1033423 正则表达式

正则表达式

本文仅讨论Java语法的正则表达式。

• 正则表达式
• 语法
• 常用正则表达式

正则表达式

正则表达式定义了字符串的模式。又称规则表达式

正则表达式可以用来搜索、编辑或处理文本。

正则表达式并不仅限于某一种语言，许多程序设计语言都支持利用正则表达式进行字符串操作，但是在每种语言中有细微的差别。这里只讨论Java语言的正则表达式用法。

java.util.regex包

常用的主要是以下三个类：

1. public final class Pattern类

   pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。

    public static Pattern compile(String regex)
   

• public final class Matcher类

  Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。

    public Matcher matcher(CharSequence input)
  

• public class PatternSyntaxException类

  PatternSyntaxException是一个非强制异常类（运行时异常），它表示一个正则表达式模式中的语法错误。

使用方法

public class Demo {
	public static void main(String[] args) {
		System.out.println(isMobile("15388951793"));
		System.out.println(isMobile("1153889517931"));
		System.out.println(isMobile2("17621963326"));
		System.out.println(isMobile2("1176219633261"));
		System.out.println(isContainMobile("15388951793"));
		System.out.println(isContainMobile("1176219633261"));
	}
	/**
	 * @param str
	 * @return
	 */
	private static boolean isMobile(String str){
		String mobile = "^1[3|4|5|7|8][0-9]\\d{8}$";
		return Pattern.matches(mobile, str);
	}
	/**
	 * 匹配
	 * @param str
	 * @return
	 */
	private static boolean isMobile2(String str){
		String mobile = "^1[3|4|5|7|8][0-9]\\d{8}$";
		Pattern pattern = Pattern.compile(mobile);
		Matcher matcher = pattern.matcher(str);
		return matcher.matches();
	}
	/**
	 * 检索
	 * @param str
	 * @return
	 */
	private static boolean isContainMobile(String str){
		String mobile = "1[3|4|5|7|8][0-9]\\d{8}";
		Pattern pattern = Pattern.compile(mobile);
		Matcher matcher = pattern.matcher(str);
		return matcher.find();
	}
}

运行代码，输出：

true
false
true
false
true
true

注意find()与matches()方法的区别，即使去掉isMobile()方法中正则表达式的^和$，第二个和第四个结果依然是false。

捕获组

捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。

捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：

• ((A)(B©))
• (A)
• (B©)
• ©

可以通过调用 matcher 对象的 groupCount 方法来查看表达式有多少个分组。groupCount 方法返回一个 int 值，表示matcher对象当前有多个捕获组。

public class GroupDemo {
	public static void main(String[] args) {
		System.out.println(testGroup());
	}
	/**
	 * groupCount
	 * @return
	 */
	private static int testGroup(){
		String str = "dsabcabc";
		String patt = "(ds)(abc)(a(bc))";
		Pattern pattern = Pattern.compile(patt);
		Matcher matcher = pattern.matcher(str);
		int count = matcher.groupCount();
		if (matcher.find()) {
			for (int i = 0; i <= count; i++) {
				System.out.println(matcher.group(i));
			}
		} else {
			System.out.println("没有匹配项");
		}
		return count;
	}
}

运行代码，输出：

dsabcabc
ds
abc
abc
bc
4

注意：groupCount是4不是5。其中group(0)是总表达式，这算是一个特殊的组，该组不包括在 groupCount 的返回值中。

语法

注：在Java字符串中，如要表示字符\，需要用\\。故下面出现的所有下划线在实际应用中都是一个\对应到模式字符串中为两个\，每一个\前面一个\都表示其后面的\是字符\，而不是转义该字符后面的字符。如\d在正则表达式中匹配数字字符，则代码书写如下：

public static void main(String[] args) {
	String regex = "\\d";
	System.out.println(Pattern.matches(regex, "1"));//true
	System.out.println(Pattern.matches(regex, "s"));//false
}

字符	说明
\	将下一个字符标记为特殊字符、文本、反向引用或八进制转义符。 例如：n匹配n，\n匹配换行符，\\n匹配\n。
^	匹配输入字符串开始的位置。如果设置了RegExp对象的Multiline属性，^还会与\n或\r之后的位置匹配。
$	匹配输入字符串结尾的位置。如果设置了RegExp对象的Multiline属性，$还会与\n或\r之前的位置匹配。
*	零次或多次匹配前面的字符或子表达式。例如：zo*匹配z和zoo。*等效于{0,}。
+	一次或多次匹配前面的字符或子表达式。例如：zo+与zo和zoo匹配，但与z不匹配。+等效于{1,}。
?	零次或一次匹配前面的字符或子表达式。例如，do(es)?匹配do或does。?等效于{0,1}。
{n}	n是非负整数，正好匹配n次。例如，o{2}与Bob中的o不匹配，但与food中的oo匹配。
{n,}	n是非负整数，至少匹配n次。例如，o{2,}不匹配Bob中的0，而匹配fooood中的所有的o。 o{1,}等效于o+，o{0,}等效于o*。
{n,m}	n和m是非负整数，其中n<=m。至少匹配n次，至多匹配m次。o{0,1}等效于o?。 注意：不能逗号和数字之间插入空格
?	当次字符紧随任何其他限定符 * + ? {n} {n,} {n,m} 之后时，匹配模式是“非贪心的”。 “非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配到的、尽可能长的字符串。 例如，在字符串oooo中，o+?只匹配单个o，而o+匹配所有的o。
.	匹配出\r\n之外的任何单个字符。若要匹配包括\r\n在内的任意字符，请使用诸如[\s\S]之类的模式
(pattern)	匹配pattern并捕获该匹配的子表达式。可以使用$0…$9属性从结果“匹配”集合中检索捕获的匹配。 若要匹配括号字符()，请使用\(或者\)。
(?:pattern)	匹配pattern但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。 这对于用“or”字符"(|)"组合模式部件的情况很有用。 例如，"industr(?:y|ies)"是比"industry|industries"更经济的表达式。
(?=pattern)	执行正向预测先行搜索的子表达式，该表达式匹配处于匹配pattern的字符串的起始点的字符串。 它是一个非捕获匹配，既不能捕获供以后使用的匹配。 例如，"Windows (?=95|98|NT|2000)“匹配"Windows 2000"中的Windows，但不匹配"Windows 3.1"中的"Windows”。 预测先行不占用字符，即发生匹配后，下一匹配搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
(?!pattern)	执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配pattern的字符串的起始点的搜索字符串。 它是一个非捕获匹配，即不能捕获供以后使用的匹配。 例如，"Windows (?=95|98|NT|2000)“匹配"Windows 3.1"中的Windows，但不匹配"Windows 2000"中的"Windows”。 预测先行不占用字符，即发生匹配后，下一匹配搜索紧随上一匹配之后，而不是在组成预测先行的字符后。
x|y	匹配x或y。例如，“z|food"匹配"z"或"food”。"(z|f)ood"匹配"zood"或"food"。
[xyz]	字符集。匹配包含的任一字符。例如，[abc]匹配plain中的a。
[^xyz]	反向字符集。匹配未包含的任何字符。例如，[^abc]匹配plain中的p，l，i，n。
[a-z]	字符范围。匹配指定范围内的任何字符。例如，[a-z]匹配a到z范围内的任何小写字母。
[^a-z]	反向字符范围。匹配不在指定范围内的任何字符。
\b	匹配一个字边界，即字与空格键的位置。例如，er\b匹配never中的er，但不匹配verb中的er。
\B	非字边界匹配。例如，er\B匹配verb中的er，但不匹配never中的er。
\cx	匹配x指示的控制字符。例如，\cM匹配Control-M或回车符。 x的值必须在A-Z或a-z之间。如果不是这样，则假定c就是c字符本身。
\d	数字字符匹配。等效于[0-9]。
\D	非数字字符匹配。等效于[^0-9]。
\f	换页符匹配。等效于\x0c和\cL。
\n	换行符匹配。等效于\x0a和\cj。
\r	匹配一个回车符。等效于\x0d和\cM。
\s	匹配任何空白字符，包括空格、制表符、换页符等。与[\f\n\r\t\v]等效。
\S	匹配任何非空白字符。与[^\f\n\r\t\v]等效。
\t	制表符匹配。等效于\x09和cl。
\v	垂直制表符匹配。等效于\x0b和\cK等效。
\w	匹配任何单词字类字符，包括下划线。与[A-Za-z0-9_]等效。
\W	与任何非单词字类字符匹配。等效于[^A-Za-z0-9_]。
\xn	匹配n，此处的n是一个十六进制转义码。十六进制转义码必须正好是两位数长。
\num	匹配num，此处的num是一个正整数。到捕获匹配的反向引用。例如，(.)\1匹配两个连续的相同字符。
\n	标识一个八进制转义码或反向引用。如果\n前面至少有n个捕获子表达式，那么n是反向引用。 否则n是八进制数(0-7)，那么n是八进制转义码。
\nm	标识一个八进制转义码或反向引用。如果\nm前面至少有nm个捕获子表达式，那么nm是反向引用。 如果\nm前面至少有n个捕获，则n是反向引用，后面跟有字符m。 如果两种前面的情况都不存在，则\nm匹配八进制值nm，其中n和m是八进制数字(0-7)。
\nml	当n是八进制数(0-3)，m和l是八进制数(0-7)时，匹配八进制转义码nml。
\un	匹配n，其中n是以四位十六进制数表示打Unicode字符。例如，\u00A9匹配版权符号@。

常用正则表达式

1. 邮政编码：^\d{6}$
   • 网上大部分都是^[1-9]\d{5}$，这是不准确的，因为邮政编码是存在0开头的，比如呼和浩特

• 邮箱：^[\w-]+@[\w-]+(\.[\w-]+)+$
• 手机号码：^1[34578]\d{9}$
• url：^(http|https|ftp)://([\w-]+\.)+[\w-]+(:\d+)?((/[\w-]+)+(.[\w-]+)?)?/?(\?([\w-]+=[\w-%]+)(&([\w-]+=[\w-%]+))*)?(#.*)*$
  • 第一部分，协议
  • 第二部分，如：www.baidu.com
  • 第三部分，端口
  • 第四部分，路径，路径可有可无，路径最后可能会以类似.html结尾。但如果没有路径则一定不会有类似结尾。路径的最后可能会以/结尾。
  • 第五部分，参数，第一个参数以?开始，后面的以&开始。参数可以没有，但只有一个参数的情况下，不可能以&开头，即如果有&开头的参数，则前面一定有?开头的参数。
  • 第六部分，网页位置指定标识符#，或称锚点
• 18位身份证：^\d{6}(18|19|20)\d{2}(0\d|1[012])([012]\d|3[01])\d{3}(\d|x|X)$

public class Demo {
	public static void main(String[] args) {
		//邮箱
		String regex = "^[\\w-]+@[\\w-]+(\\.[\\w-]+)+$";
		commonMatch(regex, "[email protected]");//match
		commonMatch(regex, "error@error");//not match
		//手机
		regex = "^1[34578]\\d{9}$";
		commonMatch(regex, "15388951793");//match
		commonMatch(regex, "77621963326");//not match
		//url
		regex = "^(http|https|ftp)://([\\w-]+\\.)+[\\w-]+(:\\d+)?((/[\\w-]+)+(.[\\w-]+)?)?/?(\\?([\\w-]+=[\\w-%]+)(&([\\w-]+=[\\w-%]+))*)?(#.*)*$";
		commonMatch(regex, "http://127.0.0.1:51004/view/26");//match
		commonMatch(regex, "http://www.baidu.com/.html");//not match
		//身份证
		regex = "^\\d{6}(18|19|20)\\d{2}(0\\d|1[012])([012]\\d|3[01])\\d{3}(\\d|x|X)$";
		commonMatch(regex, "362331199310204611");//match
		commonMatch(regex, "362331199313204611");//没有13月//not match
	}
	/**
	 * 完全匹配
	 * @param regex
	 * @param str
	 */
	private static void commonMatch(String regex, String str){
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(str);
		if (matcher.matches()) {
			System.out.println( regex + ":" + str + ":match" );
		} else {
			System.out.println( regex + ":" + str + ":not match" );
		}
	}
}

再次强调：所有的正则表达式，在Java中书写时，一个/都要用//(两个)来替换。因为字符串解析的时候会自动将第一个解析为转义，那么该字符串传给Pattern对象的时候，该对象接收到的参数实际上还是一个/。

在Java中，字符串"\\“表达的含义是\。而字符串”"将被解释为转义字符。

参考文档

Java正则表达式的语法与示例

---

thanks！ 顶部 底部 **

--郑泽旺

**

2017-12-26