模式对象 Pattern。

第二步，通过模式对象 Pattern，根据指定字符串创建匹配对象 Matcher。

第三步，通过匹配对象 Matcher，根据正则表达式操作字符串。

来个例子，加深理解：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String text = "Hello Regex!";

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

// Java 中忽略大小写，有两种写法：

// Pattern pattern = Pattern.compile("\\w+", Pattern.CASE_INSENSITIVE);

// Pattern pattern = Pattern.compile("(?i)\\w+"); // 推荐写法

Matcher matcher = pattern.matcher(text);

// 遍例所有匹配的序列

while (matcher.find()) {

System.out.print("Start index: " + matcher.start());

System.out.print(" End index: " + matcher.end() + " ");

System.out.println(matcher.group());

}

// 创建第两个模式，将空格替换为 tab

Pattern replace = Pattern.compile("\\s+");

Matcher matcher2 = replace.matcher(text);

System.out.println(matcher2.replaceAll("\t"));

}

}

运行结果：

Start index: 0 End index: 5 Hello

Start index: 6 End index: 11 Regex

Hello Regex!

5. 若干个常用例子

5.1 中文的匹配

[\u4e00-\u9fa5]+ 代表匹配中文字。

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "閑人到人间";

Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group());

}

}

}

运行结果：

閑人到人间

5.2 数字范围的匹配

比如，匹配 1990 到 2017。

注意：这里有个新手易范的错误，就是正则 [1990-2017]，实际这个正则只匹配 0 或 1 或 2 或 7 或 9 中的任一个字符。

正则表达式匹配数字范围时，首先要确定最大值与最小值，最后写中间值。

正确的匹配方式：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "1990\n2010\n2017";

// 这里应用了 (?m) 的多行匹配模式，只为方便我们测试输出

// "^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$" 为判断 1990-2017 正确的正则表达式

Pattern pattern = Pattern.compile("(?m)^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group());

}

}

}

运行结果：

1990

2010

2017

5.3 img 标签的匹配

比如，获取图片文件内容，这里我们考虑了一些不规范的 img 标签写法：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "" +

"";

// 这里我们考虑了一些不规范的 img 标签写法，比如：空格、引号

Pattern pattern = Pattern.compile("\\w+.(jpg|png))(?:['\"])?\\s*/>");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group("src"));

}

}

}

运行结果：

aaa.jpg

bbb.png

ccc.png

5.4 贪婪与非贪婪模式的匹配

比如，获取 div 标签中的文本内容：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class RegexTest {

public static void main(String[] args) {

String str = "

文章标题

发布时间

";

// 贪婪模式

Pattern pattern = Pattern.compile("

(?.+)

");

Matcher matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group("title"));

}

System.out.println("--------------");

// 非贪婪模式

pattern = Pattern.compile("

(?.+?)

");

matcher = pattern.matcher(str);

while (matcher.find()) {

System.out.println(matcher.group("title"));

}

}

}

运行结果：

文章标题