深入理解Java正则表达式

概述

Java 正则表达式

正则表达式定义了字符串的模式。

正则表达式可以用来搜索、编辑或处理文本。

正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

深入理解Java正则表达式：（为了能看清，本文正则表达式用中文的句号代替英文句点）

英文句点符号：匹配单个任意字符。

eg:

表达式”t。o 可以匹配：tno，t#o，teo等等。不可以匹配：tnno，to，Tno，t正o等。

方括号：只有方括号里面指定的字符才参与匹配，也只能匹配单个字符。

eg:

表达式：t[abcd]n 只可以匹配：tan，tbn，tcn，tdn。不可以匹配：thn，tabn，tn等。

| 符号。相当与“或”，可以匹配指定的字符，但是也只能选择其中一项进行匹配。

eg：

表达式：t(a|b|c|dd)n 只可以匹配：tan，tbn，tcn，tddn。不可以匹配taan，tn，tabcn

表示匹配次数的符号

屏幕快照 2016-10-26 10.42.53.png

{n， }表示至少N次。

eg：

表达式：[0—9]{ 3 } \— [0-9]{ 2 } \— [0-9]{ 3 } 的匹配格式为：999—99—999

因为“—”符号在正则表达式中有特殊的含义，它表示一个范围，所以在前面加转义字符“\”。

^符号：表示否

^符号被称为“否”符号，如果用在方括号内，“^“表示不想匹配的字符。

eg：

表达式：[^x] 第一个字符不能是x

圆括号，和空白符号

“\s”是空白符号，只可以匹配一个空格、制表符、回车符、换页符，不可以匹配自己输入的多个空格。

（）是分组号，可以用ORO API提取处出值，后面将详细讨论

正则表达式的一些快捷符号：

\d表示[0—9]， \D表示[^0—9]， \w表示[0—9A—Z_a—z]，

\W表示[^0—9A—Z_a—z]， \s表示[\t\n\r\f], \S表示[^\t\n\r\f]

一些常用的正则表达式：

Java：(([a-z]|_)(\w*)){6,20}匹配以字母或下划线开头，字母数字下划线结尾的字符串

JavaScript：/^(-?)(\d+)$/匹配数字。/^\w+$/匹配字母数字下划线。

.+ 一个或多个字符

/0 第一次匹配的字符串

java类中使用正则表达式：

eg1：

Pattern p = Pattern.compile("t.n");

Matcher m = p.matcher(“ton”);

if(m.matches()){

return true;

}

eg2：boolean bool=Pattern.matches (“t.n”,”ton”);

如果一个正则表达式要重复利用，用第一种，如果只匹配一次，第二种是最佳选择。

反斜线字符（‘\’）用于转义字符，同时还可以引用非转义字符（不包括非转义字母）

因此‘\’表示‘\’，‘{’表示{。 但是‘\y’就是错的，因为在不表示转义构造的 任何字母字符前 使用反斜线都是错误的。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "\b" 与单个退格字符匹配，而 "\b" 与单词边界匹配。字符串字面值 "(hello)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "\(hello\)"。 注意：‘\b’是一个字符而‘\b’是两个字符

Pattern类

8种模式：比如启用多行模式，启用unix模式等，eg int CASE_INSENSITIVE表示启用不区分大小写的

4个静态方法

两个单例模式构造器：

Pattern compile（String regex）；

Pattern compile（String regex,int flags）flags为八种模式的一种

eg2：

Pattern p=Pattern.compile("[a-z]\s[a-z]");

Matcher m=p.matcher("b c");

if(m.matches()) Sysout(1111);

else Sysout(2222); 输出结果为1111；

一个匹配方法，一个返回String的字面值模式方法：

boolean matches(String regex,CharSequence input);//input与regex匹

配返回true。

String quote(String s);//返回指定String的字面值。

eg3：boolean bool=Pattern.matches("[a-z] [a-z]",”b c”); //结果为true

Sysout(Pattern.quote(“a_#/tb”)); //输出结果为 “\Qa_# b”\E

6个普通方法

返回此模式的匹配器： Matcher matcher（CharSequence input）;

返回此模式的标志： int flags（）;

返回此模式的regex： String pattern（）;

两个字符串切割方法： String[] split(CharSequence input);

String[] split(CharSequence input,int limit);

limit为返回字符串的个数，如果等于0，返回所有 拆分的字符串，如果大于拆分字符串的实际个数，

返回实际个数。

toString方法： String toString（）;

eg4：

Pattern p=Pattern.compile("[,;\s]");

String str="wo,ai;ni haha";

String[] strs=p.split(str);

for(String s : strs){

Sysout(s);//输出 “wo” “ai” “ni” “haha”

}

strs=p.split(str,2)

for(String s : strs){

Sysout(s);//输出 “wo” “ai;ni haha”

}

Strs=p.split(str,0)

for(String s : strs){

Sysout(s);//输出 “wo” “ai” “ni” “haha”

}

常用的正则表达式

"^\d+$"　　//非负整数（正整数 + 0）

"^[0-9][1-9][0-9]$"　　//正整数

"^((-\d+)|(0+))$"　　//非正整数（负整数 + 0）

"^-[0-9][1-9][0-9]$"　　//负整数

"^-?\d+$"　　　　//整数

"^\d+(.\d+)?$"　　//非负浮点数（正浮点数 + 0）

"^(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]))$"　　//正浮点数

"^((-\d+(.\d+)?)|(0+(.0+)?))$"　　//非正浮点数（负浮点数 + 0）

"^(-(([0-9]+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9])))$"　　//负浮点数

"^(-?\d+)(.\d+)?$"　　//浮点数

"^[A-Za-z]+$"　　//由26个英文字母组成的字符串

"^[A-Z]+$"　　//由26个英文字母的大写组成的字符串

"^[a-z]+$"　　//由26个英文字母的小写组成的字符串

"^[A-Za-z0-9]+$"　　//由数字和26个英文字母组成的字符串

"^\w+$"　　//由数字、26个英文字母或者下划线组成的字符串

"^[\w-]+(.[\w-]+)*@[\w-]+(.[\w-]+)+$"　　　　//email地址

"^[a-zA-z]+://(\w+(-\w+))(.(\w+(-\w+)))(\?\S)?$"　　//url

/^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-((0-2)|(3[0|1]))$/ // 年-月-日

/^((0([1-9]{1}))|(1[1|2]))/((0-2)|(3[0|1]))/(d{2}|d{4})$/ // 月/日/年

"^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$" //Emil

/^((+?[0-9]{2,4}-[0-9]{3,4}-)|([0-9]{3,4}-))?([0-9]{7,8})(-[0-9]+)?$/ //电话号码

"^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5])$" //IP地址

匹配中文字符的正则表达式： [\\u4e00-\\u9fa5]

匹配双字节字符(包括汉字在内)：[^\\x00-\\xff]

匹配空行的正则表达式：\n[\s| ]*\r

匹配HTML标记的正则表达式：/<(.)>.<\/\1>|<(.*) \/>/

匹配首尾空格的正则表达式：(^\s)|(\s$)

匹配Email地址的正则表达式：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*

匹配网址URL的正则表达式：^[a-zA-z]+://(\w+(-\w+))(\.(\w+(-\w+)))(\?\S)?$

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$

匹配国内电话号码：(\d{3}-|\d{4}-)?(\d{8}|\d{7})?

匹配腾讯QQ号：^[1-9][1-9][0-9]$

\ 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。

匹配中文字符的正则表达式： [u4e00-u9fa5]

匹配双字节字符(包括汉字在内)：[^\\x00-\\xff]

匹配空行的正则表达式：n[s| ]*r

匹配HTML标记的正则表达式：/<(.)>.</1>|<(.*) />/

匹配首尾空格的正则表达式：(^s)|(s$)

匹配Email地址的正则表达式：w+([-+.]w+)@w+([-.]w+).w+([-.]w+)*

匹配网址URL的正则表达式：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?

利用正则表达式限制网页表单里的文本框输入内容：

用正则表达式限制只能输入中文：οnkeyup="value=value.replace(/[^u4E00-u9FA5]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^u4E00-u9FA5]/g,''))"

用正则表达式限制只能输入全角字符： οnkeyup="value=value.replace(/[^uFF00-uFFFF]/g,'')" onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^uFF00-uFFFF]/g,''))"

正则表达式限制只能输入数字：οnkeyup="value=value.replace(/[^d]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"

用正则表达式限制只能输入数字和英文：οnkeyup="value=value.replace(/[W]/g,'') "onbeforepaste="clipboardData.setData('text',clipboardData.getData('text').replace(/[^d]/g,''))"

整理：

匹配中文字符的正则表达式： [\\u4e00-\\u9fa5]

匹配双字节字符(包括汉字在内)：[^\\x00-\\xff]

匹配空行的正则表达式：\n[\s| ]\r

匹配HTML标记的正则表达式：/<(.)>.<\/\1>|<(.) \/>/

匹配首尾空格的正则表达式：(^\s)|(\s$)

匹配IP地址的正则表达式：/(\d+).(\d+).(\d+).(\d+)/g //

匹配Email地址的正则表达式：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)

匹配网址URL的正则表达式：http://(/[\w-]+\.)+[\w-]+(/[\w- ./?%&=])?

sql语句：^(select|drop|delete|create|update|insert).$

1、非负整数：^\d+$

2、正整数：^[0-9][1-9][0-9]$

3、非正整数：^((-\d+)|(0+))$

4、负整数：^-[0-9][1-9][0-9]*$

5、整数：^-?\d+$

6、非负浮点数：^\d+(.\d+)?$

7、正浮点数：^((0-9)+.[0-9][1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]))$

8、非正浮点数：^((-\d+.\d+)?)|(0+(.0+)?))$

9、负浮点数：^(-((正浮点数正则式)))$

10、英文字符串：^[A-Za-z]+$

11、英文大写串：^[A-Z]+$

12、英文小写串：^[a-z]+$

13、英文字符数字串：^[A-Za-z0-9]+$

14、英数字加下划线串：^\w+$

15、E-mail地址：^[\w-]+(.[\w-]+)*@[\w-]+(.[\w-]+)+$

16、URL：^[a-zA-Z]+://(\w+(-\w+))(.(\w+(-\w+)))(\?\s)?$

或：^http:\/\/[A-Za-z0-9]+.[A-Za-z0-9]+[\/=\?%-&_~`@[]\':+!]({FNXX==XXFN})$

17、邮政编码：^[1-9]\d{5}$

18、中文：^[\\u0391-\\uFFE5]+$

19、电话号码：^(((\d{2,3}))|(\d{3}-))?((0\d{2,3})|0\d{2,3}-)?[1-9]\d{6,7}(-\d{1,4})?$

20、手机号码：^(((\d{2,3}))|(\d{3}-))?13\d{9}$

21、双字节字符(包括汉字在内)：^\\x00-\\xff

22、匹配首尾空格：(^\s)|(\s$)（像vbscript那样的trim函数）

23、匹配HTML标记：<(.)>.<\/\1>|<(.*) \/>

24、匹配空行：\n[\s| ]*\r

25、提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F) = ('|")?(\w|\|\/|.)+('|"| *|>)?

26、提取信息中的邮件地址：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*

27、提取信息中的图片链接：(s|S)(r|R)(c|C) = ('|")?(\w|\|\/|.)+('|"| *|>)?

28、提取信息中的IP地址：(\d+).(\d+).(\d+).(\d+)

29、提取信息中的中国手机号码：(86)013\d{9}

30、提取信息中的中国固定电话号码：((\d{3,4})|\d{3,4}-|\s)?\d{8}

31、提取信息中的中国电话号码（包括移动和固定电话）：((\d{3,4})|\d{3,4}-|\s)?\d{7,14}

32、提取信息中的中国邮政编码：[1-9]{1}(\d+){5}

33、提取信息中的浮点数（即小数）：(-?\d*).?\d+

34、提取信息中的任何数字 ：(-?\d*)(.\d+)?

35、IP：(\d+).(\d+).(\d+).(\d+)

总结

到这里，深入理解Java正则表达式就结束了，，不足之处还望大家多多包涵！！觉得收获的话可以点个关注收藏转发一波喔，谢谢大佬们支持。（吹一波，233~~）

下面和大家交流几点编程的经验：

1、多写多敲代码，好的代码与扎实的基础知识一定是实践出来的

2丶 测试、测试再测试，如果你不彻底测试自己的代码，那恐怕你开发的就不只是代码，可能还会声名狼藉。

3丶 简化编程，加快速度，代码风骚，在你完成编码后，应回头并且优化它。从长远来看，这里或那里一些的改进，会让后来的支持人员更加轻松。

最后，每一位读到这里的朋友，感谢你们能耐心地看完。希望在成为一名更优秀的Java程序员的道路上，我们可以一起学习、一起进步。

高级架构师交流群680075317 欢迎各位前来交流和分享