Java – 正则表达式

简介

本文讲解Java 中正则表达式的使用和注意事项

正则表达式可以校验字符串是否满足一定的规则，并用来校验数据格式的合法性。

本篇文章中分别使用正则表达式进行文本判断，和信息提取。

正则表达式基本规则

单个字符匹配规则表

预定义字符规则表

数量词规则

String 类相关正则方法

matches 正则判断

在String 实例中，有一个方法 matches(String regex) , 可以传入正则表达式字符串来判断这个String实例中是否符合正则规则，如果符合返回 true , 否则返回 false

String a = "abcdefg";
boolean matches = a.matches("\\w+");
System.out.println(matches);  // => true \\w指 a-zA-Z0-9_,字符串中 a 包含这些字母


String a = "abcdefg";
boolean matches = a.matches("\\d+");
System.out.println(matches);  // => false  \\d 表示 0-9,而a字符串中并没有数字0-9

replaceAll() 使用正则方法替换

String 类中提供一个文本替换的功能，且这个替换功能支持正则表达式

String s = "用户名aaaa密码aaaa性别"
s.replaceAll("a+","替换文本");

split() 使用正则方法分割文本

String 类中提供一个文本分割的功能，且这个分割功能支持正则表达式

String s = "用户名aaaa密码aaaa性别"
s.split("a+");  // => {用户名，密码，性别}

Pattern 和 Matcher

通过使用Pattern类来进行匹配，再使用Matcher来进行取值。

Pattern是管理正则表达式的类，用它来生成一个带有正则表达式的对象

Matcher是一个文本匹配器，作用是按照正则表达式对象的规则去读取字符串，Java默认从头开始读取。

创建Pattern正则对象

创建Pattern正则对象不需要使用 new,只需要调用静态方法 compile 方法就可以了，并传入正则字符串

Pattern compile = Pattern.compile("\\w+");

创建Matcher文本匹配器

Matcher文本匹配器在匹配字串时需要提供正则对象，上面我们通过 Pattern.compile("\\w+"); 申请了一个正则对象，接下来可以使用Matcher文本匹配器匹配我们想要的字符串

String a = "abcdefghijklmn";
Matcher m = p.matcher( str )

通过调用正则对象的 matcher 方法取得 Matcher 对象

find() 查找符合字串

通过调用Matcher 实例对象的 find() 方法，指向字串中的匹配项，若找到匹配项，返回 true，每调用一次，则在上一次匹配的位置上，继续往下寻找匹配，直至找不到为止,则返回false

boolean isFind = m.find();  // => 如果找到返回 true , 否则返回 false

在底层中，届果 find() 找到的话，会记录该匹配项的起始索引和结束索引+1,因为 substring() 方法中，就是取出起始索引和结束索引+1的位置文本。

group() 取得匹配字串

find() 方法让我们能在字符串中找到匹配项的位置，而group() 方法，则是取出字符串中匹配的文本。

通过调用 Matcher 对象的group() 方法即可拿到当前 find() 方法寻找到的匹配项。

String str = m.group();

通过循环匹配所有项

Pattern compile = Pattern.compile("\\w+");
Matcher m = compile.matcher(string );
while (m.find()){
     System.out.println(m.group());
}

贪婪爬取

贪婪爬取指的是，希望能多匹配一些的话就多匹配一些，举例子

String s = "abbbbbbbbbbbccccccccccc"
使用 ab+ 规则取出匹配项

如果使用贪婪爬取，那么我们最后得到的结果是

“abbbbbbbbbbb”

Java默认使用的是贪婪爬取,其正则如下（省略Pattern操作）

String s = "abbbbbbbbbbbccccccccccc"
String regex = "ab+"

非贪婪爬取

非贪婪爬取和贪婪爬取刚好相反，也就是说，当Java找到适合的匹配后，就停止继续匹配了，举

String s = "abbbbbbbbbbbccccccccccc"
使用 ab+ 规则取出匹配项（非贪婪爬取）

如果使用非贪婪爬取，那么我们最后得到的结果是

“ab”

如果我们需要使用 非贪婪爬取，我们只需要在正则规则+,* 之类的数量词后面加 "? ",如下（省略Pattern操作）

String s = "abbbbbbbbbbbccccccccccc"
String regex = "ab+?"

匹配分组

捕获分组

假如我们需要使用定义过的正则表达式时，我们可以通过调用分组的方式复用之前定义过的正则。

分组使用小括号定义。

规则

1.从1开始，连续不间断

2.以左括号为基准，最左边的是第一组，其次为第二组，以此类推

(\\d+)(\\w+)(\\s+);  
// => 第一组为 (\\d+)
// => 第二组为 (\\w+)
// => 第三组为 (\\s+)

(\\d+(\\w+))(\\s+)
// => 第一组为 (\\d+(\\w+))
// => 第二组为 (\\w+)
// => 第三组为 (\\s+)

举例，

匹配 aaa123aaa , bb445bb , &467&

我们知道，上面三个的规律是，前后是一样的，前面的字母匹配，我们可以使用 (.+) 就能把 aaa, bb, & 给匹配上了，因为我们做了分组，所以这里的 (.+) 是一组，我们可以通过使用 \\1 来取得这一组的定义，如下

String regex = "(.+).+\\1"

(.+) 开头有多个任意字符，并设为一个分组

.+ 中间有一个或多个任意字符

\\1  调用第一个分组的定义，也就是 (.+)

我们再来举一个例子：

String regex = "((.)\\2*).+\\1"

(.)   指的是有一个任意字符

\\2  在此列中，因为 (.) 在另一个括号内，因此它是第2组了，所以 \\2 指的是 (.)

*   作用于 \\2 表示 \\2 有0或多个

((.)\\2*)   表示 (.) 作为一个组，且组在第二组，并且认为这个组中有0到多个

.+  中间的任意字符

\\1  调用第一组，即 ((.)\\2*)

外部使用分组

内部使用分组时，我们使用 \\ 号进行调用，而如果需要在外部调用分组的话，我们可以使用 $ 符调用就可

String s = "aaabbbbbbbbcdddd"
s.replaceAll("(.)\\1+", "$1" );
// => 会匹配出四个项 [aaa],[bbbbbbbb],[c],[dddd]
// => 最后会把 aaa->a, bbbbbbbb->b, c->c, dddd->d
// => abcd

(.)\\1+ 表示有一个或多个第一组的任意字符定义

$1  表示在外部使用 (.)

非捕获分组

当我们使用捕获分组时，我们需要使用 () 来进行分组，但是有时候我们需要 () 并不是因为我们需要分组，而仅仅只是缩小匹配范围，如

[(a|b)(c|d)] 这里的（a|b）仅仅是为了缩小到a或b的匹配，如果不加 () ,那么 | 号或会以全局的方式进行匹配，但加了 () 后， (a|b) 则占用了一个分组，而我们并不想它占用分组名额时，我们可以使用非捕获分组定义，定义如下