JavaSE基礎:"頭疼"的正規表示式

胖先森發表於2018-04-09

正規表示式

1.正則是啥?

正規表示式: 定義一個搜尋模式的字串。正規表示式可以用於搜尋、編輯和操作文字.

正則對文字的分析或修改過程為: 首先正規表示式應用的是文字字串（text/string）,它會以定義的模式從左到右匹配文字，每個源字元只匹配一次.

請說人話:

正則就是用有限的符號,表達無限的序列！

說白了人就是懶,想少寫多做!

正規表示式	匹配
`this is text`	精確匹配字串 "this is text"
`this\s+is\s+text`	匹配單詞 "this" 後跟一個或多個空格字元，後跟詞 "is" 後跟一個或多個空格字元，後跟詞 "text"
`^\d+(\.\d+)?`	`^` 定義模式必須匹配字串的開始，`d+` 匹配一個或多個數字，`?` 表明小括號內的語句是可選的，`\.` 匹配 "."，小括號表示分組。例如匹配："5"、"1.5" 和 "2.21"

2.正規表示式的規則

2.1 常見匹配符號

正規表示式	描述
`.`	匹配所有單個字元，除了換行符（Linux 中換行是 n，Windows 中換行是 rn）
`^regex`	正則必須匹配字串開頭
`regex$`	正則必須匹配字串結尾
`[abc]`	複選集定義，匹配字母 a 或 b 或 c
`[abc][vz]`	複選集定義，匹配字母 a 或 b 或 c，後面跟著 v 或 z
`[^abc]`	當插入符 `^` 在中括號中以第一個字元開始顯示，則表示否定模式。此模式匹配所有字元，除了 a 或 b 或 c
`[a-d1-7]`	範圍匹配，匹配字母 a 到 d 和數字從 1 到 7 之間，但不匹配 d1
`XZ`	匹配 X 後直接跟著 Z
`X\|Z`	匹配 X 或 Z

這些符號必須要記住

2.2 元字元

元字元是一個預定義的字元。

正規表示式	描述
`\d`	匹配一個數字，是 `[0-9]` 的簡寫
`\D`	匹配一個非數字，是 `[^0-9]` 的簡寫
`\s`	匹配一個空格，是 `[ \t\n\x0b\r\f]` 的簡寫
`\S`	匹配一個非空格
`\w`	匹配一個單字字元（大小寫字母、數字、下劃線），是 `[a-zA-Z_0-9]` 的簡寫
`\W`	匹配一個非單字字元（除了大小寫字母、數字、下劃線之外的字元），等同於 `[^\w]`

2.3 限定字元

限定符定義了一個元素可以發生的頻率。


正規表示式	描述	舉例
`*`	匹配 >=0 個，是 `{0,}` 的簡寫	`X` 表示匹配零個或多個字母 X，`.` 表示匹配任何字串
`+`	匹配 >=1 個，是 `{1,}` 的簡寫	`X+` 表示匹配一個或多個字母 X
`?`	匹配 1 個或 0 個，是 `{0,1}` 的簡寫	`X?` 表示匹配 0 個或 1 個字母 X
`{X}`	只匹配 X 個字元	`\d{3}` 表示匹配 3 個數字，`.{10}` 表示匹配任何長度是 10 的字串
`{X,Y}`	匹配 >=X 且 <=Y 個	`\d{1,4}` 表示匹配至少 1 個最多 4 個數字
`*?`	如果 `?` 是限定符 `` 或 `+` 或 `?` 或 `{}` 後面的第一個字元，那麼表示非貪婪模式（儘可能少的匹配字元），而不是預設的貪婪模式*

2.4 分組和反向引用

小括號 () 可以達到對正規表示式進行分組的效果。

模式分組後會在正規表示式中建立反向引用。反向引用會儲存匹配模式分組的字串片斷，這使得我們可以獲取並使用這個字串片斷。

在以正規表示式替換字串的語法中，是通過 $ 來引用分組的反向引用，$0 是匹配完整模式的字串（注意在 JavaScript 中是用 $& 表示）；$1 是第一個分組的反向引用；$2 是第二個分組的反向引用，以此類推。

package com.wuxianjiezh.demo.regex;

public class RegexTest {

    public static void main(String[] args) {
        // 去除單詞與 , 和 . 之間的空格
        String Str = "Hello , World .";
        String pattern = "(\\w)(\\s+)([.,])";
        // $0 匹配 `(\w)(\s+)([.,])` 結果為 `o空格,` 和 `d空格.`
        // $1 匹配 `(\w)` 結果為 `o` 和 `d`
        // $2 匹配 `(\s+)` 結果為 `空格` 和 `空格`
        // $3 匹配 `([.,])` 結果為 `,` 和 `.`
        System.out.println(Str.replaceAll(pattern, "$1$3")); // Hello, World.
    }
}
複製程式碼

上面的例子中，我們使用了 [.] 來匹配普通字元 . 而不需要使用 [\\.]。因為正則對於 [] 中的 .，會自動處理為 [\.]，即普通字元 . 進行匹配。

2.4.1 僅分組但無反向引用

當我們在小括號 () 內的模式開頭加入 ?:，那麼表示這個模式僅分組，但不建立反向引用。

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "img.jpg";
        // 分組且建立反向引用
        Pattern pattern = Pattern.compile("(jpg|png)");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());//$0
            System.out.println(matcher.group(1));//$1
        }
    }
}
複製程式碼

執行結果為:

jpg

jpg

若原始碼改為：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "img.jpg";
        // 分組但不建立反向引用
        Pattern pattern = Pattern.compile("(?:jpg|png)");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());
            System.out.println(matcher.group(1));
        }
    }
}
複製程式碼

執行結果為:

jpg Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 1 at java.util.regex.Matcher.group(Matcher.java:538) at com.wuxianjiezh.regex.RegexTest.main(RegexTest.java:15)

2.4.2 分組的反向引用副本

Java 中可以在小括號中使用 ? 將小括號中匹配的內容儲存為一個名字為 name 的副本。

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "@wxj 你好啊";
        Pattern pattern = Pattern.compile("@(?<first>\\w+\\s)"); // 儲存一個副本
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());
            System.out.println(matcher.group(1));
            System.out.println(matcher.group("first"));
        }
    }
}
複製程式碼

執行結果為:

@wxj wxj wxj

2.5 否定先行斷言（Negative lookahead）

我們可以建立否定先行斷言模式的匹配，即某個字串後面不包含另一個字串的匹配模式。

否定先行斷言模式通過 (?!pattern) 定義。比如，我們匹配後面不是跟著 "b" 的 "a"：

a(?!b)
複製程式碼

2.6 指定正規表示式的模式

可以在正則的開頭指定模式修飾符。

(?i) 使正則忽略大小寫。
(?s) 表示單行模式（"single line mode"）使正則的 . 匹配所有字元，包括換行符。
(?m) 表示多行模式（"multi-line mode"），使正則的 ^ 和 $ 匹配字串中每行的開始和結束。

2.7 Java 中的反斜槓

反斜槓 \ 在 Java 中表示轉義字元，這意味著 \ 在 Java 擁有預定義的含義。

這裡例舉兩個特別重要的用法：

在匹配 . 或 { 或 [ 或 ( 或 ? 或 $ 或 ^ 或 * 這些特殊字元時，需要在前面加上 \\，比如匹配 . 時，Java 中要寫為 \\.，但對於正規表示式來說就是 \.。
在匹配 \ 時，Java 中要寫為 \\\\，但對於正規表示式來說就是 \\。

注意：Java 中的正規表示式字串有兩層含義，首先 Java 字串轉義出符合正規表示式語法的字串，然後再由轉義後的正規表示式進行模式匹配。

2.8 易錯點示例

[jpg|png] 代表匹配 j 或 p 或 g 或 p 或 n 或 g 中的任意一個字元。
(jpg|png) 代表匹配 jpg 或 png。

3.在字串中使用正規表示式

3.1 內建的字串正則處理方法

在 Java 中有四個內建的執行正規表示式的方法，分別是 matches()、split())、replaceFirst()、replaceAll()。注意 replace() 方法不支援正規表示式。

方法	描述
`s.matches("regex")`	當僅且當正則匹配整個字串時返回 `true`
`s.split("regex")`	按匹配的正規表示式切片字串
`s.replaceFirst("regex", "replacement")`	替換首次匹配的字串片段
`s.replaceAll("regex", "replacement")`	替換所有匹配的字元

package com.wuxianjiezh.regex;

public class RegexTest {

    public static void main(String[] args) {
        System.out.println("wxj".matches("wxj"));
        System.out.println("----------");

        String[] array = "w x j".split("\\s");
        for (String item : array) {
            System.out.println(item);
        }
        System.out.println("----------");

        System.out.println("w x j".replaceFirst("\\s", "-"));
        System.out.println("----------");

        System.out.println("w x j".replaceAll("\\s", "-"));
    }
}
複製程式碼

執行結果

true
----------
w
x
j
----------
w-x j
----------
w-x-j
複製程式碼

4.模式和匹配

Java 中使用正規表示式需要用到兩個類，分別為 java.util.regex.Pattern 和 java.util.regex.Matcher。

第一步，通過正規表示式建立模式物件 Pattern。

第二步，通過模式物件 Pattern，根據指定字串建立匹配物件 Matcher。

第三步，通過匹配物件 Matcher，根據正規表示式操作字串。

非常好的示例

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String text = "Hello Regex!";

        Pattern pattern = Pattern.compile("\\w+");
        // Java 中忽略大小寫，有兩種寫法：
        // Pattern pattern = Pattern.compile("\\w+", Pattern.CASE_INSENSITIVE);
        // Pattern pattern = Pattern.compile("(?i)\\w+"); // 推薦寫法
        Matcher matcher = pattern.matcher(text);
        // 遍例所有匹配的序列
        while (matcher.find()) {
            System.out.print("Start index: " + matcher.start());
            System.out.print(" End index: " + matcher.end() + " ");
            System.out.println(matcher.group());
        }
        // 建立第兩個模式，將空格替換為 tab
        Pattern replace = Pattern.compile("\\s+");
        Matcher matcher2 = replace.matcher(text);
        System.out.println(matcher2.replaceAll("\t"));
    }
}
複製程式碼

執行結果:

Start index: 0 End index: 5 Hello
Start index: 6 End index: 11 Regex
Hello    Regex!
複製程式碼

5.若干個常用例子

5.1 中文的匹配

[\u4e00-\u9fa5]+ 代表匹配中文字。

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "閑人到人間";
        Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}
複製程式碼

執行結果：

閑人到人間
複製程式碼

5.2 數字範圍的匹配

比如，匹配 1990 到 2017。

**注意：**這裡有個新手易範的錯誤，就是正則 [1990-2017]，實際這個正則只匹配 0 或 1 或 2 或 7 或 9 中的任一個字元。

正規表示式匹配數字範圍時，首先要確定最大值與最小值，最後寫中間值。

正確的匹配方式：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "1990\n2010\n2017";
        // 這裡應用了 (?m) 的多行匹配模式，只為方便我們測試輸出
        // "^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$" 為判斷 1990-2017 正確的正規表示式
        Pattern pattern = Pattern.compile("(?m)^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}
複製程式碼

執行結果：

1990
2010
2017
複製程式碼

5.3 img 標籤的匹配

比如，獲取圖片檔案內容，這裡我們考慮了一些不規範的 img 標籤寫法：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "<img  src='aaa.jpg' /><img src=bbb.png/><img src=\"ccc.png\"/>" +
                "<img src='ddd.exe'/><img src='eee.jpn'/>";
        // 這裡我們考慮了一些不規範的 img 標籤寫法，比如：空格、引號
        Pattern pattern = Pattern.compile("<img\\s+src=(?:['\"])?(?<src>\\w+.(jpg|png))(?:['\"])?\\s*/>");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group("src"));
        }
    }
}
複製程式碼

執行結果：

aaa.jpg
bbb.png
ccc.png
複製程式碼

5.4 貪婪與非貪婪模式的匹配

比如，獲取 div 標籤中的文字內容：

package com.wuxianjiezh.regex;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    public static void main(String[] args) {
        String str = "<div>文章標題</div><div>釋出時間</div>";
        // 貪婪模式
        Pattern pattern = Pattern.compile("<div>(?<title>.+)</div>");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group("title"));
        }

        System.out.println("--------------");

        // 非貪婪模式
        pattern = Pattern.compile("<div>(?<title>.+?)</div>");
        matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group("title"));
        }
    }
}
複製程式碼

執行結果：

文章標題</div><div>釋出時間
--------------
文章標題
釋出時間
複製程式碼

6.推薦詳細的自學教程

正規表示式30分鐘入門教程 https://deerchao.net/tutorials/regex/regex.htm

Java的正規表示式工具 http://www.regexplanet.com/advanced/java/index.html

正規表示式語法篇 https://yanhaijing.com/javascript/2017/08/06/regexp-syntax/

正規表示式語法詳解篇 https://blog.csdn.net/yaerfeng/article/details/28855587#reg

JavaScript正規表示式 https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Guide/Regular_Expressions

7.附錄

問題1:關於空格

針對tab鍵帶來的多個空格問題，有時候我們針對帶空格的一行資料要進行切割，如果有多個空格就會出現就會切割空格出現，我們想把空格都去掉，所以需要用到某些方法。

解決方案: 利用正規表示式來匹配空格\\s+

首先利用split(“\s+”);方法來對字串切割，儘可能的匹配空格，這裡也挺有意思，因為空格數目不一樣，可以動態變換匹配的空格數量，這個實現原理可以看看底層原理，挺有意思。

String string="a   b  a  a ";
for(String a:string.split("\\s+")){
    System.out.println(a);
}
複製程式碼

問題2:[] {} () 的使用區別

() 是為了提取匹配的字串。表示式中有幾個()就有幾個相應的匹配字串。(\s*)表示連續空格的字串。
[]是定義匹配的字元範圍。比如 [a-zA-Z0-9] 表示相應位置的字元要匹配英文字元和數字。[\s*]表示空格或者*號。
{}一般用來表示匹配的長度，比如 \s{3} 表示匹配三個空格，\s{1,3}表示匹配一到三個空格。
(0-9) 匹配 '0-9′ 本身。
[0-9]* 匹配數字（注意後面有 *，可以為空）
[0-9]+ 匹配數字（注意後面有 +，不可以為空）{1-9} 寫法錯誤。
[0-9]{0,9} 表示長度為 0 到 9 的數字字串

問題3: ()和[]有本質的區別

()內的內容表示的是一個子表示式，()本身不匹配任何東西，也不限制匹配任何東西，只是把括號內的內容作為同一個表示式來處理!

例如：(ab){1,3}，就表示ab一起連續出現最少1次，最多3次。如果沒有括號的話，ab{1,3},就表示a，後面緊跟的b出現最少1次，最多3次。另外，括號在匹配模式中也很重要。檢視前面的介紹 []表示匹配的字元在[]中，並且只能出現一次，並且特殊字元寫在[]會被當成普通字元來匹配。例如[(a)]，會匹配(、a、)、這三個字元。所以() [] 無論是作用還是表示的含義，都有天壤之別，沒什麼聯絡

文章出處：segmentfault.com/a/119000000…

JavaSE基礎:”頭疼”的正規表示式
2019-01-23
Java
正規表示式基礎
2019-12-23
前端筆記之JavaScript（六）讓人頭疼的正規表示式
2019-03-23
前端筆記JavaScript
JS基礎：正規表示式
2021-09-09
JS
iOS基礎：正規表示式
2016-08-06
iOS
正規表示式基礎一
2011-07-20
bash基礎特性、正規表示式
2019-07-15
shell基礎 — 基本正規表示式
2018-10-08
正規表示式基礎知識
2018-04-15
前端基礎之正規表示式
2018-07-07
前端
正規表示式基礎入門
2017-12-22
Python正規表示式基礎
2013-06-19
Python
JavaScript基礎-06-正規表示式
2020-08-12
JavaScript
python基礎操作——正規表示式
2023-04-10
Python
正規表示式(一) 基礎知識
2018-03-21
正規表示式基礎+使用案例解析
2017-04-01
正規表示式-基礎實戰篇
2015-11-11
Python基礎之正規表示式
2024-06-30
Python
【重溫基礎】9.正規表示式
2019-02-16
PHP基礎系列之正規表示式(一)
2019-02-16
PHP
正規表示式基礎知識總結
2019-01-03
javascript基礎（正規表示式）（二十四）
2017-02-08
JavaScript
JS基礎篇–正規表示式詳解
2014-02-17
JS
C#基礎回顧：正規表示式
2009-06-03
C#
JS基礎教程——正規表示式示例(推薦)
2022-03-16
JS
Python--之正規表示式一基礎
2018-04-06
Python
python基礎之正規表示式和re模組
2020-03-12
Python
【正規表示式】常用的正規表示式（數字，漢字，字串，金額等的正規表示式）
2021-12-13
字串
『忘了再學』Shell基礎 — 24、Shell正規表示式的使用
2022-06-01
正規表示式
2024-10-30
驗證以指定字串開頭的正規表示式
2017-03-13
字串
JavaScript中登入名的正規表示式及解析(0基礎)
2018-03-09
JavaScript
前端正規表示式基礎
2018-09-15
前端
JavaScript的正規表示式
2017-10-21
JavaScript
JS 的正規表示式
2017-09-11
JS
Js基礎知識3-字串、正規表示式全解
2018-09-08
JS字串
『忘了再學』Shell基礎 — 25、擴充套件正規表示式
2022-06-06
套件
Shell程式設計基礎學習之一:正規表示式
2014-09-14
程式設計

JavaSE基礎:"頭疼"的正規表示式

正規表示式

1.正則是啥?

2.正規表示式的規則

2.1 常見匹配符號

2.2 元字元

2.3 限定字元

2.4 分組和反向引用

2.4.1 僅分組但無反向引用

2.4.2 分組的反向引用副本

2.5 否定先行斷言（Negative lookahead）

2.6 指定正規表示式的模式

2.7 Java 中的反斜槓

2.8 易錯點示例

3.在字串中使用正規表示式

3.1 內建的字串正則處理方法

4.模式和匹配

5.若干個常用例子

5.1 中文的匹配

5.2 數字範圍的匹配

5.3 img 標籤的匹配

5.4 貪婪與非貪婪模式的匹配

6.推薦詳細的自學教程

7.附錄

相關文章