正则表达式详解及应用

正则表达式（Regular Expression），简称正则，是一种用于匹配字符串中字符组合的模式。它广泛应用于字符串查找、替换、数据验证等任务中。在Java中，正则表达式的支持由java.util.regex包提供。本文将详细介绍正则表达式的基础知识、用法和示例，帮助你全面理解和应用正则表达式。

正则表达式简介

正则表达式是一种字符序列，它定义了一个搜索模式。主要用于字符串模式匹配，如检索、替换、验证字符串。

基本结构

• 字面字符：直接匹配字符本身，如a、1、A。
• 元字符：具有特殊意义的字符，如.、*、+、?、[]、()等。

常见元字符

• .：匹配任意单个字符（不包括换行符）。
• *：匹配前面的子表达式零次或多次。
• +：匹配前面的子表达式一次或多次。
• ?：匹配前面的子表达式零次或一次。
• []：匹配括号内的任意字符。
• ()：分组符，用于将多个字符作为一个单独的单元进行处理。
• \：转义字符，用于转义元字符。

正则表达式用法

在Java中，正则表达式主要通过Pattern和Matcher类来使用。

1. Pattern 类

用于编译正则表达式。常用方法：

• Pattern.compile(String regex): 编译给定的正则表达式。

2. Matcher 类

用于匹配正则表达式。常用方法：

• Matcher.matches(): 尝试将整个输入序列与模式匹配。
• Matcher.find(): 尝试在输入序列中查找与模式匹配的子序列。
• Matcher.group(): 返回由以前匹配操作所匹配的输入子序列。

示例代码

以下是一些常见的正则表达式使用示例。

示例1：基本匹配

import java.util.regex.*;

public class RegexExample {
    public static void main(String[] args) {
        String input = "hello123";
       //w+：匹配一个或多个单词字符（字母、数字或下划线）。
       //d+：匹配一个或多个数字。
        String pattern = "\\w+\\d+";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        Matcher matcher = compiledPattern.matcher(input);
        
        if (matcher.matches()) {
            System.out.println("The input matches the pattern.");
        } else {
            System.out.println("The input does not match the pattern.");
        }
    }
}

/*
输出 The input matches the pattern.
*/

示例2：分割字符串

当调用str.split("\\s+")时，split方法会寻找一个或多个连续的空白字符，并以这些空白字符作为分隔符进行分割

public class SplitExample {
    public static void main(String[] args) {
        String str = "Java    is    fun";
        
        // 使用一个或多个空白字符作为分隔符
        // \\s：匹配任何空白字符，包括空格、制表符、换行符等。
        // +：匹配前面的子表达式一次或多次。
        String[] words = str.split("\\s+");
        
        // 打印分割后的字符串数组
        for (String word : words) {
            System.out.println(word);
        }
    }
}
/*
Java
is
fun
*/

常见正则表达式符号及其解释

字符类

• [abc]：匹配 a、b 或 c 中的任意一个字符。
• [^abc]：匹配除 a、b、c 之外的任意字符。
• [a-zA-Z]：匹配任意大小写字母。
• [0-9]：匹配任意数字。
• [a-z]：匹配任意小写字母。
• [A-Z]：匹配任意大写字母。
• [a-zA-Z0-9]：匹配任意字母和数字。
• [!@#\$%\^&*()]：匹配任意一个特殊字符。

预定义字符类

• .：匹配任意字符（除换行符）。
• \d：匹配任意数字，等价于[0-9]。
• \D：匹配任意非数字，等价于[^0-9]。
• \w：匹配任意单词字符（字母、数字、下划线），等价于[a-zA-Z0-9_]。
• \W：匹配任意非单词字符，等价于[^a-zA-Z0-9_]。
• \s：匹配任意空白字符（空格、制表符、换行符）。
• \S：匹配任意非空白字符。

数量词

• *：匹配前面的子表达式零次或多次。
• +：匹配前面的子表达式一次或多次。
• ?：匹配前面的子表达式零次或一次。
• {n}：匹配前面的子表达式恰好n次。
• {n,}：匹配前面的子表达式至少n次。
• {n,m}：匹配前面的子表达式至少n次，至多m次。

示例3：验证电子邮件地址

import java.util.regex.*;

public class EmailValidation {
    public static void main(String[] args) {
        String email = "[email protected]";
        String pattern = "^[\\w-\\.]+@[\\w-\\.]+\\.[a-zA-Z]{2,}$";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        Matcher matcher = compiledPattern.matcher(email);
        
        if (matcher.matches()) {
            System.out.println("Valid email address.");
        } else {
            System.out.println("Invalid email address.");
        }
    }
}

 String pattern = "^[\\w-\\.]+@[\\w-\\.]+\\.[a-zA-Z]{2,}$";
正则表达式模式解释
^：表示字符串的开始。
[\\w-\\.]+：匹配一个或多个单词字符（字母、数字、下划线）、连字符或点号。
@：匹配字符 @。
[\\w-\\.]+：匹配一个或多个单词字符（字母、数字、下划线）、连字符或点号。
\\.：匹配字符 .，需要转义。
[a-zA-Z]{2,}：匹配两个或更多的字母字符。
$：表示字符串的结束。
综上，这个正则表达式匹配的模式是 用户名@域名.顶级域名，其中：

用户名可以包含字母、数字、下划线、连字符和点号。
域名可以包含字母、数字、下划线、连字符和点号。
顶级域名必须是两个或更多的字母。

示例4：提取数字

import java.util.regex.*;

public class ExtractNumbers {
    public static void main(String[] args) {
        String input = "Order1234 shipped on 2023-01-01";
        String pattern = "\\d+";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        Matcher matcher = compiledPattern.matcher(input);
        
        while (matcher.find()) {
            System.out.println("Found number: " + matcher.group());
        }
    }
}
/* 输出结果
Found number: 1234
Found number: 2023
Found number: 01
Found number: 01
*/

总结

正则表达式是一个强大且灵活的字符串处理工具，通过本文的介绍和示例，相信你已经掌握了正则表达式的基本知识和常见应用。在实际开发中，合理运用正则表达式，可以大大提高字符串处理的效率和代码的可读性。

希望本文对你有所帮助。如果你有任何疑问或建议，欢迎在评论区留言讨论。Happy coding!