介绍
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。正则表达式通常缩写成“regex”。
Java中正则表达式的实现
在Java的类包中,关于正则表达式的类存放在Java.util.regex包下面:
- Pattern类
pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象,你必须首先调用其公共静态编译方法(compile()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。 - Matcher类
Matcher 对象是对输入字符串进行解释和匹配操作的引擎。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。 - PatternSyntaxException
PatternSyntaxException 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。
上述类的使用举例:
Pattern p=Pattern.compile("a*b");
Matcher m=p.matcher("aaaab");
boolean b=m.matcher();
在仅使用一次正则表达式时,可以方便的通过此类定义matches方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句
boolean b=Pattern.matches("a*b","aaaab"); //该语句等效于上面三个语句
捕获组
捕获组就是把正则表达式中子表达式匹配的内容,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。当然,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。一般一个小括号括起来就是一个捕获组。捕获组可以进行嵌套。以深度优先进行编号,在js中编号从1开始。
捕获组是通过从左至右计算其开括号来编号。例如在表达式 ((A)(B(C)))中,存在四个组:
- ((A)(B(C)))
- (A)
- (B(C))
- (C)
可以通过matcher对象的groupCount方法来查看表达式有多少个分组。
public class RegexZu {
public static void main(String[] args) {
//按指定模式在字符串查找
String line="This order was placed for QT3000! OK?";
String pattern="(\\D*)(\\d+)(.*)";
//
Pattern p=Pattern.compile(pattern); //调用公用静态编译方法,返回一个Pattern对象,对p进行初始化
Matcher m=p.matcher(line); //对输入字符串进行匹配操作
if(m.find()) { //尝试查找与该模式匹配的输入序列的下一个子序列
System.out.println("Found value:"+m.group(0)); //group()返回在以前匹配操作期间由给定组捕获的输入子序列
System.out.println("Found value:"+m.group(1));
System.out.println("Found value:"+m.group(2));
System.out.println("Found value:"+m.group(3));
}else {
System.out.println("NO MATCH");
}
}
}
正则表达式语法
Java中\的表示和其他语言不同
其他语言,\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。
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。
上述这点的解释在Java API文档是这样说明的:
反斜线字符 (‘\’) 用于引用转义构造,同时还用于引用其他将被解释为非转义构造的字符。因此,表达式 \ 与单个反斜线匹配,而 { 与左括号匹配。
在不表示转义构造的任何字母字符前使用反斜线都是错误的;它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线,不管该字符是否非转义构造的一部分。
根据 Java Language Specification 的要求,Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线,表示正则表达式受到保护,不被 Java 字节码编译器解释。例如,当解释为正则表达式时,字符串字面值 “\b” 与单个退格字符匹配,而 “\b” 与单词边界匹配。字符串字面值 “(hello)” 是非法的,将导致编译时错误;要与字符串 (hello) 匹配,必须使用字符串字面值 “\(hello\)”。
详细的关于正则表达式的如下(摘自Java API 文档):
构造 匹配
字符
x 字符 x
\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7)
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 带有十六进制值 0x 的字符 hhhh
\t 制表符 (‘\u0009’)
\n 新行(换行)符 (‘\u000A’)
\r 回车符 (‘\u000D’)
\f 换页符 (‘\u000C’)
\a 报警 (bell) 符 (‘\u0007’)
\e 转义符 (‘\u001B’)
\cx 对应于 x 的控制符
字符类
[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)
预定义字符类
. 任何字符(与行结束符可能匹配也可能不匹配)
\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]
POSIX 字符类(仅 US-ASCII)
\p{Lower} 小写字母字符:[a-z]
\p{Upper} 大写字母字符:[A-Z]
\p{ASCII} 所有 ASCII:[\x00-\x7F]
\p{Alpha} 字母字符:[\p{Lower}\p{Upper}]
\p{Digit} 十进制数字:[0-9]
\p{Alnum} 字母数字字符:[\p{Alpha}\p{Digit}]
\p{Punct} 标点符号:!”#$%&’()*+,-./:;<=>?@[]^_`{|}~
\p{Graph} 可见字符:[\p{Alnum}\p{Punct}]
\p{Print} 可打印字符:[\p{Graph}\x20]
\p{Blank} 空格或制表符:[ \t]
\p{Cntrl} 控制字符:[\x00-\x1F\x7F]
\p{XDigit} 十六进制数字:[0-9a-fA-F]
\p{Space} 空白字符:[ \t\n\x0B\f\r]
java.lang.Character 类(简单的 java 字符类型)
\p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()
\p{javaMirrored} 等效于 java.lang.Character.isMirrored()
Unicode 块和类别的类
\p{InGreek} Greek 块(简单块)中的字符
\p{Lu} 大写字母(简单类别)
\p{Sc} 货币符号
\P{InGreek} 所有字符,Greek 块中的除外(否定)
[\p{L}&&[^\p{Lu}]] 所有字母,大写字母除外(减去)
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
Greedy 数量词
X? X,一次或一次也没有
X* X,零次或多次
X+ X,一次或多次
X{n} X,恰好 n 次
X{n,} X,至少 n 次
X{n,m} X,至少 n 次,但是不超过 m 次
Reluctant 数量词
X?? X,一次或一次也没有
X*? X,零次或多次
X+? X,一次或多次
X{n}? X,恰好 n 次
X{n,}? X,至少 n 次
X{n,m}? X,至少 n 次,但是不超过 m 次
Possessive 数量词
X?+ X,一次或一次也没有
X*+ X,零次或多次
X++ X,一次或多次
X{n}+ X,恰好 n 次
X{n,}+ X,至少 n 次
X{n,m}+ X,至少 n 次,但是不超过 m 次
Logical 运算符
XY X 后跟 Y
X|Y X 或 Y
(X) X,作为捕获组
Back 引用
\n 任何匹配的 nth 捕获组
引用
\ Nothing,但是引用以下字符
\Q Nothing,但是引用所有字符,直到 \E
\E Nothing,但是结束从 \Q 开始的引用
特殊构造(非捕获)
(?:X) X,作为非捕获组
(?idmsux-idmsux) Nothing,但是将匹配标志i d m s u x on - off
(?idmsux-idmsux:X) X,作为带有给定标志 i d m s u x on - off
的非捕获组 (?=X) X,通过零宽度的正 lookahead
(?!X) X,通过零宽度的负 lookahead
(?<=X) X,通过零宽度的正 lookbehind
如果觉得看不太清除的,可以参考
http://www.runoob.com/java/java-regular-expressions.html
Matcher类的方法
索引方法
索引方法提供了有用的索引值,精确表明输入字符串中在哪能找到匹配
//返回以前匹配的初始索引。
public int start()
//返回在以前的匹配操作期间,由给定组所捕获的子序列的初始索引
public int start(int group)
//返回最后匹配字符之后的偏移量
public int end()
//返回在以前的匹配操作期间,由给定组所捕获子序列的最后字符之后的偏移量
public int end(int group)
研究方法
public boolean lookingAt()
//尝试将从区域开头开始的输入序列与该模式匹配。
public boolean find()
//尝试查找与该模式匹配的输入序列的下一个子序列。
public boolean find(int start)
//重置此匹配器,然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。
public boolean matches()
//尝试将整个区域与模式匹配。
替换方法
public Matcher appendReplacement(StringBuffer sb, String replacement)
//实现非终端添加和替换步骤。
public StringBuffer appendTail(StringBuffer sb)
//实现终端添加和替换步骤。
public String replaceAll(String replacement)
//替换模式与给定替换字符串相匹配的输入序列的每个子序列。
public String replaceFirst(String replacement)
//替换模式与给定替换字符串匹配的输入序列的第一个子序列。
public static String quoteReplacement(String s)
//返回指定字符串的字面替换字符串。这个方法返回一个字符串,就像传递给Matcher类的appendReplacement 方法一个字面字符串一样工作。
具体的例子代码:
获取索引
public class RegexIndex {
private static final String REGEX="\\bcat\\b";
private static final String INPUT="cat cat cat cattie cat";
public static void main(String[] args) {
Pattern p=Pattern.compile(REGEX);
Matcher m=p.matcher(INPUT);
int count=0;
while(m.find()) {
count++;
System.out.println("Match number"+count);
System.out.println("start():"+m.start());
System.out.println("end():"+m.end());
}
}
}
查询匹配:
public class RegexMatches {
private static final String REGEX="foo";
private static final String INPUT="foooooooooo";
private static final String INPUT2="oooooofoooooo";
private static Pattern pattern;
private static Matcher matcher1;
private static Matcher matcher2;
public static void main(String[] args) {
pattern=Pattern.compile(REGEX);
matcher1=pattern.matcher(INPUT);
matcher2=pattern.matcher(INPUT2);
System.out.println("Current REGEX is: "+REGEX);
System.out.println("Current INPUT is: "+INPUT);
System.out.println("Current INPUT2 is: "+INPUT2);
System.out.println("lookingAt():"+matcher1.lookingAt()); //尝试将从区域开头开始的输入序列与该模式匹配
System.out.println("matches():"+matcher1.matches()); //在整个区域的输入序列中与该模式进行匹配
System.out.println("lookingAt():"+matcher2.lookingAt());
}
}
查询替换:
public class RegexReplace {
private static String REGEX="dog";
private static String INPUT="The dog says meow. " +
"All dogs say meow.";
private static String REPLACE="cat";
public static void main(String[] args) {
Pattern p=Pattern.compile(REGEX);
Matcher m=p.matcher(INPUT);
System.out.println("替换之前:"+INPUT);
INPUT=m.replaceFirst(REPLACE);
System.out.println("replaceFirst():"+INPUT);
INPUT=m.replaceAll(REPLACE);
System.out.println("replaceAll():"+INPUT);
}
}
参考资料:
http://www.runoob.com/java/java-regular-expressions.html
JDK API 1.6.0 中文版