Java编程：正则表达式Pattern、Matcher详解

平时在对字符串进行操作的时候进行用到正则表达式，影响最深刻的是2011开发新华网微博的时候，对微博内容做了复杂的正则表达式校验。接下来介绍一下Java中的正则表达式的使用。以下内容基于JDK1.7进行讲解。

Java中默认的正则表达式是贪婪匹配的。
Javascript中默认的正则表达式也是贪婪匹配的。

这里留下一个问题：什么是贪婪匹配，后续做详细说明。

在Java中，java.util.regex包定义了正则表达式使用到的相关类，其中最主要的两个类为：Pattern、Matcher。

• Pattern 编译正则表达式后创建一个匹配模式。
• Matcher 使用Pattern实例提供的正则表达式对目标字符串进行匹配。

Pattern类

• private Pattern(String p, int f) 私有的构造方法。
• public static Pattern compile(String regex) 通过静态方法compile创建Pattern对象，查看源代码发现compile直接调用了Pattern构造函数。

    public static Pattern compile(String regex) {
        return new Pattern(regex, 0);
    }

• public static Pattern compile(String regex, int flags) 通过静态方法compile创建Pattern对象，查看源代码发现compile直接调用了Pattern构造函数，该方法允许设置多个Match Flag，如Pattern.CASE_INSENSITIVE|Pattern.UNIX_LINES，关于Match Flag后续做详细说明。

    public static Pattern compile(String regex, int flags) {
        return new Pattern(regex, flags);
    }

• public String pattern() 返回字符串类型的正则表达式，也就是compile函数的regex参数值。
• public Matcher matcher(CharSequence input) 为目标字符串input创建一个Matcher对象。
• public int flags() 返回当前Pattern对象的Match Flag值，如果设置的值为Pattern.CASE_INSENSITIVE|Pattern.UNIX_LINES，则返回累加和。Pattern.CASE_INSENSITIVE的值为0x02，Pattern.UNIX_LINES的值为0x01，则flags()返回值为3。
• public static boolean matches(String regex, CharSequence input) 通过指定的正则表达式regex对input进行正则匹配，该方法适用于只进行一次匹配的任务，因为该方法不生成Matcher实例。
• public String[] split(CharSequence input) 通过正则表达式对input进行分割。
• public String[] split(CharSequence input, int limit) 通过正则表达式对input进行分割，limit参数指明分割的段数。
• public static String quote(String s) 将字符串s转换为正则字面量，正则表达式“.”表示匹配除“\n”之外的任何字符零次或多次，使用quote进行转换后“.”只能匹配“.*”，没有当初的正则的含义了。在使用quote()方法之后，原有的字符串s变成了\Qs\E的样式，\Q 代表字面内容的开始，\E 代表字面内容的结束。

Matcher类

• Matcher(Pattern parent, CharSequence text) 构造方法。
• public Pattern pattern() 返回创建Matcher对象的Pattern对象。
• public MatchResult toMatchResult() 将匹配结果以MatchResult的形式返回
• public Matcher usePattern(Pattern newPattern) 修改Matcher对象的Pattern，用以进行新的模式匹配。
• public Matcher reset() 重置匹配器的状态。
• public Matcher reset(CharSequence input) 重置匹配器的状态，重置目标字符串的值为input。
• public int start() 返回当前匹配到的字符串在原目标字符串中的起始索引位置
• public int start(int group) 返回当前匹配到的字符串中group组在目标字符串的起始索引位置
• public int end() 返回当前匹配的字符串的最后一个字符在原目标字符串中的offset（偏移量），这个需要大家注意一下。
• public int end(int group) 返回当前匹配的字符串中group组的最后一个字符在原目标字符串中的offset（偏移量），这个需要大家注意一下。
• public String group() 返回匹配到的字符串，结合find函数使用。
• public String group(int group) 返回匹配到的字符串中的group组的字符串。
• public String group(String name) 返回被named-capturing组捕获的字符串，关于named-capturing group（命名捕获组）是JDK1.7新增的功能，可以将正则表达式中的组进行命名。

(?X) 定义一个名为groupName的组。
\k 用于向后引用（back reference）名为groupName的组。
${groupName} 用于，在替换函数中，后向引用名为groupName的组。
group(groupName) 用于获得对应的带捕获的名为groupName的组的值。

• public int groupCount() 返回当前Matcher对象捕获的组的个数。
• public boolean matches() 将整个目标字符串与正则表达式进行匹配，只有完全匹配才能返回true，否则false。
• public boolean find() 对目标字符串进行正则匹配，通过while可以多次执行find方法，获取多次的匹配结果，代码编写方式类似于iterator.next()。
• public boolean find(int start) 在制定的索引位置对目标字符串进行正则匹配。
• public boolean lookingAt() 目标字符串的起始字符串与正则表达式匹配返回true，否则返回false。
• public static String quoteReplacement(String s) 返回字符串s字面意义的替代字符串。
• public Matcher appendReplacement(StringBuffer sb, String replacement) 向sb中追加replacement字符串，replacement字符串中可以包含匹配器中的分组参数，如 1， 2。
• public StringBuffer appendTail(StringBuffer sb) 将Matcher匹配后的尾部字符串追加至sb中，示例代码如下：

    public static void main(String[] args) {
        Pattern p = Pattern.compile("cat");
        Matcher m = p.matcher("one cat two cats in the yard");
        StringBuffer sb = new StringBuffer();
        while (m.find()) {
            m.appendReplacement(sb, "dog");
        }
        m.appendTail(sb);
        System.out.println(sb.toString());
    }

    执行结果：one dog two dogs in the yard

• public String replaceAll(String replacement) 将目标字符串中所有满足正则匹配的字符串替换为replacement。
• public String replaceFirst(String replacement) 将目标字符串中第一个满足正则匹配的字符串替换为replacement。
• public Matcher region(int start, int end) 设置目标字符串的匹配范围。
• public int regionStart() 返回匹配器区域的起始点索引位置。
• public int regionEnd() 返回匹配器区域的结束点索引位置。
• public boolean hasTransparentBounds() TransparentBounds标志位：查询TransparentBounds标志位true|false，此标志位默认为false。如果匹配范围不是整个目标字符串，而是一部分，那么如果此标志位设为true的话，则允许顺序环视、逆序环视以及单词分界符超越匹配范围边界的设置，匹配目标字符串的其他部分，也就是可以稍微有越界行为。可以通过useTransparentBounds()进行修改设置。
• public Matcher useTransparentBounds(boolean b) 设置TransparentBounds标志位的值true|false。

    public static void main(String[] args) {
        String regex = "\\bcar\\b";
        String text = "Madagascar is best seen by car or bike.";
        Matcher m = Pattern.compile(regex).matcher(text);
        m.region(7, text.length());
        m.useTransparentBounds(false);
        m.find();
        System.out.println("Matches starting at character " + m.start());
        m.reset();
        m.useTransparentBounds(true);
        m.find();
        System.out.println("Matches starting at character " + m.start());
    }
    执行结果：
    Matches starting at character 7
    Matches starting at character 27
    \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”。
    TransparentBounds = false，region区域从index=7开始，Madagascar也就是从car开始，匹配器无法感知region区域外的字符，因此第一个car被匹配。
    TransparentBounds = true，region区域从index=7开始，Madagascar也就是从car开始，匹配器可以感知region区域外的字符，因此第一个car不被匹配。   

• public boolean hasAnchoringBounds() AnchoringBounds标志位：查询AnchoringBounds标志位的值，此标志位默认为true。在应用正则表达式的时候，我们可以指定目标字符串的检索范围，也就是说在目标字符串的子字符串中应用正则表达式。但此时会有一个问题，那就是 ^ 和 $ 应该匹配整个字符串的开头和结尾呢？ 还是检索范围的起始和结束位置呢？Java 为我们提供了足够的灵活性，我们可以通过下面的方法来查看和设置，默认值是匹配检索范围的起始和结束位置。
• public Matcher useAnchoringBounds(boolean b) 设置AnchoringBounds标志位的值true|false。
• public boolean hitEnd()
• public boolean requireEnd()
• boolean search(int from)
• boolean match(int from, int anchor)
• int getTextLength() 返回目标字符串的长度。
• CharSequence getSubSequence(int beginIndex, int endIndex) 获取目标字符串的子字符串。
• char charAt(int i) 返回目标字符串中索引为i的字符