字符串--正则表达式简介

Leefs 2019-12-20 AM 3505℃ 3条

# 字符串--正则表达式简介

### 前言

**正则表达式是一种强大而灵活的文本处理工具**。使用正则表达式，我们能够以编程的方式，构造复杂的文本模式，并对输入的字符串进行搜索。一旦找到了匹配这些模式的部分，你就能够随心所欲地对它们进行处理。

正则表达式提供了一种完全通用的方式，能够解决各种字符串处理相关的问题：**匹配、选择、编辑以及验证**。

### 一、基础

**1. 优势**

> + 正则表达式是一种强大而灵活的文本处理工具；
> + 大部分编程语言，数据库，文本编辑器，开发环境都支持正则表达式

**2. 使用**

> + 分析所要匹配的数据，写出测试用的典型数据
> + 在工具软件中进行匹配测试
> + 在程序中调用通过测试的正则表达式

**3. 语法**

在其他语言中，`\\`表示：**我想要在正则表达式中插入一个普通的（字面上的）反斜杠，请不要给它任何特殊的意义。**

在 Java 中，**`\\`** 表示：**我要插入一个正则表达式的反斜线，所以其后的字符具有特殊的意义。**

在其他语言中一个反斜杠`\`就足以具有转义的作用，而在 Java 中正则表达式中则需要有两个反斜杠`\\`才能被解析为其他语言中的转义作用。

在Java中表示一位数字的正则表达式是`\\d`,而表示一个普通的反斜杠是`\\\\`。

| 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\|ies) 是比 'industry\|industries' 更经济的表达式。 |
| (?=*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"。 |
| \c*x*         | 匹配 *x* 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。*x* 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。 |
| \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]。                              |
| \f            | 换页符匹配。等效于 \x0c 和 \cL。                             |
| \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。                            |
| \v            | 垂直制表符匹配。与 \x0b 和 \cK 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。                |
| `\xn`         | 匹配 *n*，此处的 *n* 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。 |
| `\num`        | 匹配 *num*，此处的 *num* 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。 |
| `\n`          | 标识一个八进制转义码或反向引用。如果 \*n* 前面至少有 *n* 个捕获子表达式，那么 *n* 是反向引用。否则，如果 *n* 是八进制数 (0-7)，那么 *n* 是八进制转义码。 |
| `\nm`         | 标识一个八进制转义码或反向引用。如果 \*nm* 前面至少有 *nm* 个捕获子表达式，那么 *nm* 是反向引用。如果 \*nm* 前面至少有 *n* 个捕获，则 *n* 是反向引用，后面跟有字符 *m*。如果两种前面的情况都不存在，则 \*nm* 匹配八进制值 *nm*，其中 *n* 和 *m* 是八进制数字 (0-7)。 |
| `\nml`        | 当 *n* 是八进制数 (0-3)，*m* 和 *l* 是八进制数 (0-7) 时，匹配八进制转义码 *nml*。 |
| `\un`         | 匹配 *n*，其中 *n* 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。 |

### 二、代码示例

**示例1**

```java
public class IntegerMatch {
    public static void main(String[] args) {
        System.out.println("-1234".matches("-?\\d+"));
        System.out.println("5678".matches("-?\\d+"));
        System.out.println("+876".matches("-?\\d+"));
        System.out.println("+876".matches("(-|\\+)?\\d+"));

}
}
```

> 运行结果

```java
true
true
false
true
```

前两个字符串满足对应的正则表达式，匹配成功。第三个字符串开头有一个"+",它也是一个合法的整数，但与对应的正则表达式却不匹配。因此，我们的正则表达式应该描述为：“可能以一个加好或减号开头”。

在正则表达式中，括号有着将表达式分组的效果，而竖值线|则表示**或操作**。

`(-|\\+)?`

这个正则表达式表示字符串的起始字符可能是一个-或+,或者二者都没有（因为后面跟着？修饰符）。因为符号+在正则表达式中有特殊的意义，所以必须使用`\\`将其转义，使之成为表达式中的一个普通字符。

**示例2**

**split()方法：将字符串从正则表达式匹配的地方切开。**

```java
public class Splitting {
    public static String knights =
            "Then, when you have found the shrubbery, you must " +
                    "cut down the mightiest tree in the forest... " +
                    "with... a herring!";
    public static void split(String regex) {
        System.out.println(
                Arrays.toString(knights.split(regex))
        );
    }
    public static void main(String[] args) {
        split(" ");
        split("\\W+");
        split("n\\W+");
    }
}
```

> 运行结果

```java
[Then,, when, you, have, found, the, shrubbery,, you, must, cut, down, the, mightiest, tree, in, the, forest..., with..., a, herring!]
[Then, when, you, have, found, the, shrubbery, you, must, cut, down, the, mightiest, tree, in, the, forest, with, a, herring]
[The, whe, you have found the shrubbery, you must cut dow, the mightiest tree i, the forest... with... a herring!]
```

先看主函数中的第一行代码，这里使用普通的字符作为正则表达式，其中并不包括任何特殊的字符。因此第一个 split() 只是按照空格来划分字符串。

在第二个和第三个 split() 中，都使用到了 \\W ，它的意思是非单词字符（如果W变成小写，即\\w，则表示一个单词字符）。观察第二行代码的输出，它将标点字符删掉了。第三个 split() 表示，“字母 n 后面跟着一个或者多个非单词字符”。可以看到，在原始字符中，与正则表达式匹配的部分，在最终结果中都不存在了。

**示例3**

String类自带的最后一个正则表达式工具是 “替换” 。你可以只替换正则表达式第一个匹配的子串，或者是替换所有匹配的地方

```java
public class Replacing {
    static String s = Splitting.knights;

public static void main(String[] args) {
        System.out.println(s.replaceFirst("f\\w+", "located"));
        System.out.println(s.replaceFirst("shrubbery | tree | herring", "banana"));
    }
}
```

运行结果

```java
Then, when you have located the shrubbery, you must cut down the mightiest tree in the forest... with... a herring!
Then, when you have found the shrubbery, you must cut down the mightiestbananain the forest... with... a herring!
```

第一个表达式要匹配的是，以字母 f 开头，后面跟着一个或者多个字母（注意w是小写的）。并且只替换掉第一个匹配的部分，所以 “found” 被替换成 “located” 。

第二个表达式要匹配的是三个单词中的任何一个，因为它们以竖线 “|” 分割，表示 “或” 操作，并且替换所有匹配的部分

### 三、常用匹配规则

1. 1.可能有一个负号，后面跟着一位或多位数字：`-?\\d+`

2. 2.匹配所有字母和数字：`[A-z0-9]`

3. 3.实现数字金融格式化，如，**1,234,567**：`(?<=\\d)(\\d{3})`

4. 4.只能是整数或者小数：`^[0-9]+\.{0,1}[0-9]{0,2}$`

5. 5.只能输入数字：`^[0-9]*$`

6. 6.只能输入n位的数字：`^\d{n}$`

7. 7.只能输入至少n位的数字：`^\d{n,}$`

8. 8.只能输入汉字：`^[\u4e00-\u9fa5]{0,}$`

9. 9.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"。`

10. 10.验证身份证号（15位或18位数字）：`^\d{15}|\d{18}$`

11. 11.验证Email地址：`^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$`

12. 12.验证InternetURL：`^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$`

标签: Java, Java编程思想, 字符串, 正则表达式

非特殊说明，本博所有文章均为博主原创。

如若转载，请注明出处：https://lilinchao.com/archives/308.html

上一篇【转载】String.format()的使用

下一篇 SpringBoot整合Shiro

字符串--正则表达式简介

评论已关闭

栏目分类

标签云

友情链接申请

字符串--正则表达式简介

评论已关闭

 栏目分类

标签云

友情链接申请

栏目分类

标签云

友情链接申请