Java正则表达式简单介绍

正则表达式是计算机科学的一个概念，通常用于检索。替换符合某个规则的文本。使用正则表达式，我们能够以编程的方式，构造复杂的文本模式，并对输入的字符串进行搜索。一旦找到了匹配这些模式的部分，就能对其进行进一步的处理。

简单示例

public class Main {
    public static void main(String[] args) {
        //匹配带正号的数值
        System.out.println("+123".matches("\\+\\d+"));
        String str = "12321asdf1231dsfe532";
        //按英文字符分割
        for (String tmp : str.split("[a-zA-Z]+")) {
            System.out.println(tmp);
        }
    }
}

输出

true
12321
1231
532

基础

正则表达式其实就是以某种方式来描述字符串。与其他的语言有所不同，“\”在其他语言的正则表达式中通常表示一个普通的反斜杠，而在Java中，其表示一个正则表达式的反斜杠，其后的字符就有特殊意义。举例来说，“\\”表示一个普通的反斜杠，“\d”表示一位数字。其中换行和制表符之类的是特例，直接使用“\n\r”即可。

创建正则表达式

列举部分常用的构造集。

字符

正则表达式	含义
B	表示字符B
\xhh	十六进制值为oxhh的字符
\uhhhh	十六进制表示为oxhhhh的Unicode字符
\t	制表符
\n	换行符
\r	回车

字符类

正则表达式	含义
[abc]	abc任意字符
[^abc]	abc之外的任意字符
[a-zA-Z]	a到z或A到Z范围内的字符
[abc[hij]]	abchij任意字符
[a-z&&[hij]]	hij任意字符（交集）
\s	空白符（空格、tab、换行、换页和回车）
\S	非空白符，同[^\s]
\d	任意数字，同[0-9]
\D	非数字，同[^0-9]
\w	词字符[a-zA-Z0-9]
\W	非词词汇，同[^\w]

逻辑操作符

正则表达式	含义
XY	Y跟在X后面
X|Y	X或Y
(X)	捕获组。可以在表达式中用\i引用第i个捕获组

边界匹配符

正则表达式	含义
^	一行的起始
$	一行的结束
\b	词的边界
\B	非词的边界
\G	前一个匹配的结束

限定词

正则表达式	含义
X?	一个或零个X
X*	零个或多个X
X+	一个或多个X
X{n}	恰好n次X
X{n,}	至少n次X
X{n,m}	X至少n次，且不超过m次

表达式X通常应该用圆括号括起来，以便它能够按照预期的效果执行。

Pattern和Matcher

Java中除了使用String类来使用正则表达式，还提供了功能更为强大的Pattern和Matcher类。一般的使用方法为：
1. 使用Pattern.compile()方法，根据提供的String类型的正则表达式生成Pattern对象。
2. 将需要检索的字符串传入Pattern对象的matcher()方法，生成Matcher对象。
3. 使用Matcher对象进行操作。

简单示例

public class Main {
    public static void main(String[] args) {
        //获取英文单词
        String str = "apple banana orange";
        Pattern pattern = Pattern.compile("[a-zA-Z]+");
        Matcher matcher = pattern.matcher(str);
        while (matcher.find()) {
            System.out.println(matcher.group() + " start:"
                    + matcher.start() + " end:" + matcher.end());
        }
    }
}

输出

apple start:0 end:5
banana start:6 end:12
orange start:13 end:19

Matcher

start()、end()

在匹配成功后，start()返回先前匹配的起始位置的索引，而end()返回所匹配的最后字符的索引位置加一的值。

matchers()

matchers()方法用于判断整个输入字符串是否匹配正则表达式。上述例子中执行System.out.println(matcher.matches());，将输出false。

lookingAt()

lookingAt()方法用于判断该字符串的起始部分是否匹配模式。上述例子中执行System.out.println(matcher.lookingAt());，将输出true。

find()

find()方法类似迭代器中的next()，向前遍历输入字符串。

find(int start)

find(int start)能够接受一个整数参数，该整数表示字符串中字符的位置，并以其作为搜索起点。将上述例子修改：

public class Main {
    public static void main(String[] args) {
        //获取英文单词
        String str = "apple banana orange";
        Pattern pattern = Pattern.compile("[a-zA-Z]+");
        Matcher matcher = pattern.matcher(str);
        if (matcher.find(2)) {
            System.out.println(matcher.group());
        }
    }
}

输出

ple

组（group）

组是用括号划分的正则表达式，可以根据组的编号来引用某个组。组号为0表示整个正则表达式，组号为1表示被第一对括号括起的组，以此类推。以A(B(C))D为例，共三个组，组0为ABCD，组1为BC，组2为C。

groupCount()

groupCount()返回该匹配器的模式中的分组数目，第0组不包括在内。

group()

group()返回前一次匹配操作的第0组。

group(int i)

group(int i)返回在前一次匹配操作期间指定的组。下面是简单的示例，第1组为\\d+。

public class Main {
    public static void main(String[] args) {
        String str = "apple123banana";
        Pattern pattern = Pattern.compile("[a-zA-Z]+(\\d+)[a-zA-Z]+");
        Matcher matcher = pattern.matcher(str);
        System.out.println(matcher.groupCount());
        if (matcher.find()) {
            System.out.println(matcher.group(1));
        }
    }
}

输出

1
123