Java正则表达式初探

Java正则表达式

1.概述

正则表达式定义了字符串的模式。
可以用来搜索、编辑或处理文本。

正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

2.正则表达式实例介绍

简单举例

正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。

正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。

比如：

"Hello World"

就是一个正则表达式，只不过，他所能匹配的字符串范围非常局限，仅有"Hello World"这一字符串本身。

简单扩展

在正则表达式中\s+表示可以匹配任意多个（至少一个）空格，我们将刚才写的正则表达式"Hello World"稍微扩展一下，写成：

"Hello\s+World"

如此一来，我们的正则表达式就变成了，匹配Hello与World之间有任意个空格（至少一个）的字符串。

较复杂扩展

我们在写一个新的正则表达式：

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

其中涉及一些新的符号，解释如下：

• '^'定义此字符串了以该符号后面的第一个元素开头
• ‘\d’为一种转义符号，\代表转义，d代表digit，’\d’就是代表数字0~9
• ‘.‘为一种转义符号，表示匹配’.’
• '+'表示其前一个字符可以出现一次或多次
• '?'代表了前一个元素或一段元素（用括号包围），是可选项

注意：主要要学习的是正则表达式的灵活性，至于实际情况时匹配何种字符串时千变万化的，我们只需在需要时查看正则表达式的语法表示即可。

3.Java中正则表达式相关的类

在Java中和正则表达式相关的类，在java.util.regex中，主要有Pattern,Matcher,PatternSyntaxException这三个类。

Pattern类：

pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。

Matcher类：

Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。

PatternSyntaxException：

PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

4.使用举例

简单举例

直接将正则表达式以字符串类型存储在变量中，进行匹配

public static void main(String[] args) {
      String content = "I am bigOrange ! Hello!";
      String pattern = ".*Orange.*";

      boolean isMatch = Pattern.matches(pattern, content);
      System.out.println("字符串中是否包含了 'Orange' 子字符串? " + isMatch);
}

matches()属于Pattern类内的static方法，可以直接以ClassName.staticMethodName()的方式调用。

捕获组方式匹配多内容

捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。

为了便于理解，举例如下:

String pattern = "(\\D*)(\\d+)(.*)";

这一句Java程序定义了这样一个正则表达式，首先匹配非数字，其次匹配至少一个或多个数字，最后匹配任意字符串。

此表达式中括号并不必须，但有括号是为了进行捕获组匹配。

捕获组是通过从左至右计算其开括号来编号，匹配多个内容，比如在这句正则表达式中，我们就可以将其分为四个组：

"((\\D*)(\\d+)(.*))"
"(\\D*)"
"(\\d+)"
"(.*)"

第一个组为一个默认组，就是正则表达式本身。
其余组别，有括号顺序由左至右进行分组。

注意为了理清分组规律，我们在举一个例子：

有正规表达式：

"((A)(B(C)))"

其中ABC为任意元素，有分组：

"((A)(B(C)))"
"(A)"
"(B(C))"
"(C)"

进而可以总结出，首先正规表达式本身加上一对括号为一组；其次任意一对括号以及括号内的内容为一组。

所以组数=括号对数+1

了解了捕获组，进而举例如下：

public static void main(String[] args) {
    // 按指定模式在字符串查找
    String line = "I am bigOrange! 23333 Hello!";
    String pattern = "(\\D*)(\\d+)(.*)";

    // 创建 Pattern 对象
    Pattern r = Pattern.compile(pattern);

    // 现在创建 matcher 对象
    Matcher m = r.matcher(line);
    if (m.find( )) {
        for(int i=0;i<m.groupCount()+1;i++){
            System.out.println("group"+i+":"+m.group(i));
        }
    } else {
        System.out.println("NO MATCH");
    }
}

上述代码运行结果如下：

group0:I am bigOrange! 23333 Hello!
group1:I am bigOrange!
group2:23333
group3: Hello!

例中，我们使用pattern对象的complie方法，编译我们的正则表达式字符串。

通过pattern对象的matcher方法，以我们要匹配的句子为参数，创建一个Matcher对象。通过循环的方式，输出Matcher对象所匹配的捕获组。

可以看到：

• group0就是字符串整体，对应了正规表达式本身
• group1对应\\D*匹配非数字字段
• group2对应\\d*匹配数字字段
• group3对应.*匹配任意字段

注意：

for(int i=0;i<m.groupCount()+1;i++)

之所以加一，是因为正规表达式式本身这样一捕获组存在，但是m.groupCount并不会记录这一捕获组，所以很明显，例中m.groupCount返回的是3，为了输出全部四个默认组，所以+1。

"\\D*"

\\在java中表示一个\，这是因为在Java中\具有转义作用，所以单独一个\被视为有特殊含义，并不会起作用，而\\就代表我要将’'转义为普通字符。

总而言之，\\在java语言中表示输入一个字面意义上的\，即字符\。

5.正则表达式语法

见表正则表达式语法

回到顶部

表格

1.表正则表达式语法

字符	说明
\	将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，“n"匹配字符"n”。"\n"匹配换行符。序列"\\“匹配”\"，"\(“匹配”("。
^	匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。
*	零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。
+	一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。
?	零次或一次匹配前面的字符或子表达式。例如，"do(es)?“匹配"do"或"does"中的"do”。? 等效于 {0,1}。
{n}	n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。
{n,}	n 是非负整数。至少匹配 n 次。例如，"o{2,}“不匹配"Bob"中的"o”，而匹配"foooood"中的所有 o。"o{1,}“等效于"o+”。"o{0,}“等效于"o*”。
{n,m}	m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。‘o{0,1}’ 等效于 ‘o?’。注意：您不能将空格插入逗号和数字之间。
?	当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?“只匹配单个"o”，而"o+“匹配所有"o”。
.	匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。
(pattern)	匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"(“或者”)"。
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (丨) 组合模式部件的情况很有用。例如，'industr(?:y丨ies) 是比 ‘industry丨industries’ 更经济的表达式。
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，‘Windows (?!95丨98丨NT丨2000)’ 匹配"Windows 3.1"中的 “Windows”，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x丨y	匹配 x 或 y。例如，‘z丨food’ 匹配"z"或"food"。’(z丨f)ood’ 匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字符。例如，"[abc]“匹配"plain"中的"a”。
[^xyz]	反向字符集。匹配未包含的任何字符。例如，"[^abc]“匹配"plain"中"p”，“l”，“i”，“n”。
[a-z]	字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z]	反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b	匹配一个字边界，即字与空格间的位置。例如，“er\b"匹配"never"中的"er”，但不匹配"verb"中的"er"。
\B	非字边界匹配。“er\B"匹配"verb"中的"er”，但不匹配"never"中的"er"。
\cx	匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。
\d	数字字符匹配。等效于 [0-9]。
\D	非数字字符匹配。等效于 [^0-9]。
\f	换页符匹配。等效于 \x0c 和 \cL。
\n	换行符匹配。等效于 \x0a 和 \cJ。
\r	匹配一个回车符。等效于 \x0d 和 \cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S	匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t	制表符匹配。与 \x09 和 \cI 等效。
\v	垂直制表符匹配。与 \x0b 和 \cK 等效。
\w	匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。
\W	与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn	匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
\num	匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。
\n	标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。
\nm	标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 \nm 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。
\nml	当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。
\un	匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。