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
回到顶部
表格
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 (©)。 |