Java 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。

正規表示式例項

一個字串其實就是一個簡單的正規表示式，例如 Hello World 正規表示式匹配 "Hello World" 字串。 .（點號）也是一個正規表示式，它匹配任何一個字元如："a" 或 "1"。 下表列出了一些正規表示式的例項及描述：

正規表示式	描述
this is text	匹配字串 "this is text"
this\s+is\s+text	注意字串中的 \s+。匹配單詞 "this" 後面的 \s+ 可以匹配多個空格，之後匹配 is 字串，再之後 \s+ 匹配多個空格然後再跟上 text 字串。可以匹配這個例項：this is text
^\d+(.\d+)?	^ 定義了以什麼開始，\d+ 匹配一個或多個數字，?設定括號內的選項是可選的，. 匹配 "."，可以匹配的例項："5", "1.5" 和 "2.21"。

Java 正規表示式 簡單使用

public static void main(String[] args) {
        // TODO Auto-generated method stub
        String s = "agagga123141gjaljg";
        Pattern p = Pattern.compile("[0-9]{6}");
        Matcher m = p.matcher(s);
        
        if(m.find()){
            System.out.println("驗證碼："+m.group(0));
        }else{
            System.out.println("擷取不到驗證碼！");
        }
       
        
    }
複製程式碼

結果輸出：驗證碼：123141

Java 正規表示式和 Perl 的是最為相似的。 java.util.regex 包主要包括以下三個類：

1. Pattern 類：

pattern 物件是一個正規表示式的編譯表示。Pattern 類沒有公共構造方法。要建立一個 Pattern 物件，你必須首先呼叫其公共靜態編譯方法，它返回一個 Pattern 物件。該方法接受一個正規表示式作為它的第一個引數。 2. Matcher 類：

Matcher 物件是對輸入字串進行解釋和匹配操作的引擎。與Pattern 類一樣，Matcher 也沒有公共構造方法。你需要呼叫 Pattern 物件的 matcher 方法來獲得一個 Matcher 物件。 3. PatternSyntaxException：

PatternSyntaxException 是一個非強制異常類，它表示一個正規表示式模式中的語法錯誤。

一、捕獲組的概念

捕獲組是把多個字元當一個單獨單元進行處理的方法，它通過對括號內的字元分組來建立。

例如，正規表示式 (dog) 建立了單一分組，組裡包含"d"，"o"，和"g"。 捕獲組是通過從左至右計算其開括號來編號。例如，在表示式（（A）（B（C））），有四個這樣的組：

• ((A)(B(C)))
• (A)
• (B(C))
• (C)

可以通過呼叫 matcher 物件的 groupCount 方法來檢視錶達式有多少個分組。groupCount 方法返回一個 int 值，表示matcher物件當前有多個捕獲組。 還有一個特殊的組（group(0)），它總是代表整個表示式。該組不包括在 groupCount 的返回值中。

二、詳解Pattern類和Matcher類

java正規表示式通過java.util.regex包下的Pattern類與Matcher類實現. Pattern類用於建立一個正規表示式,也可以說建立一個匹配模式,它的構造方法是私有的,不可以直接建立,但可以通過Pattern.complie(String regex)簡單工廠方法建立一個正規表示式, Java程式碼示例:

Pattern p=Pattern.compile("\\w+"); 
p.pattern();//返回 \w+
複製程式碼

pattern() 返回正規表示式的字串形式,其實就是返回Pattern.complile(String regex)的regex引數

1.Pattern.split(CharSequence input)

Pattern有一個split(CharSequence input)方法,用於分隔字串,並返回一個String[],我猜String.split(String regex)就是通過Pattern.split(CharSequence input)來實現的.

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
String[] str=p.split("我的QQ是:456456我的電話是:0532214我的郵箱是:aaa@aaa.com");

結果:str[0]="我的QQ是:" str[1]="我的電話是:" str[2]="我的郵箱是:aaa@aaa.com"
複製程式碼

2.Pattern.matcher(String regex,CharSequence input)是一個靜態方法,用於快速匹配字串,該方法適合用於只匹配一次,且匹配全部字串.

Java程式碼示例:

Pattern.matches("\\d+","2223");//返回true 
Pattern.matches("\\d+","2223aa");//返回false,需要匹配到所有字串才能返回true,這裡aa不能匹配到 
Pattern.matches("\\d+","22bb23");//返回false,需要匹配到所有字串才能返回true,這裡bb不能匹配到
複製程式碼

3.Pattern.matcher(CharSequence input)

說了這麼多,終於輪到Matcher類登場了,Pattern.matcher(CharSequence input)返回一個Matcher物件.

Matcher類的構造方法也是私有的,不能隨意建立,只能通過Pattern.matcher(CharSequence input)方法得到該類的例項.

Pattern類只能做一些簡單的匹配操作,要想得到更強更便捷的正則匹配操作,那就需要將Pattern與Matcher一起合作.Matcher類提供了對正規表示式的分組支援,以及對正規表示式的多次匹配支援.

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("22bb23"); 
m.pattern();//返回p 也就是返回該Matcher物件是由哪個Pattern物件的建立的
複製程式碼

4.Matcher.matches()/ Matcher.lookingAt()/ Matcher.find()

Matcher類提供三個匹配操作方法,三個方法均返回boolean型別,當匹配到時返回true,沒匹配到則返回false matches()對整個字串進行匹配,只有整個字串都匹配了才返回true

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("22bb23"); 
m.matches();//返回false,因為bb不能被\d+匹配,導致整個字串匹配未成功. 
Matcher m2=p.matcher("2223"); 
m2.matches();//返回true,因為\d+匹配到了整個字串
複製程式碼

我們現在回頭看一下Pattern.matcher(String regex,CharSequence input),它與下面這段程式碼等價 Pattern.compile(regex).matcher(input).matches()

lookingAt()對前面的字串進行匹配,只有匹配到的字串在最前面才返回true

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("22bb23"); 
m.lookingAt();//返回true,因為\d+匹配到了前面的22 
Matcher m2=p.matcher("aa2223"); 
m2.lookingAt();//返回false,因為\d+不能匹配前面的aa
複製程式碼

find()對字串進行匹配,匹配到的字串可以在任何位置.

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("22bb23"); 
m.find();//返回true 
Matcher m2=p.matcher("aa2223"); 
m2.find();//返回true 
Matcher m3=p.matcher("aa2223bb"); 
m3.find();//返回true 
Matcher m4=p.matcher("aabb"); 
m4.find();//返回false
複製程式碼

5.Mathcer.start()/ Matcher.end()/ Matcher.group()

當使用matches(),lookingAt(),find()執行匹配操作後,就可以利用以上三個方法得到更詳細的資訊.

• start()返回匹配到的子字串在字串中的索引位置.
• end()返回匹配到的子字串的最後一個字元在字串中的索引位置.
• group()返回匹配到的子字串

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("aaa2223bb"); 
m.find();//匹配2223 
m.start();//返回3 
m.end();//返回7,返回的是2223後的索引號 
m.group();//返回2223 

Mathcer m2=m.matcher("2223bb"); 
m.lookingAt();   //匹配2223 
m.start();   //返回0,由於lookingAt()只能匹配前面的字串,所以當使用lookingAt()匹配時,start()方法總是返回0 
m.end();   //返回4 
m.group();   //返回2223 

Matcher m3=m.matcher("2223bb"); 
m.matches();   //匹配整個字串 
m.start();   //返回0,原因相信大家也清楚了 
m.end();   //返回6,原因相信大家也清楚了,因為matches()需要匹配所有字串 
m.group();   //返回2223bb
複製程式碼

說了這麼多,相信大家都明白了以上幾個方法的使用,該說說正規表示式的分組在java中是怎麼使用的. start(),end(),group()均有一個過載方法它們是start(int i),end(int i),group(int i)專用於分組操作,Mathcer類還有一個groupCount()用於返回有多少組.

Java程式碼示例:

Pattern p=Pattern.compile("([a-z]+)(\\d+)"); 
Matcher m=p.matcher("aaa2223bb"); 
m.find();   //匹配aaa2223 
m.groupCount();   //返回2,因為有2組 
m.start(1);   //返回0 返回第一組匹配到的子字串在字串中的索引號 
m.start(2);   //返回3 
m.end(1);   //返回3 返回第一組匹配到的子字串的最後一個字元在字串中的索引位置. 
m.end(2);   //返回7 
m.group(1);   //返回aaa,返回第一組匹配到的子字串 
m.group(2);   //返回2223,返回第二組匹配到的子字串
複製程式碼

現在我們使用一下稍微高階點的正則匹配操作,例如有一段文字,裡面有很多數字,而且這些數字是分開的,我們現在要將文字中所有數字都取出來,利用java的正則操作是那麼的簡單.

Java程式碼示例:

Pattern p=Pattern.compile("\\d+"); 
Matcher m=p.matcher("我的QQ是:456456 我的電話是:0532214 我的郵箱是:aaa123@aaa.com"); 
while(m.find()) { 
     System.out.println(m.group()); 
}
複製程式碼

輸出:

456456 
0532214 
123
複製程式碼

如將以上while()迴圈替換成

while(m.find()) { 
     System.out.println(m.group()); 
     System.out.print("start:"+m.start()); 
     System.out.println(" end:"+m.end()); 
}
複製程式碼

則輸出:

456456 
start:6 end:12 
0532214 
start:19 end:26 
123 
start:36 end:39
複製程式碼

現在大家應該知道,每次執行匹配操作後start(),end(),group()三個方法的值都會改變,改變成匹配到的子字串的資訊,以及它們的過載方法,也會改變成相應的資訊.

注意:只有當匹配操作成功,才可以使用start(),end(),group()三個方法,否則會丟擲java.lang.IllegalStateException,也就是當matches(),lookingAt(),find()其中任意一個方法返回true時,才可以使用.

三、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"\r\n"之外的任何單個字元。若要匹配包括"\r\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"p"，"l"，"i"，"n"。
[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 (©)。

根據 Java Language Specification 的要求，Java 原始碼的字串中的反斜線被解釋為 Unicode 轉義或其他字元轉義。因此必須在字串字面值中使用兩個反斜線，表示正規表示式受到保護，不被 Java 位元組碼編譯器解釋。例如，當解釋為正規表示式時，字串字面值 "\b" 與單個退格字元匹配，而 "\b" 與單詞邊界匹配。字串字面值 "(hello)" 是非法的，將導致編譯時錯誤；要與字串 (hello) 匹配，必須使用字串字面值 "\(hello\)"。

---

#### YunSoul技術分享，掃碼關注微信公眾號##

——只要你學會了之前所不會的東西，只要今天的你強過了昨天的你，那你就一直是在進階的路上了。