Java正则表达式入门

什么是正则表达式？
    正则表达式（regular expressions）是一种描述字符串集的方法，它是以字符串集中各字符串的共有特征为依据的。正则表达式可以用于搜索、编辑或者是操作文本和数据。它超出了 Java 程序设计语言的标准语法，因此有必要去学习特定的语法来构建正则表达式。正则表达式的变化是复杂的，一旦你理解了它们是如何被构造的话，你就能解析或者构建任意的正则表达式了。
    在java中，主要通过java.util.regex包下的API提供对正则表达式的支持。在下面的介绍中，主要通过一些实例和介绍java.util.regex包下的API，来说明在Java中正则表达式的用法。

java.util.regex包下的主要API组成：Pattern、Matcher、PatternSyntaxException、MatcherResult。

1. Pattern：Pattern 对象表示一个已编译的正则表达式。Pattern 类没有提供公共的构造方法。要构建一个模式，首先必须调用公共的静态 compile 方法，它将返回一个 Pattern 对象。这个方法接受正则表达式作为第一个参数。（英文定义：A compiled representation of a regular expression.）
2. Matcher：Matcher 是一个靠着输入的字符串来解析这个模式和完成匹配操作的对象。与 Pattern 相似，Matcher 也没有定义公共的构造方法，需要通过调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。（英文定义：An engine that performs match operations on a character sequence by interpreting a Pattern）
3. PatternSyntaxException：PatternSyntaxException 对象是一个未检查异常，指示了正则表达式中的一个语法错误（英文定义：Unchecked exception thrown to indicate a syntax error in a regular-expression pattern.）
4. MatcherResult：通过正则匹配获得的结果值（英文定义：The result of a match operation）
   
   正则表达式语法：

字符 说明 \ 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，”n”匹配字符”n”。”\n”匹配换行符。序列”\”匹配”\”，”(“匹配”(“。 ^ 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与”\n”或”\r”之后的位置匹配。 $ 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与”\n”或”\r”之前的位置匹配。 * 零次或多次匹配前面的字符或子表达式。例如，zo* 匹配”z”和”zoo”。* 等效于 {0,}。 + 一次或多次匹配前面的字符或子表达式。例如，”zo+”与”zo”和”zoo”匹配，但与”z”不匹配。+ 等效于 {1,}。 ? 零次或一次匹配前面的字符或子表达式。例如，”do(es)?”匹配”do”或”does”中的”do”。? 等效于 {0,1}。 {n} n 是非负整数。正好匹配 n 次。例如，”o{2}”与”Bob”中的”o”不匹配，但与”food”中的两个”o”匹配。 {n,} n 是非负整数。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,}”等效于”o+”。”o{0,}”等效于”o*”。 {n,m} m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，”o{1,3}”匹配”fooooood”中的头三个 o。’o{0,1}’ 等效于 ‘o?’。注意：您不能将空格插入逗号和数字之间。 ? 当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是”非贪心的”。”非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的”贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串”oooo”中，”o+?”只匹配单个”o”，而”o+”匹配所有”o”。 . 匹配除”\r\n”之外的任何单个字符。若要匹配包括”\r\n”在内的任意字符，请使用诸如”[\s\S]”之类的模式。 (pattern) 匹配 pattern 并捕获该匹配的子表达式。可以使用 0…9 属性从结果”匹配”集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用”(“或者”)”。 (?:pattern) 匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用”or”字符 (|) 组合模式部件的情况很有用。例如，’industr(?:y (?=pattern) 执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，’Windows (?=95|98|NT|2000)’ 匹配”Windows 2000”中的”Windows”，但不匹配”Windows 3.1”中的”Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 (?!pattern) 执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，’Windows (?!95|98|NT|2000)’ 匹配”Windows 3.1”中的 “Windows”，但不匹配”Windows 2000”中的”Windows”。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 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。匹配包含的任一字符。例如，”[abc]”匹配”plain”中的”a” [!xyz] 反向字符集。匹配未包含的任何字符。例如，”[^abc]”匹配”plain”中”p”，”l”，”i”，”n”。 [a-z] 字符范围。匹配指定范围内的任何字符。例如，”[a-z]”匹配”a”到”z”范围内的任何小写字母。 [^a-z] 反向范围字符。匹配不在指定的范围内的任何字符。例如，”[^a-z]”匹配任何不在”a”到”z”范围内的任何字符。 \b 匹配一个字边界，即字与空格间的位置。例如，”er\b”匹配”never”中的”er”，但不匹配”verb”中的”er”。 \B 非字边界匹配。”er\B”匹配”verb”中的”er”，但不匹配”never”中的”er”。 \d 数字字符匹配。等效于 [0-9]。 \D 非数字字符匹配。等效于 [^0-9]。 \n 换行符匹配。等效于 \x0a 和 \cJ。 \r 匹配一个回车符。等效于 \x0d 和 \cM。 \s 匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。 \S 匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。 \t 制表符匹配。与 \x09 和 \cI 等效。 \w 匹配任何字类字符，包括下划线。与”[A-Za-z0-9_]”等效。 \W 与任何非单词字符匹配。与”[^A-Za-z0-9_]”等效。

常使用的正则表达式：

1. 整数或者小数：^[0-9]+.{0,1}[0-9]{0,2}$
2. 验证用户密码：”^[a-zA-Z]\w{5,17}$”正确格式为：以字母开头，长度在6~18之间，只能包含字符、数字和下划线。
3. 验证email地址：”^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$”
4. 验证InternetURL：”^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$”
5. 验证电话号码：”^((\d{3,4}-)|\d{3.4}-)?\d{7,8}$”正确格式为：”XXX-XXXXXXX”、”XXXX-XXXXXXXX”、”XXX-XXXXXXX”、”XXX-XXXXXXXX”、”XXXXXXX”和”XXXXXXXX”。

6. 验证身份证号：”^\d{15}|\d{18}$”

   更多详细的正则表达式实例参见链接：正则表达式使用

    上面主要介绍Java中一般正则表达式用法，下面通过实例给出如果通过Pattern、Matcher等API来使用正则表达式。

---

首先给出一个可重用的测试类RegexTest。

package com.jcw.regex;import java.util.Scanner;import java.util.regex.Matcher;import java.util.regex.Pattern;public class RegexTest {    public static void main(String[] args) {        Scanner scanner = new Scanner(System.in);        while(true) {            System.out.println("Enter your regex:");            Pattern pattern = Pattern.compile(scanner.nextLine());            System.out.println("Enter input string to serarch:");            Matcher matcher = pattern.matcher(scanner.nextLine());            boolean found = false;            while(matcher.find()) {                System.out.format("I found the text \"%s\" starting at index %d and end at index %d.\n", matcher.group(),                        matcher.start(),matcher.end());                found = true;            }            if(!found)                System.out.println("No match found.");        }    }}

字符串匹配：

匹配的索引值，包括开始索引，但是不包括结束索引

匹配字符串的多部分：


元字符匹配：

其中的“.”相当于任意的一个字符。

其他的测试请根据上面表格给出的使用说明自行测试。

下面给出一些Pattern类的高级使用模式：
    到目前为止，仅使用测试用具来建立最基本的 Pattern 对象。在这一节中，我们将探讨一些诸如使用标志构建模式、使用内嵌标志表达式等高级的技术。同时也探讨了一些目前还没有讨论过的其他有用的方法。

使用标志构建模式
    Pattern 类定义了备用的 compile 方法，用于接受影响模式匹配方式的标志集。标志参数是一个位掩码，可以是下面公共静态字段中的任意一个：

• Pattern.CANON_EQ：启用规范等价。在指定此标志后，当且仅当在其完整的规范分解匹配时，两个字符被视为匹配。例如，表达式a\u030A在指定此标志后，将匹配字符串“\u00E5”（即字符 å）。默认情况下，匹配不会采用规范等价。指定此标志可能会对性能会有一定的影响。

• Pattern.CASE_INSENSITIVE：启用不区分大小写匹配。默认情况下，仅匹配 US-ASCII 字符集中的字符。Unicode 感知（Unicode-aware）的不区分大小写匹配，可以通过指定 UNICODE_CASE 标志连同此标志来启用。不区分大小写匹配也能通过内嵌标志表达式(?i)来启用。指定此标志可能会对性能会有一定的影响。

• Pattern.COMMENTS：模式中允许存在空白和注释。在这种模式下，空白和以#开始的直到行尾的内嵌注释会被忽略。注释模式也能通过内嵌标志表达式(?x)来启用。

• Pattern.DOTALL：启用 dotall 模式。在 dotall 模式下，表达式.匹配包括行结束符在内的任意字符。默认情况下，表达式不会匹配行结束符。dotall 模式也通过内嵌标志表达式(?x)来启用。［s 是“单行（single-line）”模式的助记符，与 Perl 中的相同。］

• Pattern.LITERAL：启用模式的字面分析。指定该标志后，指定模式的输入字符串作为字面上的字符序列来对待。输入序列中的元字符和转义字符不具有特殊的意义了。CASE_INSENSITIVE 和 UNICODE_CASE 与此标志一起使用时，会对匹配产生一定的影响。其他的标志就变得多余了。启用字面分析没有内嵌标志表达式。

• Pattern.MULTILINE：启用多行（multiline）模式。在多行模式下，表达式^和$分别匹配输入序列行结束符前面和行结束符的前面。默认情况下，表达式仅匹配整个输入序列的开始和结尾。多行模式也能通过内嵌标志表达式(?m)来启用。

• Pattern.UNICODE_CASE：启用可折叠感知 Unicode（Unicode-aware case folding）大小写。在指定此标志后，需要通过 CASE_INSENSITIVE 标志来启用，不区分大小写区配将在 Unicode 标准的意义上来完成。默认情况下，不区分大小写匹配仅匹配 US-ASCII 字符集中的字符。可折叠感知 Unicode 大小写也能通过内嵌标志表达式(?u)来启用。指定此标志可能会对性能会有一定的影响。

• Pattern.UNIX_LINES：启用 Unix 行模式。在这种模式下，.、^和$的行为仅识别“\n”的行结束符。Unix 行模式可以通过内嵌标志表达式(?d)来启用。

接下来继续测试下Pattern和Matcher中的一些方法：
Pattern: matches(String regex, String s):

package com.jcw.regex;import java.util.regex.Pattern;public class RegexTest2 {    public static void main(String[] args) {        testmatches();    }    public static void testmatches() {        String regex = "\\d";        String s = "1";        System.out.println(Pattern.matches(regex, s));    }}

Output:


Pattern: split(String pattern):

public static void testsplit() {        String regex = ":";        String s = "hello:world:ni:hao";        Pattern pattern = Pattern.compile(regex);        String[] result = pattern.split(s);        System.out.println(Arrays.toString(result));    }

Output:


Matcher类中还提供了许多的方法，具体使用方法请参见源码，下面贴出来Matcher中的所有方法。

总结：在这篇文章中，也仅仅涉及了一些简单的正则表达式的应用，如果想深入学习，一是多练，多用；二是多总结别人写的巧妙的正则表达式。java的正则表达式学习，最好能够基本会使用java.util.regex中的一些API，对于其中的不熟悉的方法，边用变查。