【Java 正则表达式】单字符匹配、预定字符、量词、Matcher（贪婪、勉强、独占模式）、捕获组、边界匹配符、String类与正则表达式

最新推荐文章于 2023-10-23 15:49:57 发布

萌宅鹿同学

最新推荐文章于 2023-10-23 15:49:57 发布

阅读量1.1k

点赞数 5

分类专栏： # 《Java 从 0 到架构师》文章标签：字符串正则表达式 java regex

本文链接：https://blog.csdn.net/weixin_43734095/article/details/105655922

版权

《Java 从 0 到架构师》专栏收录该内容

74 篇文章 36 订阅

订阅专栏

Java笔记目录可以点这里：Java 强化笔记

字符串的合法验证

在开发中，经常会对一些字符串进行合法验证；

例如，对输入的邮件格式进行验证；
在这里插入图片描述

自己编写验证逻辑

我们可以写一段代码来对邮件字符串格式进行验证：

// 6~18个字符，可使用字母、数字、下划线，需以字母开头
public static boolean validate(String email) {
	if (email == null) {
		System.out.println("不能为空");
		return false;
	}
	char[] chars = email.toCharArray();
	if (chars.length < 6 || chars.length > 18) {
		System.out.println("必须是6~18个字符");
		return false;
	}
	if(!isLetter(chars[0])) {
		System.out.println("必须以字母开头");
		return false;
	}
	for (int i = 1; i < chars.length; i++) {
		char c = chars[i];
		if (isLetter(c) || isDigit(c) || c == '_') continue;
		System.out.println("必须由字母、数字、下划线组成");
		return false;
	}
		return true;
}
// 判断是否是字母
public static boolean isLetter(char c) {
	return (c >= 'A' && c <= 'Z') || (c >= 'a' && c <= 'z');
}
// 判断是否是数字
public static boolean isDigit(char c) {
	return c >= '0' && c <= '9';
}

public static void main(String[] args) {
	// 必须是6~18个字符
	validate("12345");
	// 必须以字母开头
	validate("123456");
	// true
	validate("vv123_456");
	// 必须由字母、数字、下划线组成
	validate("vv123+/?456");
}

使用正则表达式

上面验证逻辑的代码比较长，如果用正则表达式则可以轻松搞定：（正则是什么请继续看下去）

// String regex = "[a-zA-Z][a-zA-Z0-9_]{5,17}"; // 两种写法等价
String regex = "[a-zA-Z]\\w{5,17}";
"12345".matches(regex); // false
"123456".matches(regex); // false
"vv123_456".matches(regex); // true
"vv123+/?456".matches(regex); // false

[a-zA-Z]\\w{5,17} 是一个正则表达式

用非常精简的语法取代了复杂的验证逻辑
极大地提高了开发效率

正则表达式是一种通用的技术，适用于绝大多数流行编程语言

// JavaScript 中的正则表达式
const regex = /[a-zA-Z]\w{5, 17}/;
regex.test('12345'); // false
regex.test('123456'); // false
regex.test('vv123_456') // true
regex.test('vv123+/?456') // false

单字符匹配

在这里插入图片描述

// 只能以b、c、r开头, 后面必须跟着at
// 等价于 [b|c|r]at、(b|c|r)at, 圆括号不可能省略 "|"
String regex = "[bcr]at";
"bat".matches(regex); // true
"cat".matches(regex); // true
"rat".matches(regex); // true
"hat".matches(regex); // false

// 不能以b、c、r开头, 但后面必须跟at
String regex = "[^bcr]at"; 
"bat".matches(regex); // false
"cat".matches(regex); // false
"rat".matches(regex); // false
"hat".matches(regex); // true

// foo后面只能跟1~5
String regex = "foo[1-5]";
"foo3".matches(regex); // true
"foo6".matches(regex); // false

// foo后面只能跟1-5以外的事情
String regex = "foo[^1-5]";
"foo3".matches(regex); // false
"foo6".matches(regex); // true

// "foo1-5"必须全字匹配
String regex = "foo1-5"; 
"foo1-5".matches(regex); // true
"fool".matches(regex); // false
"foo5".matches(regex); // flase

// 等价于 "[0-46-8]"
String regex = "[0-4[6-8]]";
"5".matches(regex); // false
"7".matches(regex); // true
"9".matches(regex); // false

// [0-9] 与 [^345] 的交集, 即 [0-2[6-9]]
String regex = "[0-9&&[^345]]";
"2".matches(regex); // true
"3".matches(regex); // false
"4".matches(regex); // false
"5".matches(regex); // false
"6".matches(regex); // true

// [0-9] 与 [345] 的交集, 等价于 [3-5]
String regex = "[0-9&&[345]]";
"2".matches(regex); // false
"3".matches(regex); // true
"4".matches(regex); // true
"5".matches(regex); // trye
"6".matches(regex); // false

预定义字符

在这里插入图片描述
Java 中，以 1个反斜杠\ 开头的字符会被当做转义字符处理

因此，为了在正则表达式中完整地表示预定义字符，需要以 2个反斜杠\\ 开头，比如 "\\d"

// 匹配任意单个字符
String regex = ".";
"@".matches(regex);
"c".matches(regex);
"6".matches(regex);
".".matches(regex);

// 只匹配 "."
String regex = "\\.";
"@".matches(regex); // false
"c".matches(regex); // false
"6".matches(regex); // fasle
".".matches(regex); // true

// 全字匹配 "[123]"
String regex = "\\[123\\]";
"1".matches(regex); // false
"2".matches(regex); // false
"3".matches(regex); // false
"[123]".matches(regex); // true

// 匹配数字, 等价于[0-9]
String regex = "\\d";
"c".matches(regex); // false
"6".matches(regex); // true

// 匹配非数字, 等价于[^0-9]
String regex = "\\D";
"c".matches(regex); // true
"6".matches(regex); // false

量词（Quantifier）

在这里插入图片描述

// "666"完全匹配
String regex = "6{3}";
"66".matches(regex);   // false
"666".matches(regex);  // true 
"6666".matches(regex); // false

// "6"出现2到4次, "66"、"666"、"6666"
String regex = "6{2,4}";
"6".matches(regex); // false
"66".matches(regex); // true
"666".matches(regex); // true
"6666".matches(regex); // true
"66666".matches(regex); // false

// "6"出现2次以上
String regex = "6{2,}";
"6".matches(regex); // false
"66".matches(regex); // true
"666".matches(regex); // true
"6666".matches(regex); // true
"66666".matches(regex); // true

// "6"出现0次或者1次
String regex = "6?";
"".matches(regex); // true
"6".matches(regex); // true
"66".matches(regex); // false

// "6"出现任意次数
String regex = "6*";
"".matches(regex); // true
"6".matches(regex); // true
"66".matches(regex); // true
"67".matches(regex); // false, 必须完全匹配

// "6"出现至少1次
String regex = "6+";
"".matches(regex); // false
"6".matches(regex); // true
"66".matches(regex); // true

Pattern、Matcher

String 的 matches 方法底层用到了 Pattern、Matcher 两个类；

// java.lang.String 源码：
public boolean matches(String regex) {
    return Pattern.matches(regex, this);
}

// java.util.regex.Pattern 源码：
public static boolean matches(String regex, CharSequence input) {
    Pattern p = Pattern.compile(regex);
    Matcher m = p.matcher(input);
    return m.matches();
}

Matcher 常用方法

//如果整个input与regex匹配，就返回 true 
public boolean matches();

//如果从input中找到了与regex匹配的子序列，就返回 true
//如果匹配成功，可以通过start、end、group方法获取更多信息
//每次的查找范围会先剔除此前已经查找过的范围
public boolean find();

//返回上一次匹配成功的开始索引
public int start();

//返回上一次匹配成功的结束索引
public int end();

//返回上一次匹配成功的input子序列
public String group();

【Matcher 工具】：找出所有匹配的子序列

public static void findAll(String regex, String input) {
	findAll(regex, input, 0);
}

public static void findAll(String regx, String input, int flags) {
	if (regx == null || input == null) return;
	Pattern p = Pattern.compile(regx, flags); // 编译正则, 看是否合法, flags代表模式
	Matcher	m = p.matcher(input); // 匹配, 返回一个匹配器
	boolean found = false;
	while (m.find()) {
		found = true;
		System.out.format("\"%s\", [%d, %d)%n", m.group(), m.start(), m.end());
	}
	if (!found) {
		System.out.println("No match.");
	}
}

Matcher - 示例：

findAll("\\d{3}", "111_222_333_444_555");
/*
"111", [0, 3)
"222", [4, 7)
"333", [8, 11)
"444", [12, 15)
"555", [16, 19)
*/

String regex = "123";

findAll(regex, "123");
// "123", [0, 3)

findAll(regex, "6_123_123_123_7");
/*
"123", [2, 5)
"123", [6, 9)
"123", [10, 13)
*/

String regex = "[abc]{3}";

findAll(regex, "abccabaaaccbbbc");
/*
"abc", [0, 3)
"cab", [3, 6)
"aaa", [6, 9)
"ccb", [9, 12)
"bbc", [12, 15)
*/

String regex = "\\d{2}";

findAll(regex, "0_12_345_67_8");
/*
"12", [2, 4)
"34", [5, 7)
"67", [9, 11)
*/

String input = "";

findAll("a?", input);
// "", [0, 0)

String input = "";

findAll("a?", input);
// "", [0, 0)

findAll("a*", input);
// "", [0, 0)

findAll("a+", input);
// No match.

String input = "a";

findAll("a?", input);
// "a", [0, 1)
// "", [1, 1)

findAll("a*", input);
// "a", [0, 1)
// "", [1, 1)

findAll("a+", input);
// "a", [0, 1)

String input = "abbaaa";

findAll("a?", input);
/*
"a", [0, 1)
"", [1, 1)
"", [2, 2)
"a", [3, 4)
"a", [4, 5)
"a", [5, 6)
"", [6, 6)
*/

findAll("a*", input);
/*
"a", [0, 1)
"", [1, 1)
"", [2, 2)
"aaa", [3, 6)
"", [6, 6)
*/

findAll("a+", input);
// "a", [0, 1)
// "aaa", [3, 6)

Matcher – 贪婪、勉强、独占的区别

这里再次放出这张表。
在这里插入图片描述

String input = "afooaaaaaafooa";
findAll(".*foo", input); // 贪婪
// "afooaaaaaafoo", [0, 13)

findAll(".*?foo", input); // 勉强
// "afoo", [0, 4)
// "aaaaaafoo", [4, 13)

findAll(".*+foo", input); // 独占
// No match.

在这里插入图片描述

捕获组（Capturing Group）

简单的说，一对小括号里的内容就是一个捕获组；

String regex1 = "dog{3}";
"doggg".matches(regex1); // true

String regex2 = "[dog]{3}";
"ddd".matches(regex2); // true
"ooo".matches(regex2); // true
"ggg".matches(regex2); // true
"dog".matches(regex2); // true
"gog".matches(regex2); // true
"gdo".matches(regex2); // true
// ... 共 3 * 3 * 3 = 27 种可能

// (dog)就是一个捕获组
String regex3 = "(dog){3}";
"dogdogdog".matches(regex3); // true

捕获组 – 反向引用（Backreference）

反向引用：可以使用反斜杠\+ 组编号（从 1 开始）来引用组的内容

// (\\d\\d)是一个捕获组, \\1表示引用第一个捕获组(内容要相同)
String regex = "(\\d\\d)\\1";
"1212".matches(regex); // true
"1234".matches(regex); // false

// 总共有2个组
// 编号1: ([a-z]{2})
// 编号2: ([A-Z]{2})
// \\2\\1 表示先引用第2组再引用第1组
String regex = "([a-z]{2})([A-Z]{2})\\2\\1";
"mjPKPKmj".matches(regex); // true
"mjPKmjPK".matches(regex); // false

// 总共有4个组
// 编号1: ((I)( Love( You)))
// 编号2: (I)
// 编号3: ( Love( You))
// 编号4: ( You)
// \\3{2} 表示引用2次第3组, 即后面跟 "Love You Love You"
String regex = "((I)( Love( You)))\\3{2}";
"I Love You Love You Love You".matches(regex); // true

String input = "aaabbbb";
// 下面的正则等价于: "([a-z])\\1{3}"
String regex = "([a-z])\\1\\1\\1";
findAll(regex, input);

边界匹配符（ Boundary Matcher）

在这里插入图片描述

基本概念（终止符、输入、一行、单词边界）

终止符（Final Terminator、Line Terminator）

\r（回车符）、\n（换行符）、\r\n（回车换行符）

输入：整个字符串

一行：以终止符（或整个输入的结尾）结束的字符串片段

如果输入是 dog\ndog\rdog
那么 3 个 dog 都是一行
（匹配模式要设置为多行模式，终止符才会生效，否则还是看作单行）

单词边界：
在这里插入图片描述

// 哪些东西是单词边界？
// 除开英文字母大小写、阿拉伯数字、下划线、其他国家的正常文字以外的字符
String input = "dog_dog6dog+dog-dog哈";
findAll("\\bdog\\b", input);
// "dog", [12, 15)

\b 代表单词边界：

// \\b是单词边界, 要求dog左边和右边都是单词边界
String regex = "\\bdog\\b";

// " " 和 "." 是单词边界
findAll(regex, "This is a dog.");
// "dog", [10, 13)

findAll(regex, "This is a doggie.");
// No match.

// 开头视作单词边界
findAll(regex, "dog is cute");
// "dog", [0, 3)

// ","是单词边界
findAll(regex, "I love cat,dog,pig.");
// "dog", [11, 14)

\B 代表非单词边界：

// dog左边是单词边界, dog右边不是单词边界
String regex = "\\bdog\\B";

findAll(regex, "This is a dog.");
// No match.

findAll(regex, "This is a doggie.");
// "dog", [10, 13)

findAll(regex, "dog is cute");
// No match.

findAll(regex, "I love cat,dog,pig.");
// No match.

^ 代表一行的开头，$ 代表一行的结尾：

// ^是一行的开头, $是一行的结尾
// 要求dog, 且d是行开头, g是行结尾
String regex = "^dog$";
findAll(regex, "dog");
// "dog", [0, 3)

findAll(regex, "     dog");
// No match.

// -------------------------------------

findAll("\\s*dog$", "    dog");
// "    dog", [0, 7)

findAll("^dog\\w*", "dogblahblah");
// "dogblahblah", [0, 11)

\A 代表 输入的开头、\z 代表输入的结尾、\Z 代表输入的结尾（结尾可以有终结符）：

// "\A" 代表输入的开头
// "\z" 代表输入的结尾
// "\Z" 代表输入的结尾(结尾可以有终结符)
String regex1 = "\\Adog\\z";
String regex2 = "\\Adog\\Z";

findAll(regex1, "dog");
// "dog", [0, 3)
findAll(regex2, "dog");

findAll(regex1, "dog\n");
// No match.
findAll(regex2, "dog\n");
// "dog", [0, 3)

findAll(regex1, "dog\ndog\rdog");
// No match.
findAll(regex2, "dog\ndog\rdog");
// No match.

findAll(regex1, "dog\ndog\rdog", Pattern.MULTILINE);
// No match.
findAll(regex2, "dog\ndog\rdog", Pattern.MULTILINE);
// No match.

\G 代表上一次匹配的结尾（很少用到）

// 开头看做一次匹配的结尾
String regex = "\\Gdog";
findAll(regex, "dog");
// "dog", [0, 3)

findAll(regex, "dog dog");
// "dog", [0, 3)

findAll(regex, "dogdog");
// "dog", [0, 3)
// "dog", [3, 6)

常用模式（CASE_INSENSITIVE、DOTALL、MULTILINE）

在这里插入图片描述
CASE_INSENSITIVE 忽略大小写模式：

String regex = "dog";
String input = "Dog_dog_DOG";

// 默认是
findAll(regex, input);
// "dog", [4, 7)

// 设置忽略大小写模式
findAll(regex, input, Pattern.CASE_INSENSITIVE);
// "Dog", [0, 3)
// "dog", [4, 7)
// "DOG", [8, 11)

// 忽略大小写模式, 正则写法
findAll("(?i)dog", input);
// "Dog", [0, 3)
// "dog", [4, 7)
// "DOG", [8, 11)

DOTALL 单行模式：

// "."代表匹配任意字符
String regex = ".";
String input = "\r\n";

findAll(regex, input); // 默认无法匹配到终结符
// No match.

// 单行模式（可以匹配任意字符, 包括终止符）
findAll(regex, input, Pattern.DOTALL);
// "\r", [0, 1)
// "\n", [1, 2)

// 多行模式（^、$ 能真正匹配一行的开头和结尾, 无法匹配到终结符）
findAll(regex, input, Pattern.MULTILINE);
// No match.

findAll(regex, input, Pattern.MULTILINE | Pattern.DOTALL);
// "\r", [0, 1)
// "\n", [1, 2)

MULTILINE 多行模式：

// 以d为一行开头, g为一行结尾, 中间为o
String regex = "^dog$";
String input = "dog\ndog\rdog";

findAll(regex, input);
// No match.

findAll(regex, input, Pattern.DOTALL); // 单行模式, 可以匹配到终结符, 无法匹配到 ^ 与 $
// No match.

findAll(regex, input, Pattern.MULTILINE); // 多行模式（^、$ 才能真正匹配一行的开头和结尾）
// "dog", [0, 3)
// "dog", [4, 7)
// "dog", [8, 11)

// 单行模式 与 多行模式 的内容都能匹配到
findAll(regex, input, Pattern.DOTALL | Pattern.MULTILINE);
// "dog", [0, 3)
// "dog", [4, 7)
// "dog", [8, 11)

常用的正则表达式

正则表达式在线测试：https://c.runoob.com/front-end/854

例如：
18 位身份证号码：\d{17}[\dXx]
中文字符：[\u4e00-\u9fa5]

String 类与正则表达式（replaceAll、repaceFirst、split）

String 类中接收正则表达式作为参数的常用方法有

public String replaceAll(String regex, string replacement)

public replaceFirst(String regex, string replacement)

public String[] split(String regex)

【练习】替换字符串中的单词

将单词 row 换成单词 line

replace 是单纯的字符串替换（无法传入正则表达式），功能不如正则表达式强大。
比如这段代码，两者可以达到相同的功能。

// 将单词 row 换成单词 line
String s1 = "The row we are	 looking for is row 8.";

String s2 = s1.replace("row", "line"); // 成功替换
// The line we are looking for is line 8. 
String s3 = s1.replaceAll("\\brow\\b", "line"); // 成功替换
// The line we are looking for is line 8.

replaceAll 可以传入正则表达式，功能更加强大。
这段代码，单纯的字符串替换无法达到效果，需要使用正则表达式。

// 将单词 row 换成单词 line
String s1 = "Tomorrow I will wear in brown standing in row 10.";

String s2 = s1.replace("row", "line"); // 替换错误, 没有达到要求
// Tomorline I will wear in blinen standing in line 10.
String s3 = s1.replaceAll("\\brow\\b", "line"); // 成功替换
// Tomorrow I will wear in brown standing in line 10.

【练习】替换字符串的数字

将所有连续的数字替换为**

// 将所有连续的数字替换为 "**"
String s1 = "ab12c3d456efg7h89i1011jk12lmn";

String s2 = s1.replaceAll("\\d+", "**");
// ab**c**d**efg**h**i**jk**lmn

【练习】利用数字分隔字符串

String s1 = "ab12c3d456efg7h89i1011jk12lmn";
String[] strs = s1.split("\\d+");
// [ab, c, d, efg, h, i, jk, lmn]

【练习】提取重叠的字母、数字

提取出"小写字母1小写字母2数字1数字2"格式的字母、数字

比如 "aa33", 提取出 a、3；
比如 "aa33", 提取出 a、3
比如 "aa12"、"ab44"、"aabb"、"5566", 不符合条件

// 提取出"小写字母1小写字母2数字1数字2"格式的字母、数字
// 比如"aa33", 提取出a、3
// 比如"aa12"、"ab44"、"aabb"、"5566", 不符合条件
String input = "aa11+bb23-mj33*dd44/5566%ff77";
String regex = "([a-z])\\1(\\d)\\2";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
while (m.find()) {
	System.out.println(m.group() + "_" + m.group(1) + "、" + m.group(2));
}

aa11_a、1
dd44_d、4
ff77_f、7

// 提取出"小写字母1小写字母2数字1数字2"格式的最后一个数字
// 比如"ab12", 提取出2
String input = "aa12+bb34-m56j*dd78/9900";
String regex = "[a-z]{2}\\d(\\d)";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
while (m.find()) {
	System.out.println(m.group() + "_" + m.group(1));
}