String详解(三)：正则表达式Pattern和Matcher详解

转载请注明出处：http://blog.csdn.net/jeffleo/article/details/52194977

（一）利用String的split()对字符串进行切割

String text = "Hello, my name is liujianfeng";
System.out.println(Arrays.toString(text.split("\\s")));//以空格为切割符
System.out.println(Arrays.toString(text.split("\\W+")));//以非单词为切割符
System.out.println(Arrays.toString(text.split("m")));//以字母m为切割符

String number = "Hello, 985 or 211, I will say ssooss";
System.out.println(Arrays.toString(number.split("\\d")));//以数字为切割符
System.out.println(Arrays.toString(number.split("\\D")));//以非数字为切割符
System.out.println(Arrays.toString(number.split("[Ho]")));//以非数字为切割符
System.out.println(Arrays.toString(number.split("1{2}")));//以两个1为切割符

结果如下：

[Hello,, my, name, is, liujianfeng]
[Hello, my, name, is, liujianfeng]
[Hello, , y na, e is liujianfeng]
[Hello, , , ,  or , , , , I will say ssooss]
[, , , , , , , 985, , , , 211]
[, ell, , 985 , r 211, I will say ss, , ss]
[Hello, 985 or 2, , I will say ssooss]

（二）Pattern和Matcher

Pattern和Matcher是用于解决String功能有限不足以解决问题的强大的正则表达式对象。

使用步骤：

1. 将String类型的正则表达式传入Pattern.compile（）中，生成Pattern对象，Pattern对象表示编译后的正则表达式

Pattern pattern = Pattern.compile("abc+");  //jdk解释：将给定的正则表达式编译到 模式 中。

2. 利用Pattern对象的matcher()生成Matcher对象，利用Matcher对象来进行一系列操作

Matcher matcher = pattern.matcher("abcdefg");参数为用于匹配的字符串

Matcher的常用方法有：

find()：尝试查找与该模式匹配的输入序列的的下一个子序列。

find(int start)：重置此匹配器，然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。

group()：匹配成功返回的组

start()：返回先前匹配的起始位置的索引。

end()：返回最后匹配字符的索引加一。

matches()：尝试将整个区域与模式匹配。匹配成功返回true

lookingAt()：尝试将从区域开头开始的输入序列与该模式匹配。

replaceFirst()：替换掉匹配的第一个子序列

replaceAll()：替换掉匹配的全部子序列

appendReplacement：重要，下面重点说

appendTail(StringBuffer buf)：重要，下面重点说

（三）方法解析

1.find和find(int start)

Pattern pattern = Pattern.compile("\\w+");
Matcher matcher = pattern.matcher("how old are you");
while (matcher.find()) {
	System.out.println(matcher.group()+" ");
}
int i = 0;
while (matcher.find(i)) {
System.out.println(matcher.group()+" ");
       i++;
   }

结果如下：

how old are you 
how ow w old old ld d are are re e you you ou u

find会像迭代器一样向前匹配字符串，并通过group返回匹配的子序列，分别是：how， old， are，you

find(int start) 会以传入的index作为搜索的起点。例如匹配how的时候，刚开始i=0，从h位置开始搜索，因此返回how这个group，接着i++，第二次搜索时从o位置开始搜索，因此返回ow这个group.....

2.start和end

Pattern pattern = Pattern.compile("\\w+");
Matcher matcher = pattern.matcher("how old are you");
while (matcher.find()) {
	System.out.print(matcher.group() + " " + matcher.start() + " " + matcher.end());
   }

结果为：

how 0 3old 4 7are 8 11you 12 15

3.replaceFirst和replaceAll

Pattern pattern1 = Pattern.compile("dog");
		Matcher matcher1 = pattern1.matcher("zzzzzzdogzzzzzzzdog");
		String replacefirst = matcher1.replaceFirst("cat");
		while(matcher1.find()){
			System.out.println(replacefirst);
		}
		
		Pattern pattern2 = Pattern.compile("dog");
		Matcher matcher2 = pattern2.matcher("zzzzzzdogzzzzzzzdog");
		while(matcher2.find()){
			String replceAll = matcher2.replaceAll("cat");
			System.out.println(replceAll);
		}

结果如下:

zzzzzzcatzzzzzzzdog
zzzzzzcatzzzzzzzcat

可见replaceFirst替换了第一个匹配的子序列，二replaceAll替换了全部匹配的子序列。

4.appendReplacement和appendTail(StringBuffer buf)

当我们需要对字符串进行比较特殊的替换，replaceFirst和replaceAll就显得很无力了。

加入对于这样一个字符串：zzzzzzdogzzzzzzzdogzzzzzzz，我想让他变成这样：zzzzzzcatzzzzzzzcat

如果用replaceFirst，会变成zzzzzzcatzzzzzzzdogzzzzzzz，如果用replaceAll，会变成zzzzzzcatzzzzzzzcatzzzzzzz。得不到我们想要的结果，这时候我们就要用appendReplacement了。

Pattern pattern = Pattern.compile("dog");
		Matcher matcher = pattern.matcher("zzzzzzdogzzzzzzzdogzzzzzzz");
		StringBuffer buffer = new StringBuffer();
		while(matcher.find()){
			matcher.appendReplacement(buffer, "cat");
		}
		System.out.println(buffer.toString());

结果如下:

zzzzzzcatzzzzzzzcat

在这个基础上，如果我们想在这个基础上，变成跟replaceAll一样的结果zzzzzzcatzzzzzzzcatzzzzzzz，则需要利用到appendTail(StringBuffer buf)，作用是把匹配完的结尾追加到Stringbuffer中去.

Pattern pattern = Pattern.compile("dog");
		Matcher matcher = pattern.matcher("zzzzzzdogzzzzzzzdogzzzzzzz");
		StringBuffer buffer = new StringBuffer();
		while(matcher.find()){
			matcher.appendReplacement(buffer, "cat");
		}
		matcher.appendTail(buffer);
		System.out.println(buffer.toString());

结果如下:

zzzzzzcatzzzzzzzcatzzzzzzz

正则表达式语法

\	将下一个字符标记符、或一个向后引用、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“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。
^	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”。
.点	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。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。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。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身.
[^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_]”，这里的"单词"字符使用Unicode字符集。
\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n个获取的子表达式，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个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，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。
|	将两个匹配条件进行逻辑“或”（Or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。
+	匹配1或多个正好在它之前的那个字符。例如正则表达式9+匹配9、99、999等。注意：这个元字符不是所有的软件都支持的。
?	匹配0或1个正好在它之前的那个字符。注意：这个元字符不是所有的软件都支持的。
{i} {i,j}	匹配指定数目的字符，这些字符是在它之前的表达式定义的。例如正则表达式A[0-9]{3} 能够匹配字符"A"后面跟着正好3个数字字符的串，例如A123、A348等，但是不匹配A1234。而正则表达式[0-9]{4,6} 匹配连续的任意4个、5个或者6个数字