JAVA中正则表达式总结

       昨天，我的朋友请教我正则表达式。我也好久没有写过正则表达式了，昨天刚好看了下如鹏网创始人杨中科老师关于正则表达式的讲解。使我加深了正则表达式的印像。现我把他总结下：

      许多语言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正则表达式处理文本，一些文本编辑器用正则表达式实现高级“搜索-替换”功能。所以JAVA语言也不例外。正则表达式已经超出了某种语言或某个系统的局限，成为被人们广为使用的工具，我们完全可以用它来解决实际开发中碰到的一些实际的问题。

       在JDK1.3及之前的JDK版本中并没有包含正则表达式的类，如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库，最有名的就是Jakarta-ORO，Jakarta-ORO库以前叫做OROMatcher，是Daniel Savarese赠送给Jakarta Project的一个开源包。使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”，Jakarta-ORO中实现了这个接口的类就是Perl5Compiler，这个类做到了与Perl5的正则表达式完全兼容。Jakarta-ORO的使用是非常简便的，而且效率非常高，支持的正则表达式语法也是非常全的，唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API，它们位于java.util.regex包中，由于已经有了标准API，所以本书将会用java.util.regex进行正则表达式的相关操作。

一、正则表达式基础知识

 

1.1 句点符号

假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符：

 

1.2 方括号符号

为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内你只能匹配单 个字符： 1.3 “或”符号       如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组。   1.4 表示匹配次数的符号 下表显示了正则表达式的语法： 表 1.1 正则表达式语法 元字符 说明 . 匹配任何单个字符。例如正则表达式“ b.g ”能匹配如下字符串：“ big ”、“ bug ”、“ b g ”，但是不匹配“ buug ”。  $ 匹配行结束符。例如正则表达式“ EJB$ ” 能够匹配字符串“ I like EJB ”的末尾，但是不能匹配字符串“ J2EE Without EJBs ！”。  ^ 匹配一行的开始。例如正则表达式“ ^Spring ”能够匹配字符串“ Spring is a J2EE framework ”的开始，但是不能匹配“ I use Spring in my project ”。 * 匹配 0 至多个在它之前的字符。例如正则表达式“ zo* ”能匹配 “ z ” 以及 “ zoo ”；正则表达式“ .* ”意味着能够匹配任意字符串。 / 转义符，用来将元字符当作普通的字符来进行匹配。例如正则表达式 /$ 被用来匹配美元符号，而不是行尾；正则表达式 /. 用来匹配点字符，而不是任何字符的通配符。 [] 匹配括号中的任何一个字符。例如正则表达式“ b[aui]g ”匹配 bug 、 big 和 bug ，但是不匹配 beg 。可以在括号中使用连字符“ - ”来指定字符的区间来简化表示，例如正则表达式 [0-9] 可以匹配任何数字字符，这样正则表达式“ a[]c ”就可以匹配“ a0c ”、“ a1c ”、“ a2c ”等字符串；还可以制定多个区间，例如“ [A-Za-z] ”可以匹配任何大小写字母。还有一个相配合使用的元字符“ ^ ”，用在这里并不像前边的那个“ ^ ”一样表示匹配行开始，而是表示 “ 排除 ” ，要想匹配除了指定区间之外的字符，就可以在左边的括号和第一个字符之间使用 ^ 字符，例如“ [^163A-Z] ”将能偶匹配除了 1 、 6 、 3 和所有大写字母之外的任何字符。 ( ) 将 () 之间括起来的表达式定义为 “ 组 ”(group) ，并且将匹配这个表达式的字符保存到一个临时区域 , 这个元字符在字符串提取的时候非常有用。 | 将两个匹配条件进行逻辑 “ 或 ” 运算。 'z|food' 能匹配 "z" 或 "food" 。 '(z|f)ood' 则匹配 "zood" 或 "food" 。 + 匹配前面的子表达式一次或多次。 例如正则表达式 9+ 匹配 9 、 99 、 999 等。 ? 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" 。此元字符还有另外一个用途，就是表示非贪婪模式匹配，后边将有介绍 {n} 匹配确定的 n 次。例如，“ e{2} ” 不能匹配“ bed ”中的“ d ”，但是能匹配“ seed ”中的两个“ e ”。 {n,} 至少匹配 n 次。例如，“ e{2,} ”不能匹配“ bed ”中的“ e ”，但能匹配 “ seeeeeeeed ”中的所有“ e ”。 {n,m} 最少匹配 n 次且最多匹配 m 次。“ e{1,3} ”将匹配“ seeeeeeeed ”中的前三个“ e ”。     假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“/”。       假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”数量限定符号。       美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。 1.5 “否”符号       “^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。 1.6 圆括号和空白符号      “/s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用ORO API提取出它的值。 1.7 其它符号      为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如以下所示：      /t：制表符，等同于/u0009 /n：换行符，等同于/u000A /d：代表一个数字，等同于[0-9] /D：代表非数字，等同于[^0-9] /s：代表换行符、Tab制表符等空白字符 /S：代表非空白字符 /w：字母字符，等同于[a-zA-Z_0-9] /W：非字母字符，等同于[^/w] 例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“/d”。   以下是我整理出来的程序：供参考： package org.luosijin.test; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 正则表达式 * @version V5.0 * @author 罗嗣金 * @date 2009-11-9 */ public class Regex { /** * @param args * @author 罗嗣金 * @date 2009-11-9 下午11:27:28 */ public static void main(String[] args) { Pattern pattern = Pattern.compile("b*g"); Matcher matcher = pattern.matcher("bbg"); System.out.println(matcher.matches()); System.out.println(pattern.matches("b*g","bbg")); //验证邮政编码 System.out.println(pattern.matches("[0-9]{6}", "200038")); System.out.println(pattern.matches("//d{6}", "200038")); //验证电话号码 System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799")); getDate("Nov 10,2009"); charReplace(); //验证身份证:判断一个字符串是不是身份证号码，即是否是15或18位数字。 System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876")); getString("D:/dir1/test.txt"); getChinese("welcome to china,江西奉新,welcome,你!"); validateEmail("[email protected]"); } /** * 日期提取:提取出月份来 * @param str * @author 罗嗣金 * @date 2009-11-9 下午11:56:06 */ public static void getDate(String str){ String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}"; Pattern pattern = Pattern.compile(regEx); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("日期格式错误!"); return; } System.out.println(matcher.group(1)); //分组的索引值是从1开始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。 } /** * 字符替换:本实例为将一个字符串中所有包含一个或多个连续的“a”的地方都替换成“A”。 * * @author 罗嗣金 * @date 2009-11-10 上午12:06:03 */ public static void charReplace(){ String regex = "a+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa"); String s = matcher.replaceAll("A"); System.out.println(s); } /** * 字符串提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:20:48 */ public static void getString(String str){ String regex = ".+/(.+)$"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("文件路径格式不正确！"); return; } System.out.println(matcher.group(1)); } /** * 中文提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:27:17 */ public static void getChinese(String str){ String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字 Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); StringBuffer sb = new StringBuffer(); while(matcher.find()){ sb.append(matcher.group()); } System.out.println(sb); } /** * 验证Email * @param email * @author 罗嗣金 * @date 2009-11-10 上午12:34:50 */ public static void validateEmail(String email){ String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(email); if(matcher.matches()){ System.out.println("这是合法的Email"); }else{ System.out.println("这是非法的Email"); } } }