浅谈JAVA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。

一、正则表达式中的特殊字符

元字符	说明
.	匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”。
$	匹配行结束符。例如正则表达式“EJB$”能够匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs！”。
^	匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始，但是不能匹配“I use Spring in my project”。
*	匹配0至多个在它之前的字符。例如正则表达式“zo*”能匹配“z”以及“zoo”；正则表达式“.*”意味着能够匹配任意字符串。
/	转义符，用来将元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号，而不是行尾；正则表达式/.用来匹配点字符，而不是任何字符的通配符。
[]	匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bug，但是不匹配beg。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母。还有一个相配合使用的元字符“^”，用在这里并不像前边的那个“^”一样表示匹配行开始，而是表示“排除”，要想匹配除了指定区间之外的字符，就可以在左边的括号和第一个字符之间使用^字符，例如“[^163A-Z]”将能偶匹配除了1、6、3和所有大写字母之外的任何字符。
( )	将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。
|	将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "food"。
+	匹配前面的子表达式一次或多次。例如正则表达式9+匹配9、99、999等。
?	匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符还有另外一个用途，就是表示非贪婪模式匹配，后边将有介绍
{n}	匹配确定的 n 次。例如，“e{2}”不能匹配“bed”中的“d”，但是能匹配“seed”中的两个“e”。
{n,}	至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的所有“e”。
{n,m}	最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。

二、正则表达式常规用法

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。DEMO下载

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成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在Matcher对象中，多个Matcher对象可共享同一个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("aaaab");

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，此方法自动把指定字符串编译成匿名的Pattern对象，并执行匹配，如下所示：

boolean b = Pattern.matches("a*b","aaaab");

上面语句等效于前面三条语句，但采用这种语句需要重新编译新的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。

Matcher类提供了如下几个常用方法。

find()：返回目标字符串中是否包含与Pattern匹配的子串。

group()：返回上一次与Pattern匹配的子串

start()：返回上一次与Pattern匹配的子串在目标字符串中的开始位置

end()：返回上一次与Pattern匹配的子串在目标字符串中的结束位置加1

lookingAt()：返回目标字符串前面部分与Pattern是否匹配

matches()：返回整个目标字符串与Pattern是否匹配

reset()：将现有的Matcher对象应用于一个型的字符序列

三、常用的正则表达式

中文匹配：[\\u4E00-\\u9FFF]+

邮箱匹配：\\w{3,20}@\\w+\\.(com|org|cn|net|gov)

小数匹配：\\d+\\.\\d+

身份证号匹配：^(\\d{15}$|\\d{18}$|\\d{17}(\\d|x|x)$)$