1 正则表达式
1.1 什么是正则表达式
正则表达式: 定义一个搜索模式的字符串。
正则表达式可以用于搜索、编辑和操作文本。
正则对文本的分析或修改过程为:首先正则表达式应用的是文本字符串(text/string),它会以定义的模式从左到右匹配文本,每个源字符只匹配一次。
1.2 示例
正则表达式 | 匹配 |
---|---|
this is text |
精确匹配字符串 "this is text" |
this\s+is\s+text |
匹配单词 "this" 后跟一个或多个空格字符,后跟词 "is" 后跟一个或多个空格字符,后跟词 "text" |
^\d+(\.\d+)? |
^ 定义模式必须匹配字符串的开始,d+ 匹配一个或多个数字,? 表明小括号内的语句是可选的,\. 匹配 ".",小括号表示分组。例如匹配:"5"、"1.5" 和 "2.21" |
2 正则表达式的编写规则
2.1 常见匹配符号
正则表达式 | 描述 |
---|---|
. |
匹配所有单个字符,除了换行符(Linux 中换行是 \n ,Windows 中换行是 \r\n ) |
^regex |
正则必须匹配字符串开头 |
regex$ |
正则必须匹配字符串结尾 |
[abc] |
复选集定义,匹配字母 a 或 b 或 c |
[abc][vz] |
复选集定义,匹配字母 a 或 b 或 c,后面跟着 v 或 z |
[^abc] |
当插入符 ^ 在中括号中以第一个字符开始显示,则表示否定模式。此模式匹配所有字符,除了 a 或 b 或 c |
[a-d1-7] |
范围匹配,匹配字母 a 到 d 和数字从 1 到 7 之间,但不匹配 d1 |
XZ |
匹配 X 后直接跟着 Z |
X|Z | 匹配 X 或 Z |
2.2 元字符
元字符是一个预定义的字符。
正则表达式 | 描述 |
---|---|
\d |
匹配一个数字,是 [0-9] 的简写 |
\D |
匹配一个非数字,是 [^0-9] 的简写 |
\s |
匹配一个空格,是 [ \t\n\x0b\r\f] 的简写 |
\S |
匹配一个非空格 |
\w |
匹配一个单词字符(大小写字母、数字、下划线),是 [a-zA-Z_0-9] 的简写 |
\W |
匹配一个非单词字符(除了大小写字母、数字、下划线之外的字符),等同于 [^\w]
|
2.3 限定符
限定符定义了一个元素可以发生的频率。
正则表达式 | 描述 | 举例 |
---|---|---|
* |
匹配 >=0 个,是 {0,} 的简写 |
X* 表示匹配零个或多个字母 X,.* 表示匹配任何字符串 |
+ |
匹配 >=1 个,是 {1,} 的简写 |
X+ 表示匹配一个或多个字母 X |
? |
匹配 1 个或 0 个,是 {0,1} 的简写 |
X? 表示匹配 0 个或 1 个字母 X |
{X} |
只匹配 X 个字符 |
\d{3} 表示匹配 3 个数字,.{10} 表示匹配任何长度是 10 的字符串 |
{X,Y} |
匹配 >=X 且 <=Y 个 |
\d{1,4} 表示匹配至少 1 个最多 4 个数字 |
*? |
如果 ? 是限定符 * 或 + 或 ? 或 {} 后面的第一个字符,那么表示非贪婪模式(尽可能少的匹配字符),而不是默认的贪婪模式
|
2.4 分组和反向引用
小括号 ()
可以达到对正则表达式进行分组的效果。
模式分组后会在正则表达式中创建反向引用。反向引用会保存匹配模式分组的字符串片断,这使得我们可以获取并使用这个字符串片断。
在以正则表达式替换字符串的语法中,是通过 $
来引用分组的反向引用,$0
是匹配完整模式的字符串(注意在 JavaScript 中是用 $&
表示);$1
是第一个分组的反向引用;$2
是第二个分组的反向引用,以此类推。
示例:
public class RegexTest {
public static void main(String[] args) {
// 去除单词与 , 和 . 之间的空格
String Str = "Hello , World .";
String pattern = "(\\w)(\\s+)([.,])";
// $0 匹配 `(\w)(\s+)([.,])` 结果为 `o空格,` 和 `d空格.`
// $1 匹配 `(\w)` 结果为 `o` 和 `d`
// $2 匹配 `(\s+)` 结果为 `空格` 和 `空格`
// $3 匹配 `([.,])` 结果为 `,` 和 `.`
System.out.println(Str.replaceAll(pattern, "$1$3")); // Hello, World.
}
}
上面的例子中,我们使用了 [.]
来匹配普通字符 .
而不需要使用 [\\.]
。因为正则对于 []
中的 .
,会自动处理为 [\.]
,即普通字符 .
进行匹配。
2.4.1 仅分组但无反向引用
当我们在小括号 ()
内的模式开头加入 ?:
,那么表示这个模式仅分组,但不创建反向引用。
示例:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "img.jpg";
// 分组且创建反向引用
Pattern pattern = Pattern.compile("(jpg|png)");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
}
}
}
运行结果:
jpg jpg
若源码改为:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "img.jpg";
// 分组但不创建反向引用
Pattern pattern = Pattern.compile("(?:jpg|png)");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
}
}
}
运行结果:
jpg Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 1 at java.util.regex.Matcher.group(Matcher.java:538) at com.wuxianjiezh.regex.RegexTest.main(RegexTest.java:15)
2.4.2 分组的反向引用副本
Java 中可以在小括号中使用 ?<name>
将小括号中匹配的内容保存为一个名字为 name 的副本。
示例:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "@wkf 你好啊";
Pattern pattern = Pattern.compile("@(?<first>\\w+\\s)"); // 保存一个副本
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
System.out.println(matcher.group("first"));
}
}
}
运行结果:
@wkf wkf wkf
2.5 否定先行断言(Negative lookahead)
我们可以创建否定先行断言模式的匹配,即某个字符串后面不包含另一个字符串的匹配模式。
否定先行断言模式通过 (?!pattern)
定义。比如,我们匹配后面不是跟着 "b" 的 "a":
a(?!b)
2.6 指定正则表达式的模式
可以在正则的开头指定模式修饰符。
-
(?i)
使正则忽略大小写。 -
(?s)
表示单行模式("single line mode")使正则的.
匹配所有字符,包括换行符。 -
(?m)
表示多行模式("multi-line mode"),使正则的^
和$
匹配字符串中每行的开始和结束。
2.7 Java 中的反斜杠
反斜杠 \
在 Java 中表示转义字符,这意味着 \
在 Java 拥有预定义的含义。
这里例举两个特别重要的用法:
- 在匹配
.
或{
或[
或(
或?
或$
或^
或*
这些特殊字符时,需要在前面加上\\
,比如匹配.
时,Java 中要写为\\.
,但对于正则表达式来说就是\.
。 - 在匹配
\
时,Java 中要写为\\\\
,但对于正则表达式来说就是\\
。
注意:Java 中的正则表达式字符串有两层含义,首先 Java 字符串转义出符合正则表达式语法的字符串,然后再由转义后的正则表达式进行模式匹配。
2.8 易错点示例
-
[jpg|png]
代表匹配j
或p
或g
或p
或n
或g
中的任意一个字符。 -
(jpg|png)
代表匹配jpg
或png
。
3 在字符串中使用正则表达式
3.1 内置的字符串正则处理方法
在 Java 中有四个内置的运行正则表达式的方法,分别是 matches()
、split())
、replaceFirst()
、replaceAll()
。注意 replace()
方法不支持正则表达式。
方法 | 描述 |
---|---|
s.matches("regex") |
当仅且当正则匹配整个字符串时返回 true
|
s.split("regex") |
按匹配的正则表达式切片字符串 |
s.replaceFirst("regex", "replacement") |
替换首次匹配的字符串片段 |
s.replaceAll("regex", "replacement") |
替换所有匹配的字符 |
3.2 代码示例
public class RegexTest {
public static void main(String[] args) {
System.out.println("wxj".matches("wxj"));
System.out.println("----------");
String[] array = "w x j".split("\\s");
for (String item : array) {
System.out.println(item);
}
System.out.println("----------");
System.out.println("w x j".replaceFirst("\\s", "-"));
System.out.println("----------");
System.out.println("w x j".replaceAll("\\s", "-"));
}
}
运行结果:
true ---------- w x j ---------- w-x j ---------- w-x-j
4 模式和匹配
Java 中使用正则表达式需要用到两个类,分别为 java.util.regex.Pattern
和 java.util.regex.Matcher
。
第一步,通过正则表达式创建模式对象 Pattern
。
第二步,通过模式对象 Pattern
,根据指定字符串创建匹配对象 Matcher
。
第三步,通过匹配对象 Matcher
,根据正则表达式操作字符串。
来个例子,加深理解:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String text = "Hello Regex!";
Pattern pattern = Pattern.compile("\\w+");
// Java 中忽略大小写,有两种写法:
// Pattern pattern = Pattern.compile("\\w+", Pattern.CASE_INSENSITIVE);
// Pattern pattern = Pattern.compile("(?i)\\w+"); // 推荐写法
Matcher matcher = pattern.matcher(text);
// 遍例所有匹配的序列
while (matcher.find()) {
System.out.print("Start index: " + matcher.start());
System.out.print(" End index: " + matcher.end() + " ");
System.out.println(matcher.group());
}
// 创建第两个模式,将空格替换为 tab
Pattern replace = Pattern.compile("\\s+");
Matcher matcher2 = replace.matcher(text);
System.out.println(matcher2.replaceAll("\t"));
}
}
运行结果:
Start index: 0 End index: 5 Hello Start index: 6 End index: 11 Regex Hello Regex!
5 若干个常用例子
5.1 中文的匹配
[\u4e00-\u9fa5]+
代表匹配中文字。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "这是中文";
Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
}
运行结果:
这是中文
5.2 数字范围的匹配
比如,匹配 1990 到 2017。
注意:这里有个新手易范的错误,就是正则 [1990-2017]
,实际这个正则只匹配 0
或 1
或 2
或 7
或 9
中的任一个字符。
正则表达式匹配数字范围时,首先要确定最大值与最小值,最后写中间值。
正确的匹配方式:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "1990\n2010\n2017";
// 这里应用了 (?m) 的多行匹配模式,只为方便我们测试输出
// "^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$" 为判断 1990-2017 正确的正则表达式
Pattern pattern = Pattern.compile("(?m)^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
}
运行结果:
1990 2010 2017
5.3 img 标签的匹配
比如,获取图片文件内容,这里我们考虑了一些不规范的 img 标签写法:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "<img src='aaa.jpg' /><img src=bbb.png/><img src=\"ccc.png\"/>" +
"<img src='ddd.exe'/><img src='eee.jpn'/>";
// 这里我们考虑了一些不规范的 img 标签写法,比如:空格、引号
Pattern pattern = Pattern.compile("<img\\s+src=(?:['\"])?(?<src>\\w+.(jpg|png))(?:['\"])?\\s*/>");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("src"));
}
}
}
运行结果:
aaa.jpg bbb.png ccc.png
5.4 贪婪与非贪婪模式的匹配
比如,获取 div 标签中的文本内容:文章来源:https://www.toymoban.com/news/detail-739924.html
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "<div>文章标题</div><div>发布时间</div>";
// 贪婪模式
Pattern pattern = Pattern.compile("<div>(?<title>.+)</div>");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("title"));
}
System.out.println("--------------");
// 非贪婪模式
pattern = Pattern.compile("<div>(?<title>.+?)</div>");
matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("title"));
}
}
}
运行结果:文章来源地址https://www.toymoban.com/news/detail-739924.html
文章标题</div><div>发布时间 -------------- 文章标题 发布时间
6 推荐两个在线正则工具
- JavaScript、Python 等的在线表达式工具:https://regex101.com/
- Java 在线表达式工具:http://www.regexplanet.com/advanced/java/index.html
到了这里,关于Java 正则表达式匹配的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!