java 正则表达式
java 正则表达式
正则表达式是一个非常强大的字符串处理工具，通过一种特殊的语法来描述一种模式，再通过模式可以完成字符串的匹配，萃取，替换等操作
简例
要判断一个字符串是否是一个邮箱，可能需要很多的判断逻辑，使用则表达式，只需要下面代码即可
Pattern pattern = Pattern.compile("^([a-z0-9._%+-]+)@([a-z0-9.-]+)\\.[a-z]{2,4}$");
Matcher matcher = pattern.matcher("[email protected]");
assertTrue(matcher.matches());
主要有 Pattern 对象和 Matcher 对象
Pattern: 模式对象Matcher: 匹配的结果
部分匹配与完全匹配
Matcher 提供 matches 方法用于完全匹配，find 方法用于部分匹配，还提供 asPredicate 方法返回一个部分匹配的谓词
Pattern 提供一个静态方法 matches 用于完全匹配，这个方法会临时构造 Pattern 对象，如果 Pattern 会被多次重复使用，尽量别直接使用这种方法
assertTrue(Pattern.compile("hello").matcher("hello").matches()); // 完全匹配
assertTrue(Pattern.compile("hello").matcher("hello world").find()); // 部分匹配
assertTrue(Pattern.compile("hello").asPredicate().test("hello world")); // 部分匹配
assertTrue(Pattern.matches("hello", "hello")); // 完全匹配
通配符
| 符号 | 含义 |
|---|---|
c |
匹配单个字符 c |
. |
匹配所有单个字符，换行符 \n 除外 |
^ |
匹配字符串开始 |
$ |
匹配字符串结束 |
\b |
匹配字符界，字符和空白之间 |
\B |
匹配非字符界，字符和空白之间 |
| |
匹配前面表达式或者后面表达式 |
[charset] |
匹配任意括号内的字符，可用 - 表示范围，[a-z] 表示所有小写字母 |
[^charset] |
匹配任意括号外的字符 |
\d |
匹配数字，相当于 [0-9] |
\D |
匹配非数字，相当于 [^0-9] |
\s |
匹配空白符，相当于 [ \f\n\r\t\v] |
\S |
匹配非空白符，相当于 [^ \f\n\r\t\v] |
\f |
匹配换页符 |
\n |
匹配换行符 |
\r |
匹配回车 |
\t |
匹配字表符 |
\v |
匹配垂直制表符 |
\w |
匹配字符类字符，包括下划线，相当于 [A-Za-z0-9_] |
\W |
匹配非字符类字符，[^A-Za-z0-9_] |
\u |
匹配四位十六进制数表示的 Unicode 字符，\u00A9 例如匹配 © |
\x |
匹配两位十六进制数表示的 ascii 码 |
| 限定符 | 含义 |
|---|---|
* |
匹配前面字符或表达式 0 次或多次 |
+ |
匹配前面字符或表达式 1 次或多次 |
? |
匹配前面字符或表达式 0 次或1次，跟着其他限定词后表示非贪婪匹配 |
{n} |
匹配前面字符或表达式 n 次 |
{n,} |
匹配前面字符或表达式至少 n 次 |
{n,m} |
匹配前面字符或表达式至少 n 次，至多 m 次 |
assertTrue(Pattern.matches("[0-9]*", ""));
assertTrue(Pattern.matches("[0-9]?", ""));
assertTrue(Pattern.matches("[0-9]?", "1"));
assertTrue(Pattern.matches("[0-9]+", "123"));
assertTrue(Pattern.matches("[0-9]{3}", "123"));
assertTrue(Pattern.matches("[0-9]{3,4}", "123"));
assertTrue(Pattern.matches("[0-9]{3,4}", "1234"));
assertTrue(Pattern.matches("[0-9]{3,}", "1234"));
assertTrue(Pattern.matches("\\d+", "123"));
assertTrue(Pattern.matches("\\s+", " \t"));
assertTrue(Pattern.matches("\\w+", "abc"));
assertTrue(Pattern.matches("(f|z)oo", "foo"));
assertTrue(Pattern.matches("(f|z)oo", "zoo"));
assertTrue(Pattern.matches(".*", "any string"));
捕获分组
支持用小括号 () 将模式分组，Matcher 提供 group 方法获取分组的内容
| 符号 | 含义 |
|---|---|
(pattern) |
匹配分组并且捕获子表达式 |
(?:pattern) |
匹配分组但是不捕获子表达式 |
使用 groupCount 获取捕获分组的数量，由于下面例子中模式串中没有小括号，所以没有捕获的分组
Pattern pattern = Pattern.compile("^[a-z0-9]+@[a-z0-9.]+[.][a-z]{2,4}$");
Matcher matcher = pattern.matcher("[email protected]");
assertTrue(matcher.matches());
assertEquals(matcher.groupCount(), 0);
使用 group 方法获取分组的内容，分组的编号以左括号为准，gruop(i) 返回第 i 个分组，group(0) 代表整个匹配串
Pattern pattern = Pattern.compile("^([a-z0-9]+)@(([a-z0-9.]+)[.]([a-z]{2,4}))$");
Matcher matcher = pattern.matcher("[email protected]");
assertTrue(matcher.matches());
assertEquals(matcher.groupCount(), 4);
assertEquals(matcher.group(), "[email protected]");
assertEquals(matcher.group(1), "hatlonely");
assertEquals(matcher.group(2), "foxmail.com");
assertEquals(matcher.group(3), "foxmail");
assertEquals(matcher.group(4), "com");
可以用 ?: 阻止捕获，如下面代码所示，foxmail.com 就没有被捕获
Pattern pattern = Pattern.compile("^([a-z0-9]+)@(?:([a-z0-9.]+)[.]([a-z]{2,4}))$");
Matcher matcher = pattern.matcher("[email protected]");
assertTrue(matcher.matches());
assertEquals(matcher.groupCount(), 3);
assertEquals(matcher.group(), "[email protected]");
assertEquals(matcher.group(0), "[email protected]");
assertEquals(matcher.group(1), "hatlonely");
assertEquals(matcher.group(2), "foxmail");
assertEquals(matcher.group(3), "com");
预测
| 符号 | 含义 |
|---|---|
(?=pattern) |
正向预测，非捕获匹配，匹配结束 |
(?!pattern) |
反向预测，非捕获匹配，匹配结束 |
(?<=pattern) |
正向预测，非捕获匹配，匹配开始 |
(? |
反向预测，非捕获匹配，匹配开始 |
正向预测是指匹配开始或者结束的字符串需要匹配(或者反向预测不能匹配)分组，分组内的模式仅用于预测，不会出现在最终的匹配串中，这种匹配只能用于部分匹配，?=，?! 匹配开始，?<=，? 匹配结束
{
Pattern pattern = Pattern.compile("Windows (?=95|98|NT|2000)");
Matcher matcher = pattern.matcher("Windows 2000");
assertTrue(matcher.find());
assertEquals(matcher.group(), "Windows ");
assertEquals(matcher.groupCount(), 0);
}
{
Pattern pattern = Pattern.compile("Windows (?!95|98|NT|2000)");
Matcher matcher = pattern.matcher("Windows vista");
assertTrue(matcher.find());
assertEquals(matcher.group(), "Windows ");
assertEquals(matcher.groupCount(), 0);
}
{
Pattern pattern = Pattern.compile("(?<=95|98|NT|2000) Windows");
Matcher matcher = pattern.matcher("2000 Windows");
assertTrue(matcher.find());
assertEquals(matcher.group(), " Windows");
assertEquals(matcher.groupCount(), 0);
}
{
Pattern pattern = Pattern.compile("(?);
Matcher matcher = pattern.matcher("vista Windows");
assertTrue(matcher.find());
assertEquals(matcher.group(), " Windows");
assertEquals(matcher.groupCount(), 0);
}
反向引用
| 符号 | 含义 |
|---|---|
\1 |
匹配捕获匹配到的反向引用，\2 表示第二个反向引用 |
前面通过捕获获得的分组可以再后面引用，比如 (\w+) \1 表示两个重复的单词
assertTrue(Pattern.matches("(\\w+) \\1", "ab ab"));
assertTrue(Pattern.matches("(\\w+) \\1", "abc abc"));
assertFalse(Pattern.matches("(\\w+) \\1", "abc def"));
正则替换
String 和 Pattern 都提供了 replaceAll 和 replaceFirst 方法来作正则替换，替换串中可以 $i 来获取正则匹配捕获的分组
Pattern pattern = Pattern.compile("^([a-z0-9]+)@(?:([a-z0-9.]+)[.]([a-z]{2,4}))$");
assertEquals(pattern.matcher("[email protected]").replaceAll(
"$0 $1 $2 $3"
), "[email protected] hatlonely foxmail com");
assertEquals("[email protected]".replaceAll(
"^([a-z0-9]+)@(?:([a-z0-9.]+)[.]([a-z]{2,4}))$", "$0 $1 $2 $3"
), "[email protected] hatlonely foxmail com");
搜索所有匹配
每次 find 调用都会匹配目标串中的一个匹配，通过多次 find 调用，可以找出目标串中所有的匹配
String str = "abab x acac y aeae";
Pattern pattern = Pattern.compile("(\\w+)\\1");
Matcher matcher = pattern.matcher(str);
List<String> li = new ArrayList<>();
while (matcher.find()) {
li.add(matcher.group());
assertThat(str.substring(matcher.start(), matcher.end()), equalTo(matcher.group()));
}
assertThat(li, equalTo(List.of("abab", "acac", "aeae")));
链接
- 测试代码: https://github.com/hatlonely/hellojava/blob/master/src/test/java/util/RegexTest.java