Java中的正規表示式

正規表示式定義了字串的模式。

正規表示式可以用來搜尋、編輯或處理文字。

正規表示式並不僅限於某一種語言，但是在每種語言中有細微的差別。

Java正規表示式和Perl的是最為相似的。

正規表示式語法

字元	說明
\	將下一字元標記為特殊字元、文字、反向引用或八進位制轉義符。例如，"n"匹配字元"n"。"\n"匹配換行符。序列"\\"匹配"\"，"\("匹配"("。
^	匹配輸入字串開始的位置。如果設定了 RegExp 物件的 Multiline 屬性，^ 還會與"\n"或"\r"之後的位置匹配。
$	匹配輸入字串結尾的位置。如果設定了 RegExp 物件的 Multiline 屬性，$ 還會與"\n"或"\r"之前的位置匹配。
*	零次或多次匹配前面的字元或子表示式。例如，zo* 匹配"z"和"zoo"。* 等效於 {0,}。
+	一次或多次匹配前面的字元或子表示式。例如，"zo+"與"zo"和"zoo"匹配，但與"z"不匹配。+ 等效於 {1,}。
?	零次或一次匹配前面的字元或子表示式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效於 {0,1}。
{n}	n 是非負整數。正好匹配 n 次。例如，"o{2}"與"Bob"中的"o"不匹配，但與"food"中的兩個"o"匹配。
{n,}	n 是非負整數。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效於"o+"。"o{0,}"等效於"o*"。
{n,m}	M 和 n 是非負整數，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的頭三個 o。'o{0,1}' 等效於 'o?'。注意：您不能將空格插入逗號和數字之間。
?	當此字元緊隨任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之後時，匹配模式是"非貪心的"。"非貪心的"模式匹配搜尋到的、儘可能短的字串，而預設的"貪心的"模式匹配搜尋到的、儘可能長的字串。例如，在字串"oooo"中，"o+?"只匹配單個"o"，而"o+"匹配所有"o"。
.	匹配除"\n"之外的任何單個字元。若要匹配包括"\n"在內的任意字元，請使用諸如"[\s\S]"之類的模式。
(pattern)	匹配 pattern 並捕獲該匹配的子表示式。可以使用 $0…$9 屬性從結果"匹配"集合中檢索捕獲的匹配。若要匹配括號字元 ( )，請使用"\("或者"\)"。
(?:pattern)	匹配 pattern 但不捕獲該匹配的子表示式，即它是一個非捕獲匹配，不儲存供以後使用的匹配。這對於用"or"字元 (|) 組合模式部件的情況很有用。例如，'industr(?:y|ies) 是比 'industry|industries' 更經濟的表示式。
(?=pattern)	執行正向預測先行搜尋的子表示式，該表示式匹配處於匹配 pattern 的字串的起始點的字串。它是一個非捕獲匹配，即不能捕獲供以後使用的匹配。例如，'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。預測先行不佔用字元，即發生匹配後，下一匹配的搜尋緊隨上一匹配之後，而不是在組成預測先行的字元後。
(?!pattern)	執行反向預測先行搜尋的子表示式，該表示式匹配不處於匹配 pattern 的字串的起始點的搜尋字串。它是一個非捕獲匹配，即不能捕獲供以後使用的匹配。例如，'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。預測先行不佔用字元，即發生匹配後，下一匹配的搜尋緊隨上一匹配之後，而不是在組成預測先行的字元後。
x|y	匹配 x 或 y。例如，'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字元。例如，"[abc]"匹配"plain"中的"a"。
[^xyz]	反向字符集。匹配未包含的任何字元。例如，"[^abc]"匹配"plain"中的"p"。
[a-z]	字元範圍。匹配指定範圍內的任何字元。例如，"[a-z]"匹配"a"到"z"範圍內的任何小寫字母。
[^a-z]	反向範圍字元。匹配不在指定的範圍內的任何字元。例如，"[^a-z]"匹配任何不在"a"到"z"範圍內的任何字元。
\b	匹配一個字邊界，即字與空格間的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。
\B	非字邊界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。
\cx	匹配 x 指示的控制字元。例如，\cM 匹配 Control-M 或回車符。x 的值必須在 A-Z 或 a-z 之間。如果不是這樣，則假定 c 就是"c"字元本身。
\d	數字字元匹配。等效於 [0-9]。
\D	非數字字元匹配。等效於 [^0-9]。
\f	換頁符匹配。等效於 \x0c 和 \cL。
\n	換行符匹配。等效於 \x0a 和 \cJ。
\r	匹配一個回車符。等效於 \x0d 和 \cM。
\s	匹配任何空白字元，包括空格、製表符、換頁符等。與 [ \f\n\r\t\v] 等效。
\S	匹配任何非空白字元。與 [^ \f\n\r\t\v] 等效。
\t	製表符匹配。與 \x09 和 \cI 等效。
\v	垂直製表符匹配。與 \x0b 和 \cK 等效。
\w	匹配任何字類字元，包括下劃線。與"[A-Za-z0-9_]"等效。
\W	與任何非單詞字元匹配。與"[^A-Za-z0-9_]"等效。
\xn	匹配 n，此處的 n 是一個十六進位制轉義碼。十六進位制轉義碼必須正好是兩位數長。例如，"\x41"匹配"A"。"\x041"與"\x04"&"1"等效。允許在正規表示式中使用 ASCII 程式碼。
\num	匹配 num，此處的 num 是一個正整數。到捕獲匹配的反向引用。例如，"(.)\1"匹配兩個連續的相同字元。
\n	標識一個八進位制轉義碼或反向引用。如果 \n 前面至少有 n 個捕獲子表示式，那麼 n 是反向引用。否則，如果 n 是八進位制數 (0-7)，那麼 n 是八進位制轉義碼。
\nm	標識一個八進位制轉義碼或反向引用。如果 \nm 前面至少有 nm 個捕獲子表示式，那麼 nm 是反向引用。如果 \nm 前面至少有 n 個捕獲，則 n 是反向引用，後面跟有字元 m。如果兩種前面的情況都不存在，則 \nm 匹配八進位制值 nm，其中 n 和 m 是八進位制數字 (0-7)。
\nml	當 n 是八進位制數 (0-3)，m 和 l 是八進位制數 (0-7) 時，匹配八進位制轉義碼 nml。
\un	匹配 n，其中 n 是以四位十六進位制數表示的 Unicode 字元。例如，\u00A9 匹配版權符號 (?)。

使用正規表示式

貪婪模式和勉強模式（String中使用RegExp）

String str = "hello, java.";
//貪婪模式（儘可能多的匹配）
String s1 = str.replaceFirst("\\w*", "■");//■, java.
//勉強模式（儘可能少的匹配）
String s2 = str.replaceFirst("\\w*?", "■");//■hello, java.

Pattern與Matcher

//編譯一個pattern
Pattern p = Pattern.compile("a\\w*f");
		
String str = "abcdef";
Matcher m = p.matcher(str);
boolean b = m.matches();
System.out.println(b);//true
		
str = "abcfg";
System.out.println(p.matcher(str).matches());//false
		
//或者直接使用靜態方法（但這種方法，每次都要臨時編譯pattern，不能重用pattern，所以效率不高）
boolean bm = Pattern.matches("a\\w*f", "a good leaf");
System.out.println(bm);//false

Pattern是不可變類,可供多個併發執行緒安全使用。

Matcher類提供瞭如下幾個常用方法。

• find():返回目標字串中是否包含與 Pattern匹配的子串。
• group():返回上一次與Pattern匹配的子串。
• start():返回上一次與 Pattern匹配的子串在目標字串中的開始位置。
• end():返回上一次與 Pattern匹配的子串在目標字串中的結束位置加1。
• lookingAt():返回目標字串前面部分與 Pattert是否匹配。
• matches():返回整個目標字串與 Pattern是否匹配。
• reset():將現有的 Matcher物件應用於一個新的字元序列。

注意：在 Pattern, Matcher類的介紹中經常會看到一個 CharSequence介面,該介面代表一個字元序列,其中 CharBuffer、 String、StringBuffer、 StringBuilder 都是它的實現類。簡單地說CharSequence代表一個各種表示形式的字串。

Matcher matcher = Pattern.compile("\\w+").matcher("Java is very easy.");
while(matcher.find())
{
	String s = matcher.group();
	System.out.println(s);
}
System.out.println("----------------------------");
int i=0;
while(matcher.find(i)){
	String s = matcher.group();
	System.out.println(s);
	i++;
}

/** 執行結果：
Java
is
very
easy
----------------------------
Java
ava
va
a
is
is
s
very
very
ery
ry
y
easy
easy
asy
sy
y
*/

 

Matcher matcher = Pattern.compile("\\w+").matcher("Java is very easy.");
while(matcher.find())
{
	String s = matcher.group();
	int start = matcher.start();
	int end = matcher.end();
	System.out.println(s + "\n開始索引："+start+"\t結束索引："+end);
}

matches()和 lookingAt()方法有點相似,只是 matches方法要求整個字串和 Pattern完全匹配時才返回true,而 lookingAt()只要字串以Pattern開頭就會返回 true.
reset方法可將現有的 Matcher物件應用於新的字元序列。

看如下例子程式:

String[] mails={
		"monkey@163.com",
		"hengjie@qq.com",
		"ligang@crazyit.org",
		"hehe@abc.xx"
};
String mailRegEx="\\w{3,20}@\\w+\\.(com|org|cn|net|gov)";
Pattern pattern = Pattern.compile(mailRegEx);
Matcher matcher = null;
for(String mail : mails){
	if(matcher == null){
		matcher = pattern.matcher(mail);
	}else{
		matcher.reset(mail);
	}
	String result = mail + (matcher.matches()?" 是":" 不是") + "一個有效的郵箱。";
	System.out.println(result);
}
System.out.println("---------------------------");
// 或者直接使用 String的matches
for(String mail : mails){
	boolean b = mail.matches(mailRegEx);
	System.out.println(mail + " --> " + b);
}

/** 執行結果：
monkey@163.com 是一個有效的郵箱。
hengjie@qq.com 是一個有效的郵箱。
ligang@crazyit.org 是一個有效的郵箱。
hehe@abc.xx 不是一個有效的郵箱。
---------------------------
monkey@163.com --> true
hengjie@qq.com --> true
ligang@crazyit.org --> true
hehe@abc.xx --> false
*/