正则表达式

正则表达式

正则表达式是一个强大的字符串处理工具，可以对字符串进行查找、提取、分割、替换等操作。String类里也提供了如下几个特殊的方法。

判断该字符串是否匹配指定的正则表达式

    public boolean matches(String regex) {
        return Pattern.matches(regex, this);
    }

将该字符串中所有匹配regex的子串替换成replacement

    public String replaceAll(String regex, String replacement) {
        return Pattern.compile(regex).matcher(this).replaceAll(replacement);
    }

将该字符串中第一个匹配regex的子串替换成replacement

    public String replaceFirst(String regex, String replacement) {
        return Pattern.compile(regex).matcher(this).replaceFirst(replacement);
    }

以regex作为分隔符，把该字符串分割成多个子串

    public String[] split(String regex) {
        return split(regex, 0);
    }

从源码可以看到String类中这些方法实际上还是依赖于Pattern和Matcher两个专门用于提供正则表达式支持的类

我们定义的任意字符串都可以当成正则表达式使用，例如“abc”，它也是一个正则表达式，只是它只能匹配“abc”字符串。

创建正则表达式

正则表达式就是一个用于匹配字符串的模板，可以匹配一批字符串，所以创建正则表达式就是创建一个特殊的字符串。

正则表达式所支持的合法字符

正则表达式中的特殊字符

预定义字符

上面的7个预定义字符其实很容易记忆，d是digit的意思，代表数字；s是space的意思，代表空白；w是word的意思，代表单词。d、s、w的大写形式恰好匹配与之相反的字符。

方括号表达式

方括号表达式比前面的预定义字符灵活多了，几乎可以匹配任何字符。例如，若需要匹配所有的中文字符，就可以利用[\\u0041-\\u0056]形式，因为所有中文字符的Unicode值是连续的，只要找出所有中文字符中最小、最大的Unicode值，就可以利用上面形式来匹配所有的中文字符。

边界匹配符

正则表达式还提供了数量标识符，正则表达式支持的数量标识符有如下几种模式。

Greedy（贪婪模式）

数量表示符默认采用贪婪模式，除非另有表示。贪婪模式的表达式会一直匹配下去，直到无法匹配为止。如果你发现表达式匹配的结果与预期不符，很有可能是因为你以为表达式只会匹配前面几个字符，而实际上它是贪婪模式，所以会一直匹配下去。

Reluctant（勉强模式）

用问号后缀（?）表示，它只会匹配最少的字符。也称为最小匹配模式。

Possessive（占有模式）

用加号后缀（+）表示，目前只有Java支持占有模式，通常比较少用。

三种模式的数量表示符

关于贪婪模式和勉强模式的对比，看如下代码

        String str = "hello , java!";
        //贪婪模式的正则表达式
        System.out.println(str.replaceFirst("\\w*", "&"));
        //勉强模式的正则表达式
        System.out.println(str.replaceFirst("\\w*?", "&"));

输出结果

& , java!
&hello , java!

使用正则表达式

一旦在程序中定义了正则表达式，就可以使用Pattern和Matcher来使用正则表达式。
Pattern对象是正则表达式编译后在内存中的表示形式，因此，正则表达式字符串必须先被编译为Pattern对象，然后再利用该Pattern对象创建对应的Matcher对象。执行匹配所涉及的状态保留Matcher对象中，多个Matcher对象可共享一个Pattern对象。

        //将一个字符串编译成Pattern对象
        Pattern p = Pattern.compile("a*b");
        //使用Pattern对象创建Matcher对象
        Matcher m = p.matcher("aaaaab");

        boolean b = m.matches();//返回true

上面定义的Pattern对象可以多次重复使用。如果某个正则表达式仅需一次使用，则可直接使用Pattern类的静态matches方法

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

从源码可以看出，采用这个方法每次都需要重新编译新的Pattern对象，不能重复利用已编译的Pattern对象，所以效率不高。

Pattern是不可变类，可供多个并发线程安全使用。

正则表达式是一个功能非常灵活的文本处理工具，增加了正则表达式支持后的Java，可以不再使用StringTokenizer类（也是一个处理字符串的工具，但功能远不如正则表达式强大）即可进行复杂的字符串处理。