1
Java 中的正则表达式详解
作者：timerring
- 2023-05-17 山东
本文字数：18464 字
阅读完需：约 61 分钟
文章和代码已经归档至【Github 仓库：https://github.com/timerring/java-tutorial 】或者【AIShareLab】回复 java 也可获取。
正则表达式
为什么要学习正则表达式
极速体验正则表达式威力
提取文章中所有的英文单词
提取文章中所有的数字
提取文章中所有的英文单词和数字
提取百度热榜标题
结论:正则表达式是处理文本的利器
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 体验正则表达式的威力，给我们文本处理带来哪些便利 */public class Regexp_ { public static void main(String[] args) {
//假定，编写了爬虫，从百度页面得到如下文本// String content = "1995年，互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的" +// "静态网页能够“灵活”起来，急需一种软件技术来开发一种程序，这种程序可以通" +// "过网络传播并且能够跨平台运行。于是，世界各大IT企业为此纷纷投入了大量的" +// "人力、物力和财力。这个时候，Sun公司想起了那个被搁置起来很久的Oak，并且" +// "重新审视了那个用软件编写的试验平台，由于它是按照嵌入式系统硬件平台体系结" +// "构进行编写的，所以非常小，特别适用于网络上的传输系统，而Oak也是一种精简的" +// "语言，程序非常小，适合在网络上传输。Sun公司首先推出了可以嵌入网页并且可以" +// "随同网页在网络上传输的Applet（Applet是一种将小程序嵌入到网页中进行执行的技术），" +// "并将Oak更名为Java（在申请注册商标时，发现Oak已经被人使用了，再想了一系列" +// "名字之后，最终，使用了提议者在喝一杯Java咖啡时无意提到的Java词" +// "语）。5月23日，Sun公司在Sun world会议上正式发" +// "布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软" +// "等各大公司都纷纷停止了自己的相关开发项目，竞相购买了Java使用许可证，并为自己的产" +// "品开发了相应的Java平台";// String content = "<div class=\"cr-content new-pmd\">\n" +// " \n" +// "<div class=\"FYB_RD\">\n" +// " <div class=\"cr-title c-gap-bottom-xsmall\" title=\"百度热榜\">\n" +// " <span class=\"c-color-t\">百度热榜</span>\n" +// " <div class=\"opr-toplist1-update opr-toplist1-link\" data-click=\"{fm:'beha'}\" style=\"position:relative;top:-1px;\">\n" +// " <a class=\"OP_LOG_BTN toplist-refresh-btn c-font-normal c-color-gray2\" href=\"javascript:void(0);\" style=\"text-decoration:none;\">\n" +// " <i class=\"c-icon opr-toplist1-hot-refresh-icon\"></i><span>换一换</span>\n" +// " </a>\n" +// " </div>\n" +// " </div>\n" +// " <table class=\"c-table opr-toplist1-table\">\n" +// " <tbody >\n" +// " <tr class=\"toplist1-tr\">\n" +// " \n" +// " <td class=\"toplist1-td opr-toplist1-link\">\n" +// " <span class=\"toplist1-hot c-index-single toplist1-hot-top toplist1-hot-0 c-index-single-hot1 \" style=\"opacity:1;\">\n" +// " 1\n" +// " </span>\n" +// " <a target=\"_blank\" title=\"印度累计确诊病例已超2000万例\" href=\"/s?wd=%E5%8D%B0%E5%BA%A6%E7%B4%AF%E8%AE%A1%E7%A1%AE%E8%AF%8A%E7%97%85%E4%BE%8B%E5%B7%B2%E8%B6%852000%E4%B8%87%E4%BE%8B&rsv_idx=2&tn=baiduhome_pg&usm=3&ie=utf-8&rsv_cq=%E5%91%A8%E6%98%9F%E9%A9%B0&rsv_dl=0_right_fyb_pchot_20811_01&rsv_pq=959254a60034f017&oq=%E5%91%A8%E6%98%9F%E9%A9%B0&rsv_t=abf2fwdknQ1VTZk3EzyT0N5%2FpcQzkjPt5GRZchjVdppW7k8B8oI6R5IL3T0myEMmjxXM&rsf=dd45f07d69719294a2ea6117b312f1d7_1_10_1\" class=\"c-font-medium c-color-t opr-toplist1-subtitle\">\n" +// " 印度累计确诊病例已超2000万例\n" +// " </a>\n" +// " </td>\n" +// " <td class=\"toplist1-right-num toplist1-td c-color-gray\" style=\"line-height:20px;position:relative;top:2px;\">473万</td>\n" +// " </tr>\n" +// " <tr class=\"toplist1-tr\">\n" + </tbody> </table>\n" +// " </div>";
String content = "私有地址（Private address）属于非注册地址，专门为组织机构内部使用。\n" + "以下列出留用的内部私有地址\n" + "A类 10.0.0.0--10.255.255.255\n" + "B类 172.16.0.0--172.31.255.255\n" + "C类 192.168.0.0--192.168.255.255";
//提取文章中所有的英文单词 //提取文章中所有的数字 //提取文章中所有的英文单词和数字 //提取百度热榜 标题 //(1). 传统方法. 使用遍历方式，代码量大，效率不高 //(2). 正则表达式技术
//1. 先创建一个Pattern对象 ， 模式对象, 可以理解成就是一个正则表达式对象 //Pattern pattern = Pattern.compile("[a-zA-Z]+"); //Pattern pattern = Pattern.compile("[0-9]+"); //Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)"); //Pattern pattern = Pattern.compile("<a target=\"_blank\" title=\"(\\S*)\"");
Pattern pattern = Pattern.compile("\\d+\\.\\d+\\.\\d+\\.\\d+"); //2. 创建一个匹配器对象 //理解： 就是 matcher 匹配器按照 pattern(模式/样式), 到 content 文本中去匹配 //找到就返回true, 否则就返回false int no = 0; Matcher matcher = pattern.matcher(content); //3. 可以开始循环匹配 while (matcher.find()) { //匹配内容，文本，放到 m.group(0) System.out.println("找到: " + (++no) + " " +matcher.group(0)); } }}
复制代码
再提出几个问题
给你一个字符串(或文章).请你找出所有四个数字连在一起的子串?
给你一个字符串(或文章),请你找出所有四个数字连在一起的子串,并且这四个数字要满足:第一位与第四位相同,第二位与第三位相同,比如 1221,5775
请验证输入的邮件，是否符合电子邮件格式.
请验证输入的手机号，是否符合手机号格式
解决之道-正则表达式
为了解决上述问题，Java 提供了正则表达式技术，专门用于处理类似文本问题
简单的说:正则表达式是对字符串执行模式匹配的技术。
正则表达式:
regular expression => RegExp
正则表达式基本介绍
介绍
一个正则表达式，就是用某种模式去匹配字符串的一个公式。
正则表达式不是只有 java 才有，实际上很多编程语言都支持正则表达式进行字符串操作
正则表达式底层实现
实例分析
为让大家对正则表达式底层实现有一个直观的映象，给大家举个实例给你一段字符串(文本), 请找出所有四个数字连在一起的子串， 比如:应该找到 1998 1999 3443 9889 ===> 分析底层实现
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 分析java的正则表达式的底层实现(重要.) */public class RegTheory { public static void main(String[] args) {
String content = "1998年12月8日，第二代Java平台的企业版J2EE发布。1999年6月，Sun公司发布了" + "第二代Java平台（简称为Java2）的3个版本：J2ME（Java2 Micro Edition，Java2平台的微型" + "版），应用于移动、无线及有限资源的环境；J2SE（Java 2 Standard Edition，Java 2平台的" + "标准版），应用于桌面环境；J2EE（Java 2Enterprise Edition，Java 2平台的企业版），应" + "用3443于基于Java的应用服务器。Java 2平台的发布，是Java发展过程中最重要的一个" + "里程碑，标志着Java的应用开始普及9889 "; //目标：匹配所有四个数字 //说明 //1. \\d 表示一个任意的数字 String regStr = "(\\d\\d)(\\d\\d)"; //2. 创建模式对象[即正则表达式对象] Pattern pattern = Pattern.compile(regStr); //3. 创建匹配器 //说明：创建匹配器matcher， 按照 正则表达式的规则 去匹配 content字符串 Matcher matcher = pattern.matcher(content);
//4.开始匹配 /** * * matcher.find() 完成的任务 （考虑分组） * 什么是分组，比如 (\d\d)(\d\d) ,正则表达式中有() 表示分组,第1个()表示第1组,第2个()表示第2组... * 1. 根据指定的规则 ,定位满足规则的子字符串(比如(19)(98)) * 2. 找到后，将 子字符串的开始的索引记录到 matcher对象的属性 int[] groups; * 2.1 groups[0] = 0 , 把该子字符串的结束的索引+1的值记录到 groups[1] = 4 * 2.2 记录1组()匹配到的字符串--19 groups[2] = 0 groups[3] = 2 * 2.3 记录2组()匹配到的字符串--98 groups[4] = 2 groups[5] = 4 * 2.4.如果有更多的分组..... * 3. 同时记录oldLast 的值为 子字符串的结束的 索引+1的值即35, 即下次执行find时，就从35开始匹配 * * matcher.group(0) 分析 * * 源码: * public String group(int group) { * if (first < 0) * throw new IllegalStateException("No match found"); * if (group < 0 || group > groupCount()) * throw new IndexOutOfBoundsException("No group " + group); * if ((groups[group*2] == -1) || (groups[group*2+1] == -1)) * return null; * return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString(); * } * 1. 根据 groups[0]=31 和 groups[1]=35 的记录的位置，从content开始截取子字符串返回 * 就是 [31,35) 包含 31 但是不包含索引为 35的位置 * * 如果再次指向 find方法.仍然安上面分析来执行 */ while (matcher.find()) { //小结 //1. 如果正则表达式有() 即分组 //2. 取出匹配的字符串规则如下 //3. group(0) 表示匹配到的子字符串 //4. group(1) 表示匹配到的子字符串的第一组字串 //5. group(2) 表示匹配到的子字符串的第2组字串 //6. ... 但是分组的数不能越界. System.out.println("找到: " + matcher.group(0)); System.out.println("第1组()匹配到的值=" + matcher.group(1)); System.out.println("第2组()匹配到的值=" + matcher.group(2)); } }}
复制代码
正则表达式语法
基本介绍
如果要想灵活的运用正则表达式,必须了解其中各种元字符的功能，元字符从功能上大致分为:
限定
选择匹配符
分组组合和反向引用符
特殊字符
字符匹配符
定位符
元字符(Metacharacter)-转义号\\
符号说明：在我们使用正则表达式去检索某些特殊字符的时候，需要用到转义符号，否则检索不到结果，甚至会报错的。
再次提示: 在 Java 的正则表达式中，两个\\代表其他语言中的一个\
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示转义字符的使用 */public class RegExp02 { public static void main(String[] args) { String content = "abc$(a.bc(123( )"; //匹配( => \\( //匹配. => \\. //String regStr = "\\."; //String regStr = "\\d\\d\\d"; String regStr = "\\d{3}"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content);
while (matcher.find()) { System.out.println("找到 " + matcher.group(0)); } }}
复制代码
需要用到转义符号的字符有以下:.*+()$/?[] ^{
复制代码
元字符-字符匹配符
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示字符匹配符 的使用 */public class RegExp03 { public static void main(String[] args) {
String content = "a11c8abc _ABCy @"; //String regStr = "[a-z]";//匹配 a-z之间任意一个字符 //String regStr = "[A-Z]";//匹配 A-Z之间任意一个字符 //String regStr = "abc";//匹配 abc 字符串[默认区分大小写] //String regStr = "(?i)abc";//匹配 abc 字符串[不区分大小写] //String regStr = "[0-9]";//匹配 0-9 之间任意一个字符 //String regStr = "[^a-z]";//匹配 不在 a-z之间任意一个字符 //String regStr = "[^0-9]";//匹配 不在 0-9之间任意一个字符 //String regStr = "[abcd]";//匹配 在 abcd中任意一个字符 //String regStr = "\\D";//匹配 不在 0-9的任意一个字符 //String regStr = "\\w";//匹配 大小写英文字母, 数字，下划线 //String regStr = "\\W";//匹配 等价于 [^a-zA-Z0-9_] //\\s 匹配任何空白字符(空格,制表符等) //String regStr = "\\s"; //\\S 匹配任何非空白字符 ,和\\s刚好相反 //String regStr = "\\S"; //. 匹配出 \n 之外的所有字符,如果要匹配.本身则需要使用 \\. String regStr = ".";
//说明 //1. 当创建Pattern对象时，指定 Pattern.CASE_INSENSITIVE, 表示匹配是不区分字母大小写. Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到 " + matcher.group(0)); } }}
复制代码
元字符-选择匹配符
在匹配某个字符串的时候是选择性的，即:既可以匹配这个，又可以匹配那个，这时你需要用到选择匹配符号|
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 选择匹配符 */public class RegExp04 { public static void main(String[] args) {
String content = "hanshunping 韩 寒冷"; String regStr = "han|韩|寒";
Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/); Matcher matcher = pattern.matcher(content);
while (matcher.find()) { System.out.println("找到 " + matcher.group(0)); } }}
复制代码
元字符-限定符
用于指定其前面的字符和组合项连续出现多少次
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示限定符的使用 */public class RegExp05 { public static void main(String[] args) { String content = "a111111aaaaaahello";
//a{3},1{4},\\d{2} //String regStr = "a{3}";// 表示匹配 aaa //String regStr = "1{4}";// 表示匹配 1111 //String regStr = "\\d{2}";// 表示匹配 两位的任意数字字符
//a{3,4},1{4,5},\\d{2,5}
//细节：java匹配默认贪婪匹配，即尽可能匹配多的// String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa 但是实际返回： aaaa 贪婪// String regStr = "1{2,3}"; //表示匹配 11 或者 111 实际输出：111 11// String regStr = "\\d{2,5}"; //匹配2位数或者3,4,5位数
//1+ //String regStr = "1+"; //匹配一个1或者多个1 //String regStr = "\\d+"; //匹配一个数字或者多个数字
//1* //String regStr = "1*"; //匹配0个1或者多个1
//演示?的使用, 遵守贪婪匹配 String regStr = "a1?"; //匹配 a 或者 a1 Pattern pattern = Pattern.compile(regStr/*, Pattern.CASE_INSENSITIVE*/); Matcher matcher = pattern.matcher(content);
while (matcher.find()) { System.out.println("找到 " + matcher.group(0)); } }}
复制代码
元字符-定位符
定位符, 规定要匹配的字符串出现的位置，比如在字符串的开始还是在结束的位置，这个也是相当有用的，必须掌握。
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示定位符的使用 */public class RegExp06 { public static void main(String[] args) {
String content = "hanshunping sphan nnhan"; //String content = "123-abc"; //以至少1个数字开头，后接任意个小写字母的字符串 //String regStr = "^[0-9]+[a-z]*"; //以至少1个数字开头, 必须以至少一个小写字母结束 //String regStr = "^[0-9]+\\-[a-z]+$";
//表示匹配边界的han[这里的边界是指：被匹配的字符串最后, // 也可以是空格的子字符串的后面] //String regStr = "han\\b";
//和\\b的含义刚刚相反 String regStr = "han\\B";
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content);
while (matcher.find()) { System.out.println("找到=" + matcher.group(0)); } }}
复制代码
分组
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 分组: */public class RegExp07 { public static void main(String[] args) {
String content = "hanshunping s7789 nn1189han";
//下面就是非命名分组 //说明 // 1. matcher.group(0) 得到匹配到的字符串 // 2. matcher.group(1) 得到匹配到的字符串的第1个分组内容 // 3. matcher.group(2) 得到匹配到的字符串的第2个分组内容
//String regStr = "(\\d\\d)(\\d\\d)";//匹配4个数字的字符串
//命名分组： 即可以给分组取名 String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";//匹配4个数字的字符串
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content);
while (matcher.find()) { System.out.println("找到=" + matcher.group(0)); //7789 1189 System.out.println("第1个分组内容=" + matcher.group(1)); // 77 11 System.out.println("第1个分组内容[通过组名]=" + matcher.group("g1")); // 77 11 System.out.println("第2个分组内容=" + matcher.group(2)); // 89 89 System.out.println("第2个分组内容[通过组名]=" + matcher.group("g2")); // 89 89 } }}
复制代码
非捕获分组：
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示非捕获分组, 语法比较奇怪 */public class RegExp08 { public static void main(String[] args) {
String content = "hello碳膜闰教育 jack碳膜闰老师 碳膜闰同学hello碳膜闰学生";
// 找到 碳膜闰教育 、碳膜闰老师、碳膜闰同学 子字符串 //String regStr = "碳膜闰教育|碳膜闰老师|碳膜闰同学"; //上面的写法可以等价非捕获分组, 注意：不能 matcher.group(1)，因为并不是分组，不能捕获 //String regStr = "碳膜闰(?:教育|老师|同学)";
//找到 碳膜闰 这个关键字,但是要求只是查找碳膜闰教育和 碳膜闰老师 中包含有的碳膜闰 //下面也是非捕获分组，不能使用 matcher.group(1) //String regStr = "碳膜闰(?=教育|老师)";
//找到 碳膜闰 这个关键字,但是要求只是查找 不是 (碳膜闰教育 和 碳膜闰老师) 中包含有的碳膜闰 //下面也是非捕获分组，不能使用 matcher.group(1) String regStr = "碳膜闰(?!教育|老师)";
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到: " + matcher.group(0)); } }}
复制代码
非贪婪匹配
用?
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 非贪婪匹配 */public class RegExp09 { public static void main(String[] args) { String content = "hello111111 ok"; //String regStr = "\\d+"; //默认是贪婪匹配 111111 // String regStr = "\\d+?"; //非贪婪匹配 1 1 1 1 1 1 String regStr = "\\d+?"; //非贪婪匹配
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到: " + matcher.group(0)); } }}
复制代码
应用实例
中括号中[. ? *]表示匹配就是. ? *本身
对字符串进行如下验证
汉字
邮政编码要求:是 1-9 开头的一个六位数.比如:123890
QQ 号码要求:是 1-9 开头的一个(5 位数-10 位数)比如:12389，1345687,187698765
手机号码要求:必须以 13,14,15,18 开头的 11 位数，比如 13588889999
URL:如图: https://www.
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 正则表达式的应用实例 */public class RegExp10 { public static void main(String[] args) { String content = "13588889999"; // 汉字的范围： //String regStr = "^[\u0391-\uffe5]+$"; // 开始和结尾都定下来了 // 邮政编码 // 要求：1.是1-9开头的一个六位数. 比如：123890 当然还有很多限制。 //String regStr = "^[1-9]\\d{5}$"; // QQ号码 // 要求: 是1-9开头的一个(5位数-10位数) 比如: 12389 , 1345687 , 187698765 //String regStr = "^[1-9]\\d{4,9}$";
// 手机号码 // 要求: 必须以13,14,15,18 开头的11位数 , 比如 13588889999 String regStr = "^1[3|4|5|8]\\d{9}$";
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); if(matcher.find()) { System.out.println("满足格式"); } else { System.out.println("不满足格式"); } }}
复制代码
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 演示正则表达式的使用 */public class RegExp11 { public static void main(String[] args) {
//String content = "https://www.bilibili.com/video/BV1fh411y7R8?from=search&seid=1831060912083761326"; String content = "http://edu.3dsmax.tech/yg/bilibili/my6652/pc/qg/05-51/index.html#201211-1?track_id=jMc0jn-hm-yHrNfVad37YdhOUh41XYmjlss9zocM26gspY5ArwWuxb4wYWpmh2Q7GzR7doU0wLkViEhUlO1qNtukyAgake2jG1bTd23lR57XzV83E9bAXWkStcAh4j9Dz7a87ThGlqgdCZ2zpQy33a0SVNMfmJLSNnDzJ71TU68Rc-3PKE7VA3kYzjk4RrKU";
/** * 思路 * 1. 先确定 url 的开始部分 https:// | http:// * 2.然后通过 ([\w-]+\.)+[\w-]+ 匹配 www.bilibili.com * 3. /video/BV1fh411y7R8?from=sear 匹配(\/[\w-?=&/%.#]*)? */ String regStr = "^((http|https)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";//注意：[. ? *]表示匹配就是.本身
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); if(matcher.find()) { System.out.println("满足格式"); } else { System.out.println("不满足格式"); } //这里如果使用 Pattern 的 matches 整体匹配 比较简洁 System.out.println(Pattern.matches(regStr, content)); }}
复制代码
正则表达式三个常用类
java.util.regex 包主要包括以下三个类 Pattern 类、Matcher 类和 PatternSyntaxException
Pattern 类
pattern对象是一个正则表达式对象。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，调用其公共静态方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数,比如:Pattern r= Pattern.compile(pattern);Matcher类 Matcher 对象是对输入字符串进行解释和匹配的引擎。与 Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象PatternSyntaxExceptionPatternSyntaxException是一个非强制异常类，它表示一个正则表达式模式中的语法错误。matches由于是整体匹配，所以甚至可以不用定位符^和$。默认就是整体匹配。
package com.hspedu.regexp;
import java.util.regex.Pattern;
/** * 演示matches方法，用于整体匹配, 在验证输入的字符串是否满足条件使用 */public class PatternMethod {
public static void main(String[] args) { String content = "hello abc hello, 教育"; //String regStr = "hello"; String regStr = "hello.*";
boolean matches = Pattern.matches(regStr, content); System.out.println("整体匹配= " + matches); }}
复制代码
Matcher 类
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * Matcher 类的常用方法 */public class MatcherMethod { public static void main(String[] args) { String content = "hello edu jack hspedutom hello smith hello hspedu hspedu"; String regStr = "hello";
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("================="); System.out.println(matcher.start()); System.out.println(matcher.end()); System.out.println("找到: " + content.substring(matcher.start(), matcher.end())); }
//整体匹配方法，常用于，去校验某个字符串是否满足某个规则 System.out.println("整体匹配=" + matcher.matches());
//完成如果content 有 hspedu 替换成 碳膜闰教育 regStr = "hspedu"; pattern = Pattern.compile(regStr); matcher = pattern.matcher(content); //注意：返回的字符串才是替换后的字符串 原来的 content 不变化 String newContent = matcher.replaceAll("碳膜闰教育"); System.out.println("newContent=" + newContent); System.out.println("content=" + content); }}
复制代码
分组、捕获、反向引用
提出需求
请看下面问题:
给你一段文本,请你找出所有四个数字连在一起的子串，并且这四个数字要满足①第 1 位与第 4 位相同②第 2 位与第 3 位相同，比如 1221 , 5775 ,...
介绍
(\\dd) (\\dd)要解决前面的问题，我们需要了解正则表达式的几个概念;
分组我们可以用圆括号组成一个比较复杂的匹配模式,那么一个圆括号的部分我们可以看作是一个子表达式/一个分组。
捕获把正则表达式中子表达式/分组匹配的内容，保存到内存中以数字编号或显式命名的组里，方便后面引用，从左向右，以分组的左括号为标志,第一个出现的分组的组号为 1,第二个为 2，以此类推。组 O 代表的是整个正则式。
反向引用圆括号的内容被捕获后。可以在这个括号后被使用，从而写出一个比较实用的匹配模式，这个我们称为反向引用,这种引用既可以是在正则表达式内部，也可以是在正则表达式外部，内部反向引用
\\分组号，外部反向引用$分组号。
看几个小案例
要匹配两个连续的相同数字:
(\\d)\\1要匹配五个连续的相同数字:
(\\d)\\1{4}要匹配个位与千位相同，十位与首位相同的数 5225,1551
(\\d)(\\d)\\2\\1
请在字符串中检索商品编号,形式如:12321-333999111 这样的号码,要求满足前面是一个五位数,然后一个-号,然后是一个九位数,连续的每三位要相同
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
/** * 反向引用 */public class RegExp12 { public static void main(String[] args) {
String content = "h1234el9876lo33333 j12324-333999111a1551ck14 tom11 jack22 yyy12345 xxx"; //要匹配两个连续的相同数字 : (\\d)\\1 //String regStr = "(\\d)\\1"; //要匹配五个连续的相同数字： (\\d)\\1{4} //String regStr = "(\\d)\\1{4}"; //要匹配个位与千位相同，十位与百位相同的数 5225 , 1551 (\\d)(\\d)\\2\\1 //String regStr = "(\\d)(\\d)\\2\\1";
/** * 请在字符串中检索商品编号,形式如:12321-333999111 这样的号码, * 要求满足前面是一个五位数,然后一个-号,然后是一个九位数,连续的每三位要相同 */ String regStr = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到 " + matcher.group(0)); } }}
复制代码
经典的结巴程序
把类似: "我....我要....学学学学....编程 java!"; 通过正则表达式修改成"我要学编程 java"
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
public class RegExp13 { public static void main(String[] args) { String content = "我....我要....学学学学....编程java!";
//1. 去掉所有的. Pattern pattern = Pattern.compile("\\."); Matcher matcher = pattern.matcher(content); content = matcher.replaceAll(""); // System.out.println("content=" + content);
//2. 去掉重复的字 我我要学学学学编程java! // 思路 //(1) 使用 (.)\\1+ 匹配重复的字 //(2) 使用 反向引用$1 来替换匹配到的内容 // 注意：因为正则表达式变化，所以需要重置 matcher// pattern = Pattern.compile("(.)\\1+");//分组的捕获内容记录到$1// matcher = pattern.matcher(content);// while (matcher.find()) {// System.out.println("找到=" + matcher.group(0));// }// //使用 反向引用$1 来替换匹配到的内容// content = matcher.replaceAll("$1");// System.out.println("content=" + content);
//3. 也可以使用一条语句 去掉重复的字 我我要学学学学编程java! content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1"); System.out.println("content=" + content); }}
复制代码
String 类中使用正则表达式
替换功能
String 类 public String replaceAll(String regex, String replacement)
复制代码
判断功能
String 类 public boolean matches(String regex){} //使用Pattern 和 Matcher 类
复制代码
分割功能
String 类 public String[] split(String regex)
复制代码
package com.hspedu.regexp;
public class StringReg {
public static void main(String[] args) { String content = "2000年5月，JDK1.3、JDK1.4和J2SE1.3相继发布，几周后其" + "获得了Apple公司Mac OS X的工业标准的支持。2001年9月24日，J2EE1.3发" + "布。" + "2002年2月26日，J2SE1.4发布。自此Java的计算能力有了大幅提升";
//使用正则表达式方式，将 JDK1.3 和 JDK1.4 替换成JDK content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK"); System.out.println(content);
//要求 验证一个 手机号， 要求必须是以 138 139 开头的 content = "13888889999"; if (content.matches("1(38|39)\\d{8}")) { System.out.println("验证成功"); } else { System.out.println("验证失败"); }
//要求按照 # 或者 - 或者 ~ 或者 数字 来分割 System.out.println("==================="); content = "hello#abc-jack12smith~北京"; String[] split = content.split("#|-|~|\\d+"); for (String s : split) { System.out.println(s); } }}
复制代码
本章作业
1.验证电子邮件格式是否合法，规定电子邮件规则为：
只能有一个 @
@前面是用户名,可以是 a-z A-Z0-9_-字符
@后面是域名,并且域名只能是英文字母，比如 sohu.com 或者 tsinghua.org.cn
写出对应的正则表达式,验证输入的字符串是否为满足规则
package com.hspedu.regexp;
public class Homework01 { public static void main(String[] args) { //规定电子邮件规则为 //只能有一个@ //@前面是用户名,可以是a-z A-Z 0-9 _-字符 //@后面是域名,并且域名只能是英文字母， 比如 sohu.com 或者 tsinghua.org.cn // 写出对应的正则表达式, 验证输入的字符串是否为满足规则
String content = "hsp@tsinghua.org.cn kkk"; String regStr = "^[\\w-]+@([a-zA-Z]+\\.)+[a-zA-Z]+$";
//老师说明 //1. String 的 matches 是整体匹配 //2. 看看这个 matches 底层 /** * String 的 matches * public boolean matches(String regex) { * return Pattern.matches(regex, this); * } * * Pattern * public static boolean matches(String regex, CharSequence input) { * Pattern p = Pattern.compile(regex); * Matcher m = p.matcher(input); * return m.matches(); * } * * Mather类 match * Attempts to match the entire region against the pattern * public boolean matches() { * return match(from, ENDANCHOR); * } */ if (content.matches(regStr)) { System.out.println("匹配成功"); } else { System.out.println("匹配失败"); } }}
复制代码
要求验证是不是整数或者小数
提示:这个题要考虑正数和负数
比如:123 -345 34.89 -87.9 -0.01 0.45 等
package com.hspedu.regexp;
public class Homework02 {
public static void main(String[] args) { //要求验证是不是整数或者小数 //提示： 这个题要考虑正数和负数 //比如： 123 -345 34.89 -87.9 -0.01 0.45 等 /** * 老师的思路 * 1. 先写出简单的正则表达式 * 2. 在逐步的完善[根据各种情况来完善] */ String content = "-0.89"; // // 要特别注意00023.1 以及 0.5 等等特殊情况 String regStr = "^[-+]?([1-9]\\d*|0)(\\.\\d+)?$";
if(content.matches(regStr)) { System.out.println("匹配成功 是整数或者小数"); } else { System.out.println("匹配失败"); } }}
复制代码
对一个 url 进行解析：
http://www.sohu.com:8080/abc/index.htm要求得到协议是什么? http
域名是什么? www.sohu.com
端口是什么? 8080
文件名是什么? index.htm
package com.hspedu.regexp;
import java.util.regex.Matcher;import java.util.regex.Pattern;
public class Homework03 { public static void main(String[] args) {
String content = "http://www.sohu.com:8080/abc/xxx/yyy/////inde@#$%x.htm";
//因为正则表达式是根据要求来编写的，所以，如果需求需要的话，可以改进. String regStr = "^([a-zA-Z]+)://([a-zA-Z.]+):(\\d+)[\\w-/]*/([\\w.@#$%]+)$";
Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content);
if(matcher.matches()) {//整体匹配, 如果匹配成功，可以通过group(x), 获取对应分组的内容 System.out.println("整体匹配=" + matcher.group(0)); System.out.println("协议: " + matcher.group(1)); System.out.println("域名: " + matcher.group(2)); System.out.println("端口: " + matcher.group(3)); System.out.println("文件: " + matcher.group(4)); } else { System.out.println("没有匹配成功"); } }}
复制代码
附：正则表达式元字符详解
附：正则表达式参考大全
一、校验数字的表达式
1 数字：^[0-9]*$2 n位的数字：^\d{n}$3 至少n位的数字：^\d{n,}$4 m-n位的数字：^\d{m,n}$5 零和非零开头的数字：^(0|[1-9][0-9]*)$6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$13 非负整数：^\d+$ 或 ^[1-9]\d*|0$14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
二、校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$3 长度为3-20的所有字符：^.{3,20}$4 由26个英文字母组成的字符串：^[A-Za-z]+$5 由26个大写英文字母组成的字符串：^[A-Z]+$6 由26个小写英文字母组成的字符串：^[a-z]+$7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+12 禁止输入含有~的字符：[^~\x22]+
三、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?3 InternetURL：[a-zA-z]+://[^\s]* 或 ^https://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$ 6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}7 身份证号： 15或18位身份证：^\d{15}|\d{18}$ 15位身份证：^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$ 18位身份证：^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{4}$8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$ 12 日期格式：^\d{4}-\d{1,2}-\d{1,2}13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$ 15 钱的输入格式：16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$ 17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$ 18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$ 19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$ 20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$ 21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$ 22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ 23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$ 24 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$26 中文字符的正则表达式：[\u4e00-\u9fa5]27 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))28 空白行的正则表达式：\n\s*\r (可以用来删除空白行)29 HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)32 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)
复制代码
划线
评论
复制
发布于: 刚刚阅读数: 4
版权声明: 本文为 InfoQ 作者【timerring】的原创文章。
原文链接:【http://xie.infoq.cn/article/ce1b02a838eae7b442de275ff】。未经作者许可，禁止转载。
timerring
关注
公众号【AIShareLab】 2022-07-14 加入
他日若遂凌云志
评论