Java 正则表达式

本文介绍 Java 正则表达式语法及常用的正则表达式实例。

---

目录

• 正则表达式简介
• Java 正则表达式语法
  • 验证字符串是否合法
  • 在字符串中替换特定字符或子串
• 常见正则表达式实例
• 正则表达式语法总结

---

正则表达式简介

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。

给定一个正则表达式和一个字符串可以实现以下功能：

• 给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
• 根据正则表达式逻辑从字符串中获取想要的特定部分。

---

Java 正则表达式语法

java.util.regex 包中有实现正则表达式所需的类：

• Pattern
  正则表达式编译后的表达形式，没有公共构造方法，需要调用静态 compile 方法生成 Pattern 对象。
• Matcher
  根据 Pattern 对象对字符串进行解释和匹配操作的引擎，没有公共构造方法，需要调用 Pattern 对象的 matcher 方法生成 Matcher 对象。
• MatchResult
• PatternSyntaxException
  当正则表达式中存在语法错误时抛出，继承自 IllegalArgumentException，属于运行时异常。

验证字符串是否合法

步骤：

1. 定义正则表达式字符串；
2. 编译生成 Pattern 对象；
3. 调用 Pattern 对象的 matcher 方法生成 Matcher 对象；
4. 调用 Matcher 对象的 matches 方法执行校验。

import org.junit.Assert;
import org.junit.Test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    @Test
    public void test() {
        // 只能输入数字
        String regex = "^[0-9]*$";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher("0123456789");
        Assert.assertTrue(matcher.matches());
        matcher = pattern.matcher("A123456789");
        Assert.assertFalse(matcher.matches());
    }
}

在字符串中替换特定字符或子串

步骤：

1. 定义正则表达式字符串；
2. 编译生成 Pattern 对象；
3. 调用 Pattern 对象的 matcher 方法生成 Matcher 对象；
4. 调用 Matcher 对象的 replaceAll 方法执行替换。

import org.junit.Test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {

    @Test
    public void test() {
        // 将字符串中圆括号替换成双引号
        String regex = "[()]";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher("The scope is (1, 10)");
        System.out.println(matcher.replaceAll("\""));
    }
}

---

常见正则表达式实例

数字

^[0-9]+$

整数

^0|[1-9][0-9]*$

两位小数

^(0|[1-9][0-9]*)(.[0-9]{2})$

长度为 4 的任意字符

^.{4}$

英文字母（大小写）、数字和下划线

^\w+$

邮箱

^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$

URL

^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$

中文

[\u4e00-\u9fa5]

文件名

^[\w-\u4e00-\u9fa5]+|([\w.-\u4e00-\u9fa5]+\.[\w-\u4e00-\u9fa5]+)$

---

正则表达式语法总结

• \
  将下一字符标记为特殊字符、文本、反向引用或八进制转义符。
  如：n 匹配字符 n，\n 匹配换行符；\\\\ 匹配 \\，\\( 匹配 (。

• ^
  匹配输入字符串开始的位置，如果设置了 RegExp 对象的 Multiline 属性，^ 还会与 \n 或 \r 之后的位置匹配。

• $
  匹配输入字符串结尾的位置，如果设置了 RegExp 对象的 Multiline 属性，$ 还会与 \n 或 \r 之前的位置匹配。

• *
  零次或多次匹配前面的字符或子表达式。
  如：zo* 匹配 z 和 zoo。
  * 等效于 {0,}。

• +
  一次或多次匹配前面的字符或子表达式。
  如：zo+ 匹配 zo 和 zoo，但与 z 不匹配。
  + 等效于 {1,}。

• ?
  零次或一次匹配前面的字符或子表达式。
  如：do(es)? 匹配 do 和 does。
  ? 等效于 {0,1}。

• {n}
n 是非负整数，正好匹配 n 次。
  如：o{2} 与 Bob 中的 o 不匹配，但与 food 中的两个 o 匹配。

• {n,}
n 是非负整数，至少匹配 n 次。
  如：o{2,} 与 Bob 中的 o 不匹配，但匹配 foooood 中所有的 o。
  o{1,} 等效于 o+，o{0,} 等效于 o*。

• {n,m}
m 和 n 是非负整数，其中 n <= m，匹配至少 n 次，至多 m 次。
  如：o{1,3} 匹配 fooooood 中的头三个 o。
  o{0,1} 等效于 o?。
  注意：不能将空格插入逗号和数字之间。

• .
  匹配除 \r\n 之外的任何单个字符，若要匹配包括 \r\n 在内的任意字符，请使用诸如 [\s\S] 之类的模式。

• x|y
  匹配 x 或 y。
  如：z|food 匹配 z 或 food，(z|f)ood 匹配 zood 或 food。

• [xyz]
  匹配包含的任一字符。
  如：[abc] 匹配 plain 中的 a。

• [^xyz]
  匹配未包含的任何字符。
  如：[^abc] 匹配 plain 中 p，l，i，n。

• [a-z]
  匹配指定范围内的任何字符。
  如：[a-z] 匹配 a 到 z 范围内的任何小写字母。

• [^a-z]
  匹配不在指定的范围内的任何字符。
  如：[^a-z] 匹配任何不在 a 到 z 范围内的任何字符。

• \b
  匹配一个字边界，即字与空格间的位置。
  如：er\b 匹配 never 中的 er，但不匹配 verb 中的 er。

• \B
  与 \b 正好相反，非字边界匹配。
  如：er\B 匹配 verb 中的 er，但不匹配 never 中的 er。

• \cx
  匹配 x 指示的控制字符。
  如：\cM 匹配 Control-M 或回车符。
  x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是 c 字符本身。

• \d
  数字字符匹配，等效于 [0-9]。

• \D
  非数字字符匹配，等效于 [^0-9]。

• \f
  换页符匹配，等效于 \x0c 和 \cL。

• \n
  换行符匹配，等效于 \x0a 和 \cJ。

• \r
  匹配一个回车符，等效于 \x0d 和 \cM。

• \s
  匹配任何空白字符，包括空格、制表符、换页符等，与 [ \f\n\r\t\v] 等效。

• \S
  匹配任何非空白字符，与 [^ \f\n\r\t\v] 等效。

• \t
  制表符匹配，与 \x09 和 \cI 等效。

• \v
  垂直制表符匹配，与 \x0b 和 \cK 等效。

• \w
  匹配任何单词字符，包括下划线，与 [A-Za-z0-9_] 等效。

• \W
  匹配任何非单词字符，与 [^A-Za-z0-9_] 等效。