正则表达式

正则表达式

1. 快速入门

package com.example.mhl_demo.day01;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 测试使用正则表达式
 */
public class RegexpTest {
   

    public static void main(String[] args) {
   
        String content = "1995年，互联网的蓬勃发展给了Oak机会。" +
                "业界为了使死板、单调的静态网页能够“灵活”起来，急需一种软件技术来开发一种程序，" +
                "这种程序可以通过网络传播并且能够跨平台运行。于是，世界各大IT企业为此纷纷投入了" +
                "大量的人力、物力和财力。这个时候，Sun公司想起了那个被搁置起来很久的Oak，" +
                "并且重新审视了那个用软件编写的试验平台，由于它是按照嵌入式系统硬件平台" +
                "体系结构进行编写的，所以非常小，特别适用于网络上的传输系统，而Oak也是一种精简的语言，" +
                "程序非常小，适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以随同网页在网络上" +
                "传输的Applet（Applet是一种将小程序嵌入到网页中进行执行的技术），" +
                "并将Oak更名为Java（在申请注册商标时，发现Oak已经被人使用了，再想了一系列名字之后，" +
                "最终，使用了提议者在喝一杯Java咖啡时无意提到的Java词语）。5月23日，" +
                "Sun公司在Sun world会议上正式发布Java和HotJava浏览器。" +
                "IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软等各大公司都纷纷停止了" +
                "自己的相关开发项目，竞相购买了Java使用许可证，并为自己的产品开发了相应的Java平台。";

        //1. 先创建一个Pattern对象，模式对象，可以理解成就是一个正则表达式对象
        //Pattern pattern = Pattern.compile("[a-zA-Z]+");
        //匹配所有的数字
        //Pattern pattern = Pattern.compile("[0-9]+");
        //匹配所有的数字或者单词
        Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");
        //创建一个匹配器对象
        //理解：就是 matcher 匹配器按照 pattern(模式/样式)，到content 文本中去匹配

        Matcher matcher = pattern.matcher(content);
        //3. 可以开始匹配
        while (matcher.find()){
   
            //匹配内容，文本，放到m.group(0)
            System.out.println("找到：" + matcher.group(0));
        }

    }

}

2. 基本介绍

一个正则表达式，就是用某种模式去匹配字符串的一个公式。很多人因为它们看上去比较古怪而且复杂所以不敢去使用，不过，经过练习后，就觉得这些复杂的表达式写起来还是相当简单的。

源码分析

package com.example.mhl_demo.day01;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexpDemo2 {
   
    public static void main(String[] args) {
   
        String content = "1995年，互联网的蓬勃发展给了Oak机会。" +
                "业界为了使死板、单调的静态网页能够“灵活”起来，急需一种软件技术来开发一种程序，" +
                "这种程序可以通过网络传播并且能够跨平台运行。于是，世界各大IT企业为此纷纷投入了" +
                "大量的人力、物力和财力。这个时候，Sun公司想起了那个被搁置起来很久的Oak，" +
                "并且重新审视了那个用软件编写的试验平台，由于它是按照嵌入式系统硬件平台" +
                "体系结构进行编写的，所以非常小，特别适用于网络上的传输系统，而Oak也是一种精简的语言，" +
                "程序非常小，2323适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以随同网页在网络上" +
                "传输的Applet（Applet是一种将小程序嵌入到网页中进行执行的技术），" +
                "并将Oak更名为Java（在申请注册商标时，发现Oak已经被人使用了，再想了一系列名字之后，" +
                "最终，使用了提议者在喝一杯Java咖啡时无2346意提到的Java词语）。5月23日，" +
                "Sun公司8787在Sun world会议上正式发布Java和HotJava浏览器。" +
                "IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软等各大公司都纷纷停止了" +
                "自己的相关开发项目，竞相购买了Java使用许可证，并为自己的产品开发了相应的Java平台。";

        //目标：找到所有的四个数字
        //说明：\\d 表示任意一个数字
        //String regStr = "\\d\\d\\d\\d";
        //分组
        String regStr = "(\\d\\d)(\\d\\d)";
        //创建模式对象[及正则表达式对象]
        Pattern pattern = Pattern.compile(regStr);
        //创建匹配器matcher , 按照 正则表达式的规则，去匹配 content字符串
        Matcher matcher = pattern.matcher(content);

        /**
         * 源码分析：
         *  （1）find() :
         *      1. 根据指定的规则，定位满足规则的子字符串
         *      2. 找到后，将子字符串的开始的索引记录在 matcher 兑现的属性 int[] groups中
         *          2.1 groups[0] = 0 , 把该字符串的结束的索引 + 1 记录到groups[1]= 4中
         *          2.2 如果正则表达中有（小括号：代表分组）
         *              2.2.1 记录第一组小括号匹配的字符串到 groups[2] 和 groups[3]
         *              2.2.2 记录第二组小括号匹配的字符串到 groups[4] 和 groups[5]
         *              ……
         *
         *  (2) matcher.group(0)
         *     public String group(int group) {
         *         if (first < 0)
         *             throw new IllegalStateException("No match found");
         *         if (group < 0 || group > groupCount())
         *             throw new IndexOutOfBoundsException("No group " + group);
         *         if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
         *             return null;
         *         return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
         *     }
         *
         *     截取关键点：getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString()
         *     当 group = 0 的时候， 截取的是 groups[0] , groups[1]
         *     当 group = 1 的时候， 截取的是 groups[2] , groups[3]
         *     当 group = 2 的时候， 截取的是 groups[4] , groups[5]
         *     如果有更多的组，以此类推
         *
         *     groups[0],groups[1] 中永远记录的是 符合整个正则表达式的索引
         *     其余的都是分组匹配的索引
         */

        //开始匹配
        while (matcher.find()){
   
            System.out.println("找到: " + matcher.group(0));
            System.out.println("找到第一组: " + matcher.group(1));
            System.out.println("找到第二组: " + matcher.group(2));
        }
    }
}

3. 语法

3.1 元字符 - 转义号 (\\)

\\说明： 在我们使用正则表达式去检索某些特殊字符的时候，需要用到转义符号，否则检索不到结果，甚至会报错。

案例： 用 $ 去匹配 abc$( 会怎样？

提示：在java的正则表达式中，两个 \\代表其他语言中的一个 \

/**
 * 转移符号 \\
 */
public static void fun1() {
   
    String content = "abc$(abc(123(";
    String regStr = "\\(";

    Pattern pattern = Pattern.compile(regStr);

    Matcher matcher = pattern.matcher(content);

    while (matcher.find()) {
   
        System.out.println("找到： " + matcher.group(0));
    }
}

3.2 元字符 - 匹配符

符号	说明	示例	解释
[ ]	可接受的字符列表	[efgh]、[a-z]	e、f、g、h中的任意字符
[^]	不可接受的字符列表	[^abc]	除a、b、c之外的任意一个字符，包括 数字和特殊符号
-	连字符	A-Z	任意单个大写字母

符号	含义	示例	说明	匹配输入
.	匹配除\n 以外的字符	a…b	以a开头，b结尾，中间包括 2个任意字符的长度为4 的字符串	aaab
\\d	匹配单个数字字符，相当于 [0-9]	\\d{3}(\\d)?	包含3个或四个数字的字符串	123，9876
\\D	匹配单个非数字字符，相当于 [^0-9]