Java正则表达式入门

众所周知，在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。
大 家都知道，正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。

因为正则表达式是一个很庞杂的体系，所以我仅例举些入门的概念，更多的请参阅相关书籍及自行摸索。

\\反斜杠\t间隔 (‘\u0009′)\n换行 (‘\u000A’)\r回车 (‘\u000D’)\d数字 等价于[0-9]\D非数字 等价于[^0-9]\s空白符号 [\t\n\x0B\f\r]\S非空白符号 [^\t\n\x0B\f\r]\w单独字符 [a-zA-Z_0-9]\W非单独字符 [^a-zA-Z_0-9]\f换页符\eEscape\b一个单词的边界\B一个非单词的边界\G前一个匹配的结束^为限制开头^java条件限制为以Java为开头字符$为限制结尾java$条件限制为以java为结尾字符.  条件限制除\n以外任意一个单独字符java..条件限制为java后除换行外任意两个字符加入特定限制条件“[]”[a-z]条件限制在小写a to z范围中一个字符[A-Z]条件限制在大写A to Z范围中一个字符[a-zA-Z]条件限制在小写a to z或大写A to Z范围中一个字符[0-9]条件限制在小写0 to 9范围中一个字符[0-9a-z]条件限制在小写0 to 9或a to z范围中一个字符[0-9[a-z]]条件限制在小写0 to 9或a to z范围中一个字符(交集)[]中加入^后加再次限制条件“[^]”[^a-z]条件限制在非小写a to z范围中一个字符[^A-Z]条件限制在非大写A to Z范围中一个字符[^a-zA-Z]条件限制在非小写a to z或大写A to Z范围中一个字符[^0-9]条件限制在非小写0 to 9范围中一个字符[^0-9a-z]条件限制在非小写0 to 9或a to z范围中一个字符[^0-9[a-z]]条件限制在非小写0 to 9或a to z范围中一个字符(交集)在限制条件为特定字符出现0次以上时，可以使用“*”J*0个以上J.*0个以上任意字符J.*DJ与D之间0个以上任意字符在限制条件为特定字符出现1次以上时，可以使用“+”J+1个以上J.+1个以上任意字符J.+DJ与D之间1个以上任意字符在限制条件为特定字符出现有0或1次以上时，可以使用“?”JA?J或者JA出现限制为连续出现指定次数字符“{a}”J{2}JJJ{3}JJJ文字a个以上，并且“{a,}”J{3,}JJJ,JJJJ,JJJJJ,???(3次以上J并存)文字个以上，b个以下“{a,b}”J{3,5}JJJ或JJJJ或JJJJJ两者取一“|”J|AJ或AJava|HelloJava或Hello

“()”中规定一个组合类型
比如，我查询

1<a href=\"index.html\">index</a>

中

1<a href></a>

间的数据，可写作

1<a.*href=\".*\">(.+?)</a>

在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：

1Pattern Pattern.compile(String regex, int flag)

flag的取值范围如下：

Pattern.CANON_EQ当且仅当两个字符的”正规分解(canonical decomposition)”都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式”a\u030A”会匹配”?”。默认情况下，不考虑”规 范相等性(canonical equivalence)”。Pattern.CASE_INSENSITIVE(?i)默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹 配，只要将UNICODE_CASE与这个标志合起来就行了。Pattern.COMMENTS(?x)在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：不是指表达式里的”\\s”，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。Pattern.DOTALL(?s)在这种模式下，表达式’.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式’.'不匹配行的结束符。Pattern.MULTILINE(?m)在这种模式下，’^'和’$'分别匹配一行的开始和结束。此外，’^'仍然匹配字符串的开始，’$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。Pattern.UNICODE_CASE(?u)在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。Pattern.UNIX_LINES(?d)在这个模式下，只有’\n’才被认作一行的中止，并且与’.'，’^'，以及’$'进行匹配。

抛开空泛的概念，下面写出几个简单的Java正则用例：

• 在字符串包含验证时
  1//查找以Java开头,任意结尾的字符串

  2Pattern pattern = Pattern.compile("^Java.*");

  3Matcher matcher = pattern.matcher("Java不是人");

  4boolean b= matcher.matches();

  5//当条件满足时，将返回true，否则返回false

  6System.out.println(b);
• 以多条件分割字符串时
  1Pattern pattern = Pattern.compile("[, |]+");

  2String[] strs = pattern.split("Java Hello World  Java,Hello,,World|Sun");

  3for (int i=0;i<strs.length;i++) {

  4    System.out.println(strs[i]);

  5}
• 文字替换（首次出现字符）
  1Pattern pattern = Pattern.compile("正则表达式");

  2Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

  3//替换第一个符合正则的数据

  4System.out.println(matcher.replaceFirst("Java"));
• 文字替换（全部）
  1Pattern pattern = Pattern.compile("正则表达式");

  2Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");

  3//替换第一个符合正则的数据

  4System.out.println(matcher.replaceAll("Java"));
• 文字替换（置换字符）
  1Pattern pattern = Pattern.compile("正则表达式");

  2Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World ");

  3StringBuffer sbr = new StringBuffer();

  4while (matcher.find()) {

  5    matcher.appendReplacement(sbr, "Java");

  6}

  7matcher.appendTail(sbr);

  8System.out.println(sbr.toString());
• 验证是否为邮箱地址
  1String str="[e-mail]<script type="text/javascript">

  2/* <![CDATA[ */

  3(function(){try{var s,a,i,j,r,c,l=document.getElementById("__cf_email__");a=l.className;if(a){s='';r=parseInt(a.substr(0,2),16);for(j=2;a.length-j;j+=2){c=parseInt(a.substr(j,2),16)^r;s+=String.fromCharCode(c);}s=document.createTextNode(s);l.parentNode.replaceChild(s,l);}}catch(e){}})();

  4/* ]]> */

  5</script>";

  6Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);

  7Matcher matcher = pattern.matcher(str);

  8System.out.println(matcher.matches());
• 去除html标记
  1Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);

  2Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");

  3String string = matcher.replaceAll("");

  4System.out.println(string);
• 查找html中对应条件字符串
  1Pattern pattern = Pattern.compile("href=\"(.+?)\"");

  2Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");

  3if(matcher.find())

  4    System.out.println(matcher.group(1));

  5}
• 截取http://地址
  1//截取url

  2Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");

  3Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");

  4StringBuffer buffer = new StringBuffer();

  5while(matcher.find()){

  6    buffer.append(matcher.group());

  7    buffer.append("\r\n");

  8    System.out.println(buffer.toString());

  9}
• 替换指定{}中文字
  01String str = "Java目前的发展史是由{0}年-{1}年";

  02String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};

  03System.out.println(replace(str,object));

  04 

  05public static String replace(final String sourceString,Object[] object) {

  06    String temp=sourceString;

  07    for(int i=0;i<object.length;i++){

  08        String[] result=(String[])object[i];

  09        Pattern pattern = Pattern.compile(result[0]);

  10        Matcher matcher = pattern.matcher(temp);

  11        temp=matcher.replaceAll(result[1]);

  12    }

  13    return temp;

  14}
• 以正则条件查询指定目录下文件
  01//用于缓存文件列表

  02private ArrayList files = new ArrayList();

  03//用于承载文件路径

  04private String _path;

  05//用于承载未合并的正则公式

  06private String _regexp;

  07 

  08class MyFileFilter implements FileFilter {

  09 

  10    /**

  11     * 匹配文件名称

  12     */

  13    public boolean accept(File file) {

  14        try {

  15            Pattern pattern = Pattern.compile(_regexp);

  16            Matcher match = pattern.matcher(file.getName());

  17            return match.matches();

  18        } catch (Exception e) {

  19            return true;

  20        }

  21    }

  22}

  23 

  24/**

  25 * 解析输入流

  26 * @param inputs

  27 */

  28FilesAnalyze(String path,String regexp) {

  29    getFileName(path,regexp);

  30}

  31 

  32/**

  33 * 分析文件名并加入files

  34 * @param input

  35 */

  36private void getFileName(String path,String regexp) {

  37    //目录

  38    _path=path;

  39    _regexp=regexp;

  40    File directory = new File(_path);

  41    File[] filesFile = directory.listFiles(new MyFileFilter());

  42    if (filesFile == null) return;

  43    for (int j = 0; j < filesFile.length; j++) {

  44        files.add(filesFile[j]);

  45    }

  46    return;

  47}

  48 

  49/**

  50 * 显示输出信息

  51 * @param out

  52 */

  53public void print (PrintStream out) {

  54    Iterator elements = files.iterator();

  55    while (elements.hasNext()) {

  56        File file=(File) elements.next();

  57        out.println(file.getPath());

  58    }

  59}

  60 

  61public static void output(String path,String regexp) {

  62    FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);

  63    fileGroup1.print(System.out);

  64}

  65 

  66public static void main (String[] args) {

  67    output("C:\\","[A-z|.]*");

  68}

Java正则的功用还有很多，事实上只要是字符处理，就没有正则做不到的事情存在。（当然，正则解释时较耗时间就是了|||……）