Java 正则表达式

介绍

前段时间使用Java的正则表达式做一些字符串匹配的任务，现将学到的正则表达式的知识整理成文。

Java中Spring.class涉及到正则表达式。如Spring.split()， matches()，replaceAll()等方法。

Java中更一般使用正则表达式的方式是利用Pattern.class和Matcher.class，所在package为java.util.regex

Java中正则表达式相关API使用不难掌握，不过重点在于编写合适的正则表达式，尤其是利用字符类和量词的使用。

正则表达式

Java中正则表达式与之前使用的Python是有区别的，区别在于Java对于反斜线(\)处理的不同。
在Python中"\d"表示 匹配一位数字(0-9)，而Java中匹配一位数字(0-9)，需要的正则表达式为"\\d"。
不过换行符和制表符只需要单反斜线“\n\t”。

字符

给出构造正则表达式的常用字符

字符	描述
B	指定字符B
\xhh	十六进制值为oxhh的字符
\uhhhh	十六进制值为oxhhhh的Unicode字符
\t	tab
\n	换行
\r	回车
\e	转义

字符类

字符类在编写正则表达式起到重要的作用，我们给出一些常用的构造正则表达式的字符类。

字符类	描述
. (小数点)	任意字符
[abc]	[ ] 中括号，包含a,b,c中任意字符
[^abc]	[ ]中括号加^, 表示否定，除a,b,c之外的
[a-z]	从a到z的任意字符
[a-z&&[hi]]	&&表示交集，即包含h或i
\s	空白字符，包含空格，换行，回车，tab，换页
\S	大写为小写的取反，非空白字符，等价于[^\s]
\d	数字0-9
\D	非数字，等价于[^0-9]
\w	词字符，数字，大小写字母，等价于[0-9a-zA-Z]
\W	非词，等价于[^\w]

逻辑操作符

组合一个或多个表达式，通过逻辑操作符实现。

逻辑操作符	描述
XY	Y跟在X后面，并且XY同时满足
X|Y	X或者Y
(X)	() 小括号表示捕获组(group)，可以对group进行处理，尤其是获取其中的内容

边界匹配符

针对边界的匹配，给出边界匹配符。

边界匹配符	描述
^	一行的开始
$	一行的结束
\b	词的边界

量词

量词描述了一个模式匹配文本的方式，包含

• 贪婪型：量词默认是贪婪的，发现尽可能多的匹配
• 勉强型：通过问号(?)指定，匹配最小的字符数，也称为懒惰型，最少匹配，非贪婪。
• 占有型：通过加号(+)指定，当用于字符串时防止匹配失败时回溯。

贪婪型	勉强型	占有型	描述
X?	X??	X?+	匹配0个或1个X
X*	X*?	X*+	匹配0个或多个X
X+	X+?	X++	匹配1个或多个X
X{n}	X{n}?	X{n}+	恰好匹配n个X
X{n,}	X{n,}?	X{n,}+	至少匹配n个X
X{n,m}	X{n,m}?	X{n,m}+	至少匹配n个X，最多匹配m个X

正则表达式使用

String

String.class提供了一些方法，如用于切分的split()方法，用于验证是否匹配的matches()方法，用于替换操作的replaceAll方法。简单示例如下：

	/**
     * String中正则表达式的测试
     *
     * @throws Exception 异常情况
     */
    @Test
    public void testStringRegex() throws Exception {

        // split
        // 结果：[some, examples, of, regex, test]
        String query = "some examples of regex test";
        String[] parts = query.split(" ");
        System.out.println(Arrays.toString(parts));

        // matches 整个字符串是否匹配
        // 结果：false
        String regex = "regex";
        boolean isMatched = query.matches(regex);
        System.out.println(isMatched);

        // replaceAll
        // 结果：some <REGEX> examples <REGEX> of <REGEX> regex <REGEX> test
        String replaceQuery = " <REGEX> ";
        String newQuery = query.replaceAll(" ", replaceQuery);
        System.out.println(newQuery);
    }

Pattern和Matcher

正则表达式更一般的用法是使用*java.util.regex.*下的Matcher和Pattern类。

通过Pattern类的静态方法static Pattern.compile() 编译正则表达式，利用Pattern的*matcher()*方法生产Matcher对象。根据Matcher对象提供的API完成相应的操作。

我们以获取字符串中的电话号码和Html中的标题为例，实现正则表达式的匹配。示例如下：

package com.notepad.thinkingnote.regexes;

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

/**
 * Description: 正则表达式
 * <p>
 * Create:      2018/8/25 21:37
 *
 * @author Marvin Yang
 */
public class RegexUtils {

    /**
     *  获取content中全部的手机号码
     *
     * @param content 待匹配内容
     * @return 电话号码集合
     */
    public List<String> getPhoneNumber(String content) {
        List<String> phoneNumbers = new ArrayList<>();
        Matcher matcher = PHONE_PATTERN.matcher(content);
        while (matcher.find()) {
            // group=2对应(1\\d{10}), 匹配的值即为手机号码
            phoneNumbers.add(matcher.group(2));
        }
        return phoneNumbers;
    }

    /**
     * 从Html中获取title
     *
     * @param content a html
     * @return the title of a html
     */
    public String getHtmlTitle(String content) {
        Matcher matcher = TITLE_PATTERN.matcher(content);
        return matcher.find()? matcher.group(1):null;
    }

    /** 手机号码 */
    private static final String PHONE_REGEX = "(^|\\D)(1\\d{10})($|\\D)";
    private static final Pattern PHONE_PATTERN;

    /** html 标题 */
    private static final String HTML_TITLE_REGEX = "<title>(.*?)</title>";
    private static final Pattern TITLE_PATTERN;

    static {
        PHONE_PATTERN = Pattern.compile(PHONE_REGEX);
        
        // 不区分大小写
        TITLE_PATTERN = Pattern.compile(HTML_TITLE_REGEX, Pattern.CASE_INSENSITIVE);
    }
}

构造单测样例如下：

package com.notepad.thinkingnote.regexes;

import org.junit.Test;

import java.util.Arrays;
import java.util.List;

import static org.junit.Assert.*;

/**
 * Description: 正则表达式单测
 * <p>
 * Create:      2018/8/25 21:45
 *
 * @author Marvin Yang
 */
public class RegexUtilsTest {

    private RegexUtils regexUtils = new RegexUtils();

    @Test
    public void getPhoneNumber() {
        // test 1: 有电话号码
        String content = "紧急情况请拨打13845697569";
        List<String> phoneNumbers = regexUtils.getPhoneNumber(content);
        System.out.println(String.format("[%s] has phone number : [%s]", content, phoneNumbers));

        // test 2: 数字12位
        content = "紧急情况请拨打138456975690";
        phoneNumbers = regexUtils.getPhoneNumber(content);
        System.out.println(String.format("[%s] has phone number : [%s]", content, phoneNumbers));

        // test 3: 开头不是1
        content = "紧急情况请拨打23845697569";
        phoneNumbers = regexUtils.getPhoneNumber(content);
        System.out.println(String.format("[%s] has phone number : [%s]", content, phoneNumbers));

        // test 4: 数字在开头
        content = "13845697569紧急情况请拨打";
        phoneNumbers = regexUtils.getPhoneNumber(content);
        System.out.println(String.format("[%s] has phone number : [%s]", content, phoneNumbers));
    }

    @Test
    public void getHtmlTitle() throws Exception {
        // test 1: 正常情况
        String content = "<title>学而不厌 诲人不倦 - 第 1 页 - CSDN博客</title>";
        String title = regexUtils.getHtmlTitle(content);
        System.out.println(String.format("get title [%s] from content: [%s]", title, content));


        // test 1: 不区分大小写
        content = "<TITLE>学而不厌 诲人不倦 - 第 1 页 - CSDN博客</TITLE>";
        title = regexUtils.getHtmlTitle(content);
        System.out.println(String.format("get title [%s] from content: [%s]", title, content));
    }
}

总结

本文对Java的正则表达式的使用进行了简单的介绍，已经利用Pattern和Matcher进行匹配的样例。当然重要的还是正则表达式的编写，不一定非得很复杂， 重点是适合我们处理的问题。

参考文献

Java编程思想第四版 第十三章