Java正则表达式

正则表达式(Regular Expression)，是一种特殊的字符串模式，被用来匹配含有某些规则的字符串。使用正则表达式可以很容易的实现对字符串的查找、替换、分割等操作，减轻了我们编码的压力。

Java中有关正则表达式的类主要有两个：Pattern类和Matcher类，这两个类位于java.util.regex包中。Pattern对象是一个正则表达式的编译表示，Matcher对象是对输入字符串进行解释和匹配操作的引擎。

下面主要介绍下正则表达式中的元字符，以及Pattern类和Matcher类的常用方法。

1.元字符

元字符	描述
\	将下一个字符标记为特殊字符、反向引用或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\\\”匹配“\”，“\(”匹配“(”。
^	匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配“\n”或“\r”之后的位置。
$	匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配“\n”或“\r”之前的位置。
*	匹配前面的子表达式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等价于{0,}。
+	匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。
?	匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等价于{0,1}。
{n}	n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的两个o。
{n,}	n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。
{n,m}	m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。
?	当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串“oooo”，“o+?”将匹配单个“o”，而“o+”将匹配所有“o”。
.	匹配除“\r\n”之外的任何单个字符。要匹配包括“\r\n”在内的任何字符，请使用像“[\s\S]”的模式。
(pattern)	匹配pattern并获取这一匹配。可以使用$0…$9属性从结果匹配集合中检索捕获的匹配。要匹配圆括号字符，请使用“\(”或“\)”。
(?:pattern)	匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分是很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。
(?=pattern)	正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。
(?!pattern)	正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。
(?<=pattern)	反向肯定预查，与正向肯定预查类似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。
(?	反向否定预查，与正向否定预查类似，只是方向相反。例如“(?
x|y	匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此处请谨慎)。“(z|f)ood”则匹配“zood”或“food”。
[xyz]	字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。
[^xyz]	负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”。
[a-z]	字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。
[^a-z]	负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。
\b	匹配一个单词边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。
\B	匹配非单词边界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。
\cx	匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的“c”字符。
\d	匹配一个数字字符。等价于[0-9]。
\D	匹配一个非数字字符。等价于[^0-9]。
\f	匹配一个换页符。等价于\x0c和\cL。
\n	匹配一个换行符。等价于\x0a和\cJ。
\r	匹配一个回车符。等价于\x0d和\cM。
\s	匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
\S	匹配任何可见字符。等价于[^ \f\n\r\t\v]。
\t	匹配一个制表符。等价于\x09和\cI。
\v	匹配一个垂直制表符。等价于\x0b和\cK。
\w	匹配包括下划线的任何单词字符。类似但不等价于“[A-Za-z0-9_]”。
\W	匹配任何非单词字符。等价于“[^A-Za-z0-9_]”。
\xn	匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“A”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ASCII编码。
\num	匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。
\n	标识一个八进制转义值或一个向后引用。如果\n之前至少有n个匹配子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。
\nm	标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个匹配子表达式，则nm为向后引用。如果\nm之前至少有n个匹配子表达式，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。
\nml	如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。
\un	匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。
\< \>	匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。
\( \)	将“\(”和“\)”之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。

2.Pattern类

compile(String regex)：静态方法，用于创建一个正则表达式的编译表示，或者说创建一个匹配模式

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex); //创建pattern

compile(String regex, int flags)：静态方法，与上一个方法不同的是，增加了匹配标记flags，用于控制正则表达式的匹配行为，目前共提供了9个匹配行为

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); //大小写不敏感

pattern()：返回正则表达式的字符串形式

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
System.out.println(pattern.pattern()); //输出\d+

matches(String regex, CharSequence input)：静态方法，对输入字符串进行匹配，注意此方法是匹配全部字符串

String regex = "\\d+";
boolean result1 = Pattern.matches(regex, "182");
System.out.println(result1); //输出true
boolean result2 = Pattern.matches(regex, "182a");
System.out.println(result2); //输出false（因为是全匹配，而“a”匹配不到）

split(CharSequence input)：对输入字符串进行拆分，返回一个String类型的数组

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
String[] array = pattern.split("how1are23you456?");
for (String str : array) {
	System.out.print(str + "|");
} //输出how|are|you|?|

matcher(CharSequence input)：用于创建Matcher对象。Matcher类和Pattern类的构造方法都是私有的，不能够直接new对象

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("182");

3.Matcher类

相对于Pattern类的matches()方法而言，Matcher类提供了更加丰富的功能，比如分组、多次匹配

pattern()：返回创建此Matcher对象的模式(Pattern对象)

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("182");
Pattern result = matcher.pattern();
System.out.println(pattern.equals(result)); //输出true

matches()：匹配全部字符串

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher1 = pattern.matcher("182");
boolean result1 = matcher1.matches();
System.out.println(result1); //输出true
Matcher matcher2 = pattern.matcher("182a");
boolean result2 = matcher2.matches();
System.out.println(result2); //输出false（因为是全匹配，而“a”匹配不到）

lookingAt()：匹配前面的字符串。换句话说，就是指匹配到的字符串位于总字符串的前面才返回true

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher1 = pattern.matcher("182a");
boolean result1 = matcher1.lookingAt();
System.out.println(result1); //输出true
Matcher matcher2 = pattern.matcher("a182a");
boolean result2 = matcher2.lookingAt();
System.out.println(result2); //输出false

find()：匹配字符串，位置任意，只要能匹配到就返回true

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher1 = pattern.matcher("182a");
boolean result1 = matcher1.find();
System.out.println(result1); //输出true
Matcher matcher2 = pattern.matcher("a182a");
boolean result2 = matcher2.find();
System.out.println(result2); //输出true

start()：返回匹配到的子字符串的起始索引

end()：返回匹配到的子字符串的结束索引（最后一个匹配字符的后一个位置）

group()：返回匹配到的子字符串

注意：以上3个方法使用时，必须先做匹配操作（matches、lookingAt、find），且必须要匹配到（即匹配操作返回true），不然会出现异常：java.lang.IllegalStateException: No match available

Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("182a");
if (matcher.find()) {
	System.out.println(matcher.start()); //输出0
	System.out.println(matcher.end()); //输出3
	System.out.println(matcher.group()); //输出182
}

如果存在多处匹配时，可以分别输出匹配到的字符串及索引：

String regex = "\\d+";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("182a57");
while (matcher.find()) {
	System.out.print(matcher.start() + ",");
	System.out.print(matcher.end() + ",");
	System.out.println(matcher.group());
}
//输出结果： 
// 0,3,182
// 4,6,57

start(int group)：返回第“group”个分组匹配到的子字符串的起始索引

end(int group)：返回第“group”个分组匹配到的子字符串的结束索引（最后一个匹配字符的后一个位置）

group(int group)：返回第“group”个分组匹配到的子字符串

String regex = "(\\d+)([a-z]+)";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("182a57");
matcher.find();
System.out.println(matcher.start(1)); //输出0（第1个分组匹配到的“182”的起始索引）
System.out.println(matcher.end(1)); //输出3
System.out.println(matcher.group(1)); //输出182
System.out.println(matcher.start(2)); //输出3（第2个分组匹配到的“a”的起始索引）
System.out.println(matcher.end(2)); //输出4
System.out.println(matcher.group(2)); //输出a

END.