Java 正则表达式

本文将介绍如何在Java中使用正则表达式来处理文本数据。正则表达式就是一个字符串，但和普通的字符串不同的是，正则表达式是对一组相似字符串的抽象，如下面的几个字符串：

 

 

 

注意：正则表达式匹配元字符的时候使用 双斜杠加元字符 即： "\\{" 匹配实际字符串的"{"..依此类推。。。

  \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。   

•   
• ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的Multiline 属性，^ 也匹配 ’\n’ 或 ’\r’ 之后的位置。   
•   
• $ 匹配输入字符串的结束位置。如果设置了 RegExp 对象的Multiline 属性，$ 也匹配 ’\n’ 或 ’\r’ 之前的位置。   
•   
• * 匹配前面的子表达式零次或多次。   
•   
• + 匹配前面的子表达式一次或多次。+ 等价于 {1,}。   
•   
• ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。   
•   
• {n} n 是一个非负整数，匹配确定的n 次。   
•   
• {n,} n 是一个非负整数，至少匹配n 次。   
•   
• {n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。在逗号和两个数之间不能有空格。   
•   
• ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。   
•   
• . 匹配除 "\n" 之外的任何单个字符。要匹配包括 ’\n’ 在内的任何字符，请使用象 ’[.\n]’ 的模式。   
• (pattern) 匹配pattern 并获取这一匹配。   
•   
• (?:pattern) 匹配pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。   
•   
• (?=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。   
•   
• (?!pattern) 负向预查，与(?=pattern)作用相反   
•   
• x|y 匹配 x 或 y。   
•   
• [xyz] 字符集合。   
•   
• [^xyz] 负值字符集合。   
•   
• [a-z] 字符范围，匹配指定范围内的任意字符。   
•   
• [^a-z] 负值字符范围，匹配任何不在指定范围内的任意字符。   
•   
• \b 匹配一个单词边界，也就是指单词和空格间的位置。   
•   
• \B 匹配非单词边界。   
•   
• \cx 匹配由x指明的控制字符。   
•   
• \d 匹配一个数字字符。等价于 [0-9]。   
•   
• \D 匹配一个非数字字符。等价于 [^0-9]。   
•   
• \f 匹配一个换页符。等价于 \x0c 和 \cL。   
•   
• \n 匹配一个换行符。等价于 \x0a 和 \cJ。   
•   
• \r 匹配一个回车符。等价于 \x0d 和 \cM。   
•   
• \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。   
•   
• \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。   
•   
• \t 匹配一个制表符。等价于 \x09 和 \cI。   
•   
• \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。   
•   
• \w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。   
•   
• \W 匹配任何非单词字符。等价于 ’[^A-Za-z0-9_]’。   
•   
• \xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。   
•   
• \num 匹配 num，其中num是一个正整数。对所获取的匹配的引用。   
•   
• \n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。   
•   
• \nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。   
•   
• \nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。   
•   
• \un 匹配 n，其中 n 是一个用四个十六进制数字表示的Unicode字符。  

•  

   

   

   

   

  
  a98b   c0912d   c10b   a12345678d   ab
   
      我们仔细分析上面五个字符串，可以看出它们有一个共同特征，就是第一个字符必须是'a'或'c'，最后一个字符必须是'b'或'd'，而中间的字符是任意多个数字组成（包括0个数字）。因此，我们可以将这五个字符串的共同特点抽象出来，这就产生了一个正则表达式：[ac]//d*[bd]。而根据这个正则表达式，我们可以写出无穷多个满足条件的字符串。
   
  在Java中使用正则表达式的方法非常多，最简单的就是和字符串一起使用。在String中有四个方法可以使用正则表达式，它们是matches、split、replaceAll和replaceFirst。
   
  一、matches方法
   
  matches方法可以判断当前的字符串是否匹配给定的正则表达式。如果匹配，返回true，否则，返回false。matches方法的定义如下：

  public boolean matches(String regex)
    
    如上面给出的正则表达式我们可以用如下程序验证。
   

  String[] ss = new String[]{"a98b", "c0912d",  "c10b",  "a12345678d",  "ab"};
  for(String s: ss)
      System.out.println(s.matches("[ac]//d*[bd]"));

  输出结果：
   
  true
  true
  true
  true
  true
   
     下面简单解释一下这个正则表达式的含义。如果我们学过编译原理的词法分析，就会很容易理解上面的正则表达式（因为正则表达式的表示方法和词法分析中的表达式类似）。如在 [...]中的相当于或"|"，如[abcd]相当于a|b|c|d，也就是a或b或c或d。如上面的正则表达式的开头部分是[ac]，就代表着字符串的开头只能是a或c。[bd]表达字符串结尾只能是b或d。而中间的/d表达0-9的数字，由于/在正则表达式中有特殊含义，所以用//来表示/。而*表示有0或无穷多个（这在词法分析中叫*闭包），由于*跟在/d后面，因此表达有0或无穷多个数字。
   
  二、split方法
   
  split方法使用正则表达式来分割字符串，并以String数组的形式返回分割结果。split有两种重载形式，它们定义如下：
   

  public String[] split(String regex)
  public String[] split(String regex, int limit)

      如下面的代码将使用split的第一种重载形式来分割HTTP请求头的第一行，代码如下：
   

  String s = "GET /index.html HTTP/1.1";
  String ss[] = s.split(" +");
  for(String str: ss)
  System.out.println(str);

  输出结果：
  GET
  /index.html
  HTTP/1.1
   
      在使用split的第一种重载形式时应注意，如果分割后的字符串最后有空串，将被忽略。如使用正则表达式/d来分割字符串a0b1c3456时，得到的数组的长度为3，而不是7。
  在split的第二种重载形式中有一个limit参数，要分三种情况讨论：
   
  1. 大于0： 如limit的值为n，那么将对正则表达式使用n-1次，下面的代码：

  
  String s = "a0b1c3456";
  String ss[] = s.split("//d", 3);
  for(String str: ss)
      System.out.println(str);

  
  输出结果:
   
  a
  b
  c3456
   
  从输出结果可以看出，程序只对" a0b1c3456"使用了两次正则表达式，也就是在少扫描完字符'1'后，不管后面有没有满足条件的字符串，都将后面的字符串作为一个整体来作为返回数组的最后一个值。
   
  2. 小于0： 不忽略结尾的空串。也就是上面的例子返回数组的长度应该是7，而不是3。
  3. 等于0：这是默认值，相当于split的第一种重载形式。
   
   
  三、replaceAll 和 replaceFirst方法
   
  为两个方法的定义如下：
  public String replaceAll(String regex, String replacement)
  public String replaceFirst(String regex, String replacement)
   
      这两个方法用replacement替换当前字符串中和regex匹配的字符串。使用方法很简单，这里不再详述，感兴趣的读者可以参考相关的文档。
   
  对于Java中正则表达式的详细内容，请参考JDK文档。

   

  本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/X_Jian/archive/2009/04/20/4096029.aspx