Java正则表达式

本文github地址：https://github.com/clover402/one-piece/blob/master/java/regex.md

一般讲解正则表达式都会按照技术的顺序去讲解，往往会比较枯燥，我决定换一个顺序，从使用场景来讲。

一、匹配字符串

  一般使用Pattern.matches(String regex, CharSequence input)方法，该方法返回的是boolean值，这个方法会判断input字符串是否符合设定的regex正则表达式。

  String content = "I am noob from runoob.com.";
  String pattern = ".*runoob.*";
  boolean isMatch = Pattern.matches(pattern, content);

  下面进入正题讲下会用到的正则表达式的语法

需求	正则表达式	说明
数字	\d 或 [0-9]	匹配任意一个0-9的数字，说明\是转义符，\加字母可以表示很多特殊的含义。[xyz]表示字符集，匹配包含的任一字符
非数字	\D 或 [^0-9]	匹配任意一个不是0-9的字符，在[]中表示取反，与逻辑运算符！含义一样
字母	[a-zA-Z]	[x-y]中-连接表示范围，目前支持的就3种a-z,A-Z,0-9,及其子集，比如0-5，a-m
字类字符	\w 或 [a-zA-Z0-9_]	实际上就是C语言要求的变量名包含的字符范围，正则起源于Unix与C语言颇有渊源
非字类字符	\W 或 [^a-zA-Z0-9_]	发现没有它这里转义符有个规律，\跟小写字母是包含某些字符，\跟对应的大写是不包含某些字符
是否	true|false	|用来分隔多个可选项
回车符	\r	ASCII中为x0D，windows的换行由\r\n构成
换行符	\n	ASCII中为x0A，linux的换行只有\n
制表符	\t	相当于Tab键的效果
垂直制表符	\v	这个比较少见
空白字符	\s 或 [ \f\n\r\t\v]	包括空格、制表符、换页符（\f）等
非空字符	\S 或 [^ \f\n\r\t\v]	这个比较常用
任意字符	[\S\s]	正反合二为一就构成了整个世界
非换行字符	.	除了\r\n任意字符，比较常用
中国手机号	[\d]{11}	表示11位数字，后面的大括号中的数字表示前面内容出现的次数,这里是固定11次
大于99的整数	[\d]{3,}	表示3位及以上的数字
QQ号码	1\d{4,10}$	表示数字出现4到10次
任意单词	[a-zA-Z]+	通配符+表示一次或多次匹配前面的字符或子表达式（>=1）
c语言变量命名规范	[a-zA-Z_]\w*	以字母或下划线开头，由字母数字下划线构成。其中通配符*表示0次或多次配前面的内容(>=0)
URL	^((http|https)?/)?([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$	通配符?表示前面的表达式出现0次或1次（0||1）
一个或多个汉字	2+$	^在外面表示字符串开始，$表示字符串结束

  最后一个特殊的\表示转义符，一些特殊符号*.?{}|^$\等如果需要作为字符存在则可以在他们前面加\表示该字符。但java中有点特殊，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释，所以\d 需要\\d表示，\\需要\\\\表示。

还有些特殊用法,贪婪与懒惰

语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

二、捕获提取字符串

  一般用于从一个字符串中解析出特定的部分，比如表达式的解析等。还有就是爬虫字符串的解析，比如图片url链接url等。Java中使用示例如下

  String line = "This order was placed for QT3000! OK?";
  String pattern = "(\\D*)(\\d+)(.*)";
 
  // 创建 Pattern 对象
  Pattern r = Pattern.compile(pattern);
 
  // 现在创建 matcher 对象
  Matcher m = r.matcher(line);
  if (m.find( )) {
      System.out.println("Found value: " + m.group(0) );
      System.out.println("Found value: " + m.group(1) );
      System.out.println("Found value: " + m.group(2) );
      System.out.println("Found value: " + m.group(3) ); 
  } else {
      System.out.println("NO MATCH");
  }

其中m.group(0)代表整个表达，m.group(1)、m.group(2)、m.group(3)分别表示第一二三个括号中批判的内容
上面的运行结果如下

Found value: This order was placed for QT3000! OK?
Found value: This order was placed for QT
Found value: 3000
Found value: ! OK?

以上可看出小括号在正则中的特殊用法。但小括号最基本的用法是表示括号中的内容是一个整体。
捕获方法还有更高级的用法，通过group数组的方式取捕获的内容存在一定的不可靠性，java还支持给每个组取名，然后通过名称来获取捕获内容

  Pattern AGGREGATED_COLUMN_PATTERN = Pattern.compile("(?\\w+)\\((?[\\w#.]+)\\)");
  Matcher m = AGGREGATED_COLUMN_PATTERN.matcher(column);
  if(m.matches()) {
    return m.group("function");
  }

(?X) X, as a named-capturing group，通过这种方式就可以给group组起名字了

三、替换字符串

此处的用法基本与匹配是一样的，把匹配到的字符串替换成对应的字符串

  Pattern p = Pattern.compile(REGEX);
  // get a matcher object
  Matcher m = p.matcher(INPUT); 
  INPUT = m.replaceAll(REPLACE);
  //也可以直接用String的replaceAll方法
  String INPUT = "abc,123,efg";
  INPUT.replaceAll("\\d","");

看源码你会发现其实两种方式是完全一样的，只是String的方法更方便。replaceFirst方法也是一样的。

四、分割字符串

分割字符串的时候也可以用正则表达式，这样能实现一些很强大的功能。可以看下Pattern类split方法的描述
Splits the given input sequence around matches of this pattern

String s = "123\\r\\n456 789";
String[] arr = s.split("\\s");

String类中的split方法也是通过Pattern的split方法实现的

五、更多用法

Pattern更详细全面的用法可以参考java文档

参考文档

1. https://www.runoob.com/java/java-regular-expressions.html
2. https://blog.csdn.net/mynamepg/article/details/83110538
3. https://docs.oracle.com/javase/8/docs/api/java/util/regex/Pattern.html

---

1. 1-9 ↩︎

2. \u0391-\uFFE5 ↩︎