![c1ca8b2d3b5a61da9463eb8fa0d623d5.png](https://i-blog.csdnimg.cn/blog_migrate/b1757d067897dd5437b6ae3b3e6a3ee8.jpeg)
早期起源
正则表达式的“祖先”可以一直上溯至对人类神经系统如何工作的早期研究。Warren McCulloch 和 Walter Pitts 这两位神经生理学家研究出一种数学方式来描述这些神经网络。
1956 年, 一位叫 Stephen Kleene 的美国数学家在 McCulloch 和 Pitts 早期工作的基础上,发表了一篇标题为“神经网事件的表示法”的论文,引入了正则表达式的概念。正则表达式就是用来描述他称为“正则集的代数”的表达式,因此采用“正则表达式”这个术语。
随后,发现可以将这一工作应用于使用Ken Thompson 的计算搜索算法的一些早期研究,Ken Thompson是Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的qed 编辑器。
如他们所说,剩下的就是众所周知的历史了。从那时起直至现在正则表达式都是基于文本的编辑器和搜索工具中的一个重要部分。
重要声明
许多语言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正则表达式处理文本,一些文本编辑器用正则表达式实现高级“搜索-替换”功能
Java正则表达式不是javascript正则表达式
正则表达式的作用:
字符串的替换
将所有的空白字符替换成指定的符号
查找符合某种模式的字符串
查找出所有的邮箱
字符串的校验
判断某个邮箱是否合法
基础知识部份:
我们先从简单的开始。假设你要搜索一个包含字符“cat”的字符串,搜索用的正则表达式就是“cat”。如果搜索对大小写不敏感单 词“catalog”、“Catherine”、“sophisticated”都可以匹配。
1.1 句点符号
假设你在玩英文拼字游戏,想要找出三个字母的单词,而且这些单词必须以“t”字母开头,以“n”字母结束。你可以使用一个通配符——句点符号“.”。这样,完整的表达式就是“t.n”,它匹配“tan”、“ten”、“tin”和“ton”,还匹配“t#n”、“tpn”甚至“t n”,还有其他许多无意义的组合。
1.2 方括号符号
句点优点是通用,同时缺点也是通用
为了解决句点符号匹配范围过于广泛这一问题,你可以在方括号(“[]”)里面指定看来有意义的字符。此时,只有方括号里面指定的字符才参与匹配。也就是说,正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因为在方括号之内你只能匹配单个字符 .方括号表示可能出现的单个字符
1.3 “或”符号
句点和方括号只匹配单个字符,如果要匹配多个字符就要看”或”运算符了
如果除了上面匹配的所有单词之外,你还想要匹配“toon”,那么,你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”,使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号,因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。圆括号还可以用来分组,具体请参见后面介绍。
1.4.1 表示匹配次数的符号
遇到单个字符的重复问题,就要看下面的符号表了
表一显示了表示匹配次数的符号,这些符号用来确定紧靠该符号左边的符号出现的次数:
![5568489a387e989a7b18b5299dd084cb.png](https://i-blog.csdnimg.cn/blog_migrate/dbc3e1c97f60c25a14ad903607bffb7f.jpeg)
1.4.2常用符号小结1
句点.表示单个字符
方括号[]表示可能出现字符集里的单个字符
括号()可表示多个字符
大括号{}表示次数
转义字符“”
一般正则表达式是由通配符和固定字符组成
1.4.3实例1
假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式。在正则表达式中,连字符(“-”)有着特殊的意义,它表示一个范围,比如从0到9。因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“”。
看看下面那一行正则表达式是对的:
(0-9){3} -(0-9){2} - (0-9){4}
[0-9]{3} -[0-9]{2} - [0-9]{4}
正确的是:
![ca54bb3efc4ab7b069a12f4db3ae85b2.png](https://i-blog.csdnimg.cn/blog_migrate/27c61781344a95cb46a244e91b2f51af.jpeg)
1.4.4实例2
假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999和999999999都属于正确的格式。这时,你可以在连字符号后面加上一个数量限定符号,如图所示:
看看下面那一行正则表达式是对的:
(0-9){3} -?(0-9){2} -? (0-9){4}
[0-9]{3} -*[0-9]{2} -* [0-9]{4}
正确的是:
![24596e3f10a0e767cc40136682e21c38.png](https://i-blog.csdnimg.cn/blog_migrate/e0e85ffa0c62d01d7762fda07d7251b4.jpeg)
1.4.5实例3
下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。图显示了完整的正则表达式。
![4cabc2e907902703b171857faa7e5e06.png](https://i-blog.csdnimg.cn/blog_migrate/a89805642a52875417268018e0121db3.jpeg)
1.5 “否”符号
“^”符号称为“否”符号。如果用在方括号内,“^”表示不想要匹配的字符。例如,图四的正则表达式匹配所有单词,但以“X”字母开头的单词除外。
![47874470c250883416f916ed28283eb9.png](https://i-blog.csdnimg.cn/blog_migrate/d532e289cf3256e9a08b8d22b5253a7c.jpeg)
1.6.1 圆括号和空白符号
假设要从格式为“June 26, 1951”的生日日期中提取出月份部分,用来匹配该日期的正则表达式可以如图所示:
看看下面哪一个是正确的:
[a-z]* s+ [0-9]{1,2},s* [0-9]{4}
[a-z]+ s+ [0-9]{1,2},s* [0-9]{4}
正确的是:
![0eb89191d0a54117206bf332482f1da3.png](https://i-blog.csdnimg.cn/blog_migrate/dba1e3c743c700e8c3dc5058aca91a0a.jpeg)
1.6.2 圆括号和空白符号
新出现的“s”符号是空白符号,匹配所有的空白字符,包括Tab字符。如果字符串正确匹配,接下来如何提取出月份部分呢?只需在月份周围加上一个圆括号创建一个组,然后用ORO API(本文后面详细讨论)提取出它的值。修改后的正则表达式如图所示:
![254c56404db4468e3505fcb4eb95768f.png](https://i-blog.csdnimg.cn/blog_migrate/52a63930609030bde17adcf84e3258d8.jpeg)
1.7.1 其它符号
为简便起见,你可以使用一些为常见正则表达式创建的快捷符号。如表二所示: 表二:常用符号
![772c228bef15ae5338a01a6622b57e06.png](https://i-blog.csdnimg.cn/blog_migrate/d206c9374422feaed66a4a11bb48112e.jpeg)
1.7.2 其它符号
例如,在前面社会安全号码的例子中,所有出现“[0-9]”的地方我们都可以使用“d”。修改后的正则表达式如图所示:
![b4a0b397a2d3fd9319727d65a2077b4c.png](https://i-blog.csdnimg.cn/blog_migrate/4f799ced624e7cba9460fd7b73c50dea.jpeg)
1.8常用符号总结
句点.表示单个字符
方括号[]表示可能出现字符集里的单个字符
括号()可表示多个字符,还有分组功能
大括号{}表示次数
转义字符“”
一般正则表达式是由通配符和固定字符组成
^”符号称为“否”符号
d D w W s S等快捷符号
实战部份
Pattern类
代表一个已编译的正则表达式的类;
这个类只代表一个正则表达式,如果想利用这个正则表达式执行一些匹配操作的话,必须通过它的Mather对象;执行的顺序通常是;
Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
boolean b = m.matches();
Matcher类
使用正则表达式来匹配字符串操作的引擎;
通俗来说,它可以称为“匹配器”
通过调用模式的 matcher 方法从模式创建匹配器。创建匹配器后,可以使用它执行三种不同的匹配操作:
matches 方法尝试将整个输入序列与该模式匹配。
lookingAt尝试将输入序列从头开始与该模式匹配。
find 方法扫描输入序列以查找与该模式匹配的下一个子序列。
字符串是否为数字
String str="12345678";
Pattern pattern = Pattern.compile("[d]+",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());
可以加入控制正则表达式的匹配行为的参数:
Pattern Pattern.compile(String regex, int flag) flag的取值范围如下: 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"au030A"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,大小写不明感的匹配只适用于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(译者注: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。
在字符串包含验证时
//查找以Java开头,任意结尾的字符串
Pattern pattern = Pattern.compile("Java.*");
Matcher matcher = pattern.matcher("Java不是人");
boolean b = matcher.matches(); //当条件满足时,将返回true,否则返回false
System.out.println(b);
以多条件分割字符串时
Pattern pattern = Pattern.compile("[, |]+");
String[] strs = pattern.split("Java Hello World Java,Hello,,World|Sun");
for (int i=0;i<strs.length;i++){
System.out.println(strs[i]);
}
文字替换(首次出现字符和全部替换)
Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); //替换第一个符合正则的数据 System.out.println(matcher.replaceFirst("Java"));
Pattern pattern = Pattern.compile("正则表达式"); Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); //替换第一个符合正则的数据 System.out.println(matcher.replaceFirst("Java"));
文字替换(置换字符)
Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World ");
StringBuffer sbr = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());
验证是否为邮箱地址
String str=“yanleewi@yahoo.com.cn";
Pattern pattern = Pattern.compile("[w.-]+@([w-]+.)+[w-]+",
Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());
去除html标记
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href="index.html">主页</a>");
String string = matcher.replaceAll("");
System.out.println(string);
替换指定{}中文字
![463931c6eec6624946bda2bda537742c.png](https://i-blog.csdnimg.cn/blog_migrate/fcd1957deb0a20657b09468e54b56154.jpeg)