正则表达式入门
[提前声明]
文章由作者:张耀峰 结合自己生产中的使用经验整理,最终形成简单易懂的文章
写作不易,转载请注明,谢谢!
大数据代码案例地址: https://github.com/Mydreamandreality/sparkResearch
正则表达式
- 正则表达式在后端开发中可以说是必备技能之一：数据过滤、数据校验、数据转换等等场景都会用到正则表达式，所以在这儿就分享一下正则表达式的基本入门，以及在Java中如何使用正则表达式
元字符
元字符是构造正则表达式的一种基本元素
| 元字符 | 说明 |
|---|---|
| . | 匹配除了换行符之外的所有字符 |
| \w | 匹配字母或数字或下划线或汉字 |
| \s | 匹配任意的空白符 |
| \d | 匹配数字 |
| \b | 匹配单词的开始或者结束 |
| ^ | 匹配字符串的开始 |
| $ | 匹配字符串的结束 |
案例：
匹配abc开头的字符串
^abc
\babc
匹配11位手机号
^\d\d\d\d\d\d\d\d\d\d\d$
匹配11位手机号，1开头的
^1\d\d\d\d\d\d\d\d\d\d$
重复限定符
有了元字符就可以写不少的正则表达式了，但是这样写太原始了，看着有些乱，正则没提供办法处理这些重复的元字符吗？
答案是有的！为了处理这些重复问题，正则表达式中一些重复限定符，把重复部分用合适的限定符替代，下面我们来看一些限定符：
| 语法 | 说明 |
|---|---|
| * | 重复零次或者更多次 |
| + | 重复一次或者更多次 |
| ? | 重复0次或者1次 |
| {n} | 重复n次 |
| {n,} | 重复n次或者更多次 |
| {n,m} | 重复n到m次 |
案例改造：
匹配abc开头的字符串
^abc
\babc
匹配11位手机号
^\d{11}$
匹配11位手机号，1开头的
^1\d{10}$
匹配a开头的，0个或者多个b结尾的字符串
^ab*$
分组
从上面的例子中看到，* 限定符是作用在与他左边最近的一个字符，那么问题来了，如果我想要ab同时被*限定那怎么办呢？
匹配字符串中包含0到多个ab开头：
^(ab)*
转义
正则表达式用小括号来做分组，那么问题来了：
如果要匹配的字符串中本身就包含小括号，那是不是冲突？应该怎么办？
针对这种情况，正则提供了转义的方式，也就是要把这些元字符、限定符或者关键字转义成普通的字符，做法很简答，就是在要转义的字符前面加个斜杠，也就是\即可。
如：要匹配以(ab)开头：
^(\(ab\))*
条件或
回到我们刚才的手机号匹配，我们都知道：国内号码都来自三大网，它们都有属于自己的号段，比如联通有130/131/132/155/156/185/186/145/176等号段，假如让我们匹配一个联通的号码，那按照我们目前所学到的正则，应该无从下手的，因为这里包含了一些并列的条件，也就是“或”，那么在正则中是如何表示“或”的呢？
正则用符号 | 来表示或，也叫做分支条件，当满足正则里的分支条件的任何一种条件时，都会当成是匹配成功
那么我们就可以用或条件来处理这个问题
^(130|131|132|155|156|185|186|145|176)\d{8}$
区间
看到上面的例子，是不是看到有什么规律？是不是还有一种想要简化的冲动？实际是有的
正则提供一个元字符中括号 [] 来表示区间条件。
限定0到9 可以写成[0-9]
限定A-Z 写成[A-Z]
限定某些数字 [165]
优化正则
^((13[0-2])|(15[56])|(18[5-6])|145|176)\d{8}$
现在你已经基本了解正则表达式的构成和使用，下面我们演示如何在Java中使用正则表达式
Java中的正则表达式
在Java中要使用正则表达式，需要用到java.util.regex类库包
它是一个用正则表达式所定制的模式对字符串进行匹配工作
它包含两个类：Pattern和Matcher
Pattern是一个正则表达式经过编译后的表现模式
Matcher根据Pattern对象作为匹配模式对字符串进行匹配
说白了就是Pattern定义正则表达式，Matcher根据定义的正则来过滤字符串
Pattern
Pattern的构造方法是私有的，不可以直接创建，需要使用静态工厂模式创建：
Pattern.complie(String regex);
matcher
Matcher的构造方法也是私有的，不能直接创建，使用
Pattern.matcher(CharSequence input)
Java代码示例
public static List<Integer> matcherNumber(String soap) {
final String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher m = pattern.matcher(soap);
...暂时先省略部分代码
}
- matches 对所有字符串进行匹配，只有整个字符串都匹配才返回True
- lookingAt 对前面的字符串能进行匹配，匹配到的字符串在最前面返回True
- find 对字符串进行匹配，匹配到的字符串可以在任意的位置返回True
Matcher类提供三个匹配操作方法,三个方法均返回boolean类型,当匹配到时返回true,没匹配到则返回false
- matches()代码示例
Pattern p = Pattern.complie("\\d+");
Matcher m = p.matcher("123ddd");
m.matches(); //返回false
//解释：
因为matches要匹配整个字符串才返回true，而(\\d+)这个正则要匹配的是数字，所以文本(123ddd)中的ddd无法被匹配，故返回false
//------------------我是分割线------------------
Matcher m1 = p.matcher("123321");
m1.matches(); //返回true
//解释：
文本(123321)可以被全部匹配，所以返回True
- lookingAt()代码示例
Pattern p = Pattern.complie("\\d+");
Matcher m = p.matcher("ddd123");
m.lookingAt(); //返回false
//解释：
因为matches要匹配到字符串前缀，而(\\d+)这个正则要匹配的是数字，所以文本(ddd123)中的ddd前缀不是数字，无法被匹配，故返回false
//------------------我是分割线------------------
Matcher m1 = p.matcher("123ddd");
m1.lookingAt(); //返回true
//解释：
文本(123ddd)前缀匹配成功，所以返回True
- find()代码示例
Pattern p = Pattern.complie("\\d+");
Matcher m = p.matcher("ddd123");
m.find(); //返回true
//解释：
在字符串任意位置匹配到了数字，所以返回true
//------------------我是分割线------------------
Matcher m1 = p.matcher("123ddd");
m1.find(); //返回true
//解释：
在字符串任意位置匹配到了数字，所以返回true
当我们使用以上的匹配模式匹配到数据后，可以使用以下三个方法得到更详细的信息
-
start() 返回匹配到的子字符串在字符串中的索引位置
-
end() 返回匹配到的子字符串的最后一个字符在字符串中的索引位置
-
group() 返回匹配到的子字符串
-
Java代码示例
让我们把前面的代码案例补充完整
public static List<Integer> matcherNumber(String soap) {
final String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher m = pattern.matcher(soap);
List<Integer> result = new ArrayList();
while(m.find){
result.add(m.group());
}
return result;
}
//使用
matcherNumber(111aaa222bbb333ccc);
//返回输出
List<111,222,333>
坚持看到这里，相信你已经入门正则表达式，并且能够在项目中使用了，正则的高级使用方法，后续如果有时间的话会继续更新！
