java-正则表达式

正常匹配

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        pattern.matcher("010-12345678").matches(); // true
        pattern.matcher("021-123456").matches(); // false
        pattern.matcher("022#1234567").matches(); // false
        // 获得Matcher对象:
        Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {
            String whole = matcher.group(0); // "010-12345678", 0表示匹配的整个字符串
            String area = matcher.group(1); // "010", 1表示匹配的第1个子串
            String tel = matcher.group(2); // "12345678", 2表示匹配的第2个子串
        }
    }
}

使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。

普通捕获组

从正则表达式左侧开始，每出现一个左括号(记做一个分组，分组编号从 1 开始。0 代表整个表达式。

Pattern p = Pattern.compile("(\\d{3,4})-(\\d{7,8})");
Matcher m = p.matcher("010-12345678");
if (m.matches()) {
    System.out.println(m.groupCount());//2
    System.out.println(m.group(0));//010-12345678
    System.out.println(m.group(1));//010
    System.out.println(m.group(2));//12345678
}

命名捕获组

每个以左括号开始的捕获组，都紧跟着 ?<name>，而后才是正则表达式。

Pattern p = Pattern.compile("(?<num1>\\d{3,4})-(?<num2>\\d{7,8})");
Matcher m = p.matcher("010-12345678");
if (m.matches()) {
    System.out.println(m.groupCount());//2
    System.out.println(m.group(0));//010-12345678
    System.out.println(m.group(1));//010
    System.out.println(m.group(2));//12345678
    System.out.println(m.group("num1"));//010
    System.out.println(m.group("num2"));//12345678
}

非捕获组

在左括号后紧跟 ?:，而后再加上正则表达式，构成非捕获组 (?:Expression)。表示该括号只起包裹作用，不作为一组。

Pattern p = Pattern.compile("(\\d{3,4})-(?:\\d{7,8})");
Matcher m = p.matcher("010-12345678");
if (m.matches()) {
    System.out.println(m.groupCount());//2
    System.out.println(m.group(0));//010-12345678
    System.out.println(m.group(1));//010
    System.out.println(m.group(2));//报错：IndexOutOfBoundsException: No group 2
}

非贪婪匹配

（1）正则表达式默认使用贪婪匹配：任何一个规则，它总是尽可能多地向后匹配。

（2）例子：

给定一个字符串表示的数字，判断该数字末尾0的个数。例如：

• "123000"：3个0
• "10100"：2个0
• "1001"：0个0

代码如下：

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d+)(0*)");
        Matcher matcher = pattern.matcher("1230000");
        if (matcher.matches()) {
            System.out.println("group1=" + matcher.group(1)); // "1230000"
            System.out.println("group2=" + matcher.group(2)); // ""
        }
    }
}

然而打印的第二个子串是空字符串""，实际上我们期望的结果是"123"和"000"。

仔细观察上述实际匹配结果，实际上它是完全合理的，因为\d+确实可以匹配后面任意个0。

要让\d+尽量少匹配，让0*尽量多匹配，我们就必须让\d+使用非贪婪匹配。在规则\d+后面加个?即可表示非贪婪匹配。我们改写正则表达式如下：

public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d+?)(0*)");
        Matcher matcher = pattern.matcher("1230000");
        if (matcher.matches()) {
            System.out.println("group1=" + matcher.group(1)); // "123"
            System.out.println("group2=" + matcher.group(2)); // "0000"
        }
    }
}

分割字符串

"a b c".split("\\s"); // { "a", "b", "c" }
"a b  c".split("\\s"); // { "a", "b", "", "c" }
"a, b ;; c".split("[\\,\\;\\s]+"); // { "a", "b", "c" }

搜索字符串

我想从字符串中找出3个字符：中间必须是o，前后两个必须是字符[A-Za-z0-9_]。

public class Main {
    public static void main(String[] args) {
        String s = "the quick brown fox jumps over the lazy dog.";
        Pattern p = Pattern.compile("\\wo\\w");
        Matcher m = p.matcher(s);
        while (m.find()) {
            String sub = s.substring(m.start(), m.end());
            System.out.println(sub);
            System.out.println(m.group(0));//与sub相同
        }
    }
}

替换字符串

删除多余的空白符：

public class Main {
    public static void main(String[] args) {
        String s = "The     quick\t\t brown   fox  jumps   over the  lazy dog.";
        String r = s.replaceAll("\\s+", " ");
        System.out.println(r); // "The quick brown fox jumps over the lazy dog."
    }
}

反向引用

如果我们要把搜索到的指定字符串按规则替换，比如前后各加一个xxxx，这个时候，使用replaceAll()的时候，我们传入的第二个参数可以使用$1、$2来反向引用匹配到的子串。例如：

public class Main {
    public static void main(String[] args) {
        String s = "the quick brown fox jumps over the lazy dog.";
        String r = s.replaceAll("\\s([a-z]{4})\\s", " <b>$1</b> ");
        System.out.println(r); // "the quick brown fox jumps <b>over</b> the <b>lazy</b> dog."
    }
}