正则表达式-JAVA

转载请标明出处：

/article/8129709.html

本文出自：【Ｍ家杰的博客】

初学者视角：正则表达式是一种字符串搜索和匹配的工具

java中的关键类和方法

Pattern

类，正则表达式的编译表示形式。

Pattern.compile（String）

填写正则表达式

Pattern.compile（String，int）

填写正则表达式和修正模式的标识

Pattern.matcher(CharSequence)

填入目标字符串，返回Matcher

Pattern.matches(String, CharSequence)

直接填入正则表达式和目标字符串进行匹配。

Matcher

类， 通过解释 Pattern 对 字符串 执行匹配操作的引擎。

Matcher.matches()

将整个字符串与模式匹配。

Matcher.find()

在字符串中查找匹配的下一个子串

Matcher.group()

返回匹配的字符串

Matcher.replaceAll(String)

将整个字符串中匹配的子串改为填人的字符串

Pattern 类的实例是不可变的，可供多个并发线程安全使用。Matcher 类的实例用于此目的则不安全。

官方API例子：

//经典写法
Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
boolean b = m.matches();

//简便写法
boolean b = Pattern.matches("a*b", "aaaaab");

界定符

表示一个正则表达式的开始和结束

界定符的形式在不同语言中有所不用

Java中似乎不需要界定符

php中界定符为：

/

或者

#

或者

{}

原子

可见原子（Unicode编码表中用键盘输出后肉眼

可见

的字符）

标点 ; ” _ ? . 等等

英文字母数字 a-z,A-Z,0-9

汉字、日文、阿拉伯文等其他语言文字

数理化公式等其他可见字符

不可见原子（Unicode编码表中用键盘输出后肉眼

不可见

的字符）

换行符 \n

回车 \r

制表符 \t

空格

等等其他不可见符号

元字符

|

匹配两个或者多个分支选择

[]

匹配方括号中的任意一个原子

[^]

匹配除方括号中的原子之外的任意字符

.

任何字符（与行结束符可能匹配也可能不匹配）

\d

数字：[0-9]

\D

非数字： [^0-9]

\s

空白字符：[ \t\n\x0B\f\r]

\S

非空白字符：[^\s]

\w

单词字符(注意包含下划线)：[a-zA-Z_0-9]

\W

非单词字符：[^\w]

|

和

[]

的区别在于，

|

是取左右的一整串字符串去匹配，

[]

是取括号中的任意单个字符去匹配

特别的写法：

[ab]cd

匹配”acd”和”bcd”

量词

{n}

表示其前面的原子恰好出现n次

{n,}

表示其前面的原子最少出现了n次

{n,m}

表示其前面的原子最少出现n次，最多出现m次

*

匹配0次、1次或者多次其之前的原子，等同于{0,}

+

匹配1次或者多次其之前的原子，等同于{1,}

?

匹配0次或者1次其之前的原子，等同于{0,1}

特别的写法：

A?K

匹配”AK”和”K”

边界控制

^

匹配字符串开始的位置

$

匹配字符串结束的位置

^abcde$

表示整个字符串开始必须为”a”,结束必须为”e”

修正模式

1.贪婪匹配（默认）

匹配结果存在歧义时取其长

2.懒惰匹配

匹配结果存在歧义时取其短

JAVA开启懒惰匹配：好像没有专门的这种模式，只能自己写，使用：

.*?

例如表达式：

mjj.*?asd

匹配字段：

mjj_-1asdasdasd

PHP开启懒惰匹配：在界定符号后面加大写U。例：

/[0-9]/U

3.忽略英文字母大小写

JAVA开启：

Pattern.CASE_INSENSITIVE

PHP开启：在界定符号后面加小写i。例：

/[0-9]/i

4.忽略空白

JAVA开启：

Pattern.COMMENTS

PHP开启：在界定符号后面加小写x。例：

/[0-9]/x

5.让

.

可以匹配换行符

JAVA开启：

Pattern.DOTALL

PHP开启：在界定符号后面加小写s。例：

/[0-9]/s

模式单元

()

模式单元的存在可以使对字符串的操作更加灵活

特别的写法：

(M|A)asd

匹配”Masd”和”Aasd”

java模式单元的例子：

String str = "mjj.mjjmjj@qq.com";
String regex = "^\\w+(\\.\\w+|\\-\\w+)*@\\w+(\\.\\w+)+$";
Matcher matcher = Pattern.compile(regex).matcher(str);
matcher.matches();
System.out.println(matcher.group(0));
System.out.println(matcher.group(1));
System.out.println(matcher.group(2));

打印结果：

mjj.mjjmjj@qq.com
.mjjmjj
.com

例子中

regex

表达式的整体为总模式，

(\\.\\w+|\\-\\w+)

和

(\\.\\w+)

为子模式。

可以从打印结果看出，我们可以利用模式单元方便的拆分出想要的子串

java中通过

Matcher.group(int)

方法获取

注意事项

在匹配中文时会因为编码不同（UTF-8,GBK等等）而造成错误，比较好的解决方法是将表达式中的中文转为Unicode编码

在Java中特别需要注意

\

，php中写

\d

在Java中写

\\d

简单示例（JAVA）

非空：

.+

两位浮点型：

^\\d+\\.\\d{2}$

简单邮箱地址：

^\\w+(\\.\\w+|\\-\\w+)*@\\w+(\\.\\w+)+$

简单的URL：

^(https?://)?(\\w+\\.)+[a-zA-Z]+$

参考资料

JavaTM Platform Standard Ed. 6