Java正则表达式入门

Java正则表达式入门

^ 和 $他们是分别用来匹配字符串的开始和结束，以下分别举例说明：

      "^The": 开头一定要有"The"字符串;

      "of despair$": 结尾一定要有"of despair"的字符串;

      那么,

      "^abc$": 就是要求以abc开头和以abc结尾的字符串，实际上是只有abc匹配。

      "notice": 匹配包含notice的字符串。

      你可以看见如果你没有用我们提到的两个字符(最后一个例子)，就是说模式(正则表达式)可以出现在被检验字符串的任何地方，你没有把他锁定到两边。

      接着,说说 '*', '+',和 '?',

      他们用来表示一个字符可以出现的次数或者顺序.他们分别表示：

      "zero or more"相当于{0,},
      "one or more"相当于{1,},
      "zero or one."相当于{0,1},这里是一些例子:
      "ab*": 和ab{0,}同义,匹配以a开头,后面可以接0个或者N个b组成的字符串("a", "ab", "abbb", 等);
      "ab+": 和ab{1,}同义,同上条一样，但最少要有一个b存在 ("ab", "abbb", 等.);
      "ab?":和ab{0,1}同义,可以没有或者只有一个b;
      "a?b+$": 匹配以一个或者0个a再加上一个以上的b结尾的字符串.
      要点, '*', '+',和 '?'只管它前面那个字符.

      你也可以在大括号里面限制字符出现的个数，比如

      "ab{2}": 要求a后面一定要跟两个b(一个也不能少)("abb");
      "ab{2,}": 要求a后面一定要有两个或者两个以上b(如"abb", "abbbb",等.);
      "ab{3,5}": 要求a后面可以有2-5个b("abbb", "abbbb", or "abbbbb").
      现在我们把一定几个字符放到小括号里，比如：

      "a(bc)*": 匹配 a后面跟0个或者一个"bc";
      "a(bc){1,5}": 一个到5个 "bc."
      还有一个字符 '│',相当于OR 操作:

      "hi│hello": 匹配含有"hi"或者 "hello" 的字符串;

      "(b│cd)ef": 匹配含有 "bef"或者 "cdef"的字符串;

      "(a│b)*c": 匹配含有这样多个(包括0个)a或b，后面跟一个c的字符串;

      一个点('.')可以代表所有的单一字符,不包括"\n"

      如果,要匹配包括"\n"在内的所有单个字符,怎么办?

      对了,用'[\n.]'这种模式.

      "a.[0-9]": 一个a加一个字符再加一个0到9的数字

      "^.{3}$": 三个任意字符结尾 .

      中括号括住的内容只匹配一个单一的字符

      "[ab]": 匹配单个的 a或者 b ( 和 "a│b" 一样);

      "[a-d]": 匹配'a'到'd'的单个字符 (和"a│b│c│d"还有 "[abcd]"效果一样);一般我们都用[a-zA-Z]来指定字符为一个大小写英文

      "^[a-zA-Z]": 匹配以大小写字母开头的字符串

      "[0-9]%": 匹配含有形如 x%的字符串

      ",[a-zA-Z0-9]$": 匹配以逗号再加一个数字或字母结尾的字符串

      你也可以把你不想要得字符列在中括号里，你只需要在总括号里面使用'^'作为开头 "%[^a-zA-Z]%"匹配含有两个百分号里面有一个非字母的字符串.

      要点:^用在中括号开头的时候,就表示排除括号里的字符。为了PHP能够解释，你必须在这些字符面前后加'',并且将一些字符转义.

      不要忘记在中括号里面的字符是这条规路的例外?在中括号里面,所有的特殊字符，包括(''),都将失去他们的特殊性质 "[*\+?{}.]"匹配含有这些字符的字符串.

      还有,正如regx的手册告诉我们: "如果列表里含有 ']', 最好把它作为列表里的第一个字符(可能跟在'^'后面).如果含有'-', 最好把它放在最前面或者最后面, or或者一个范围的第二个结束点[a-d-0-9]中间的‘-’将有效.

      看了上面的例子,你对{n,m}应该理解了吧.要注意的是,n和m都不能为负整数,而且n总是小于m.这样,才能最少匹配n次且最多匹配m次.如"p{1,5}"将匹配 "pvpppppp"中的前五个p.

下面说说以\开头的

      \b 书上说他是用来匹配一个单词边界,就是...比如've\b',可以匹配love里的ve而不匹配very里有ve

      \B 正好和上面的\b相反.例子我就不举了

      .....突然想起来....可以到http://www.phpv.net/article.php/251看看其它用\开头的语法

      好,我们来做个应用:

      如何构建一个模式来匹配货币数量的输入

      构建一个匹配模式去检查输入的信息是否为一个表示money的数字。我们认为一个表示money的数量有四种方式： "10000.00" 和 "10,000.00",或者没有小数部分, "10000" and "10,000".现在让我们开始构建这个匹配模式:

    ^[1-9][0-9]*$

这是所变量必须以非0的数字开头.但这也意味着单一的 "0" 也不能通过测试.以下是解决的方法:

    ^(0│[1-9][0-9]*)$

"只有0和不以0开头的数字与之匹配"，我们也可以允许一个负号在数字之前:

    ^(0│-?[1-9][0-9]*)$

这就是: "0 或者一个以0开头且可能有一个负号在前面的数字."好了,现在让我们别那么严谨，允许以0开头.现在让我们放弃负号 , 因为我们在表示钱币的时候并不需要用到.我们现在指定模式用来匹配小数部分:

    ^[0-9]+(\.[0-9]+)?$

这暗示匹配的字符串必须最少以一个阿拉伯数字开头.但是注意，在上面模式中 "10."是不匹配的, 只有 "10" 和 "10.2"才可以. (你知道为什么吗)

    ^[0-9]+(\.[0-9]{2})?$

我们上面指定小数点后面必须有两位小数.如果你认为这样太苛刻,你可以改成:

    ^[0-9]+(\.[0-9]{1,2})?$

这将允许小数点后面有一到两个字符. 现在我们加上用来增加可读性的逗号(每隔三位),我们可以这样表示:

    ^[0-9]{1,3}(,[0-9]{3})*(\.[0-9]{1,2})?$

不要忘记 '+' 可以被 '*'替代如果你想允许空白字符串被输入话 (为什么?).也不要忘记反斜杆 ’\’在php字符串中可能会出现错误 (很普遍的错误).

      现在，我们已经可以确认字符串了,我们现在把所有逗号都去掉 str_replace(",", "", $money)然后在把类型看成 double然后我们就可以通过他做数学计算了.

再来一个:

      构造检查email的正则表达式

      在一个完整的email地址中有三个部分:

      1. 用户名 (在 '@'左边的一切),

      2.'@',

      3. 服务器名(就是剩下那部分).

      用户名可以含有大小写字母阿拉伯数字,句号 ('.'),减号('-'), and下划线 ('_'). 服务器名字也是符合这个规则,当然下划线除外.

 现在, 用户名的开始和结束都不能是句点. 服务器也是这样. 还有你不能有两个连续的句点他们之间至少存在一个字符，好现在我们来看一下怎么为用户名写一个匹配模式:

    ^[_a-zA-Z0-9-]+$

现在还不能允许句号的存在. 我们把它加上:

    ^[_a-zA-Z0-9-]+(\.[_a-zA-Z0-9-]+)*$

上面的意思就是说: "以至少一个规范字符(除了.)开头,后面跟着0个或者多个以点开始的字符串."

      简单化一点,我们可以用 eregi()取代 ereg().eregi()对大小写不敏感,我们就不需要指定两个范围 "a-z"和 "A-Z" ? 只需要指定一个就可以了:

    ^[_a-z0-9-]+(\.[_a-z0-9-]+)*$

后面的服务器名字也是一样,但要去掉下划线:

    ^[a-z0-9-]+(\.[a-z0-9-]+)*$

好. 现在只需要用”@”把两部分连接:

    ^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$

这就是完整的email认证匹配模式了,只需要调用

    eregi(‘^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$ ’,$eamil)

就可以得到是否为email了.

提取字符串

      ereg() and eregi() 有一个特性是允许用户通过正则表达式去提取字符串的一部分(具体用法你可以阅读手册).比如说,我们想从 path/URL提取文件名 ? 下面的代码就是你需要:

    ereg("([^\\/]*)$", $pathOrUrl, $regs); echo $regs[1];

高级的代换

      ereg_replace() 和 eregi_replace()也是非常有用的:假如我们想把所有的间隔负号都替换成逗号:

    ereg_replace("[ \n\r\t]+", ",", trim($str));

 

一：什么是正则表达式

    1.定义：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。

    2.用途：

·         字符串匹配(字符匹配)

·         字符串查找

·         字符串替换

·         字符串分割

    例如：

·         从网页中揪出email地址

·         IP地址是否正确

·         从网页中揪出链接

    3.java中处理正则表达式的类：

·         java.lang.String

·         java.util.regex.Pattern：模式类：字符串要被匹配的这么一个模式，该模式本身已经被编译过，使用的话效率要高很多。

·         java.util.regex.Matcher：匹配类：这个模式匹配某个字符串所产生的结果，这个结果可能会有很多个。

    4：下面通过一个小程序简单介绍一下正则表达式

 

import java.util.regex.Matcher;

import java.util.regex.Pattern;

 

publicclass Test {

 

    publicstaticvoid main(String[] args) {

        //matches()判断字符串是否匹配某个表达式，"."表示任何一个字符

        p("abc".matches("..."));

        //将字符串"a2389a"中的数字用*替换，\d表示“0--9”数字

        p("a2389a".replaceAll("\\d","*"));

        //将任何是a--z的字符串长度为3的字符串进行编译，这样可以加快匹配速度

        Pattern p = Pattern.compile("[a-z]{3}");

        //进行匹配，并将匹配结果放在Matcher对象中

        Matcher m = p.matcher("abc");

        p(m.matches());

        //上面的三行代码可以用下面一行代码代替

        p("abc".matches("[a-z]{3}"));

    }

   

    publicstaticvoid p(Object o){

        System.out.println(o);

    }

} 

下面是打印结果

true

a****a

true

true

 现在通过一些实验来说明正则表达式的匹配规则,这儿是Greedy方式

  .              任何字符

 a?             a一次或一次也没有

 a*             a零次或多次

 a+            a一次或多次

 a{n}?      a恰好 n 次

 a{n,}?       a至少n次 

 a{n,m}?   a至少n次，但是不超过m次

 

        //初步认识. * + ?

        p("a".matches("."));//true

        p("aa".matches("aa"));//true

        p("aaaa".matches("a*"));//true

        p("aaaa".matches("a+"));//true

        p("".matches("a*"));//true

        p("aaaa".matches("a?"));//false

        p("".matches("a?"));//true

        p("a".matches("a?"));//true

        p("1232435463685899".matches("\\d{3,100}"));//true

        p("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));//false

        p("192".matches("[0-2][0-9][0-9]"));//true

 

[abc]                        a、b或c（简单类）

[^abc]                     任何字符，除了a、b或c（否定）

[a-zA-Z]                   a到z或A到Z，两头的字母包括在内（范围）

[a-d[m-p]]                a到d或m到p：[a-dm-p]（并集）

[a-z&&[def]]            d、e或f（交集）

[a-z&&[^bc]]             a到z，除了b和c：[ad-z]（减去）

[a-z&&[^m-p]]            a到z，而非m到p：[a-lq-z]（减去）

 

        //范围

        p("a".matches("[abc]"));//true

        p("a".matches("[^abc]"));//false

        p("A".matches("[a-zA-Z]"));//true

        p("A".matches("[a-z]|[A-Z]"));//true

        p("A".matches("[a-z[A-Z]]"));//true

        p("R".matches("[A-Z&&[RFG]]"));//true

 

\d                          数字：[0-9]

\D                        非数字：[^0-9]

\s                          空白字符：[ \t\n\x0B\f\r]

\S                         非空白字符：[^\s]

\w                         单词字符：[a-zA-Z_0-9]

\W                        非单词字符：[^\w]

 

         //认识\s \w \d \

        p("\n\r\t".matches("\\s(4)"));//false

        p("".matches("\\S"));//false

        p("a_8 ".matches("\\w(3)"));//false

        p("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));//true

        p("\\".matches("\\\\"));//true

 

 边界匹配器

      ^                                         行的开头

      $                                         行的结尾

      \b                                       单词边界

      \B                                       非单词边界

      \A                                       输入的开头

      \G                                       上一个匹配的结尾

      \Z                                       输入的结尾，仅用于最后的结束符（如果有的话）

      \z                                       输入的结尾

 

        //边界匹配

        p("hello sir".matches("^h.*"));//true

        p("hello sir".matches(".*ir$"));//true

        p("hello sir".matches("^h[a-z]{1,3}o\\b.*"));//true

        p("hellosir".matches("^h[a-z]{1,3}o\\b.*"));//false

        //空白行:一个或多个(空白并且非换行符)开头，并以换行符结尾

        p(" \n".matches("^[\\s&&[^\\n]]*\\n$"));//true

 方法解析

matches():匹配整个字符串

find():匹配子字符串

lookingAt():永远从整个字符串的开头开始匹配

//email

        p("[e-mail]".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));//true

       

        //matches() find() lookingAt()

        Pattern p = Pattern.compile("\\d{3,5}");

        Matcher m = p.matcher("123-34345-234-00");

       

        //将整个"123-34345-234-00"用正则表达式引擎查找匹配，当到第一个"-"不匹配了，就停止，

        //但不会将不匹配的"-"吐出来

        p(m.matches());

        //将不匹配的"-"吐出来

        m.reset();

       

        //1:当前面有p(m.matches());查找子字符串从"...34345-234-00"开始

        //将会是第1,2两个查到"34345"和"234"后面2个查不到为false

        //2:当前面有p(m.matches());和m.reset();查找子字符串从"123-34345-234-00"开始

        //将为true,true,true,false

        p(m.find());

        p(m.start()+"---"+m.end());

        p(m.find());

        p(m.start()+"---"+m.end());

        p(m.find());

        p(m.start()+"---"+m.end());

        p(m.find());

        //要是没找到就会报异常java.lang.IllegalStateException

        //p(m.start()+"---"+m.end());

       

        p(m.lookingAt());

        p(m.lookingAt());

        p(m.lookingAt());

        p(m.lookingAt());

字符串替换：下面这种方法对于字符串替换非常灵活

        //字符串替换

        //Pattern.CASE_INSENSITIVE大小写不敏感

        Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);

        Matcher m = p.matcher("java Java jAva ILoveJavA youHateJAVA adsdsfd");

        //存放字符串

        StringBuffer  buf = new StringBuffer();

        //计数奇偶数

        int i  = 0;

        while(m.find()){

           i++;

           if(i%2 ==0){

               m.appendReplacement(buf, "java");

           }else{

               m.appendReplacement(buf, "JAVA");

           }

        }

        //不加这句话，字符串adsdsfd将会被遗弃

        m.appendTail(buf);

        p(buf);

结果打印：

JAVA java JAVA ILovejava youHateJAVA adsdsfd

分组

 

        //group分组,用()分组

        Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");

        String s = "123aa-34345bb-234cc-00";

        Matcher m = p.matcher(s);

        p(m.groupCount());//2组

        while(m.find()){

           p(m.group());//数字字母都有

           //p(m.group(1));//只有数字

           //p(m.group(2));//只有字母

        }