JAVA中正则表达式总结

   昨天，我的朋友请教我正则表达式。我也好久没有写过正则表达式了，昨天刚好看了下如鹏网创始人杨中科老师关于正则表达式的讲解。使我加深了正则表达式的印像。现我把他总结下：

      许多语言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正则表达式处理文本，一些文本编辑器用正则表达式实现高级“搜索-替换”功能。所以JAVA语言也不例外。正则表达式已经超出了某种语言或某个系统的局限，成为被人们广为使用的工具，我们完全可以用它来解决实际开发中碰到的一些实际的问题。

       在JDK1.3及之前的JDK版本中并没有包含正则表达式的类，如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库，最有名的就是Jakarta-ORO，Jakarta-ORO库以前叫做OROMatcher，是Daniel Savarese赠送给Jakarta Project的一个开源包。使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”，Jakarta-ORO中实现了这个接口的类就是Perl5Compiler，这个类做到了与Perl5的正则表达式完全兼容。Jakarta-ORO的使用是非常简便的，而且效率非常高，支持的正则表达式语法也是非常全的，唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API，它们位于java.util.regex包中，由于已经有了标准API，所以本书将会用java.util.regex进行正则表达式的相关操作。

一、正则表达式基础知识

1.1 句点符号

       假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符：

1.2 方括号符号

为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“[]”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“ten”、“tin”和“ton”。但“toon”不匹配，因为在方括号之内你只能匹配单个字符：

1.3 “或”符号

      如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组。

1.4 表示匹配次数的符号

下表显示了正则表达式的语法：

表 1.1 正则表达式语法

.       匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”。 
$      匹配行结束符。例如正则表达式“EJB$”能够匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs！”。 
^     匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始，但是不能匹配“I use Spring in my project”。
*      匹配0至多个在它之前的字符。例如正则表达式“zo*”能匹配“z”以及“zoo”；正则表达式“.*”意味着能够匹配任意字符串。
/      转义符，用来将元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号，而不是行尾；正则表达式/.用来匹配点字符，而不是任何字符的通配符。
[]     匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bug，但是不匹配beg。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串；还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母。还有一个相配合使用的元字符“^”，用在这里并不像前边的那个“^”一样表示匹配行开始，而是表示“排除”，要想匹配除了指定区间之外的字符，就可以在左边的括号和第一个字符之间使用^字符，例如“[^163A-Z]”将能偶匹配除了1、6、3和所有大写字母之外的任何字符。
( )     将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。
|       将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "food"。
+      匹配前面的子表达式一次或多次。例如正则表达式9+匹配9、99、999等。
?       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" 。此元字符还有另外一个用途，就是表示非贪婪模式匹配，后边将有介绍
{n}     匹配确定的 n 次。例如，“e{2}”不能匹配“bed”中的“d”，但是能匹配“seed”中的两个“e”。
{n,}    至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的所有“e”。
{n,m} 最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。

       假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“/”。      

      假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”数量限定符号。

      美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。

1.5 “否”符号

      “^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。

1.6 圆括号和空白符号

     “/s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用ORO API提取出它的值。

1.7 其它符号

     为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如以下所示：

    /t：制表符，等同于/u0009

    /n：换行符，等同于/u000A

    /d：代表一个数字，等同于[0-9]

    /D：代表非数字，等同于[^0-9]

    /s：代表换行符、Tab制表符等空白字符

    /S：代表非空白字符

    /w：字母字符，等同于[a-zA-Z_0-9]

    /W：非字母字符，等同于[^/w]

例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“/d”。

以下是我整理出来的程序：供参考：

package org.luosijin.test;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Regex {

	public static void main(String[] args) {
		Pattern pattern = Pattern.compile("b*g");
		Matcher matcher = pattern.matcher("bbg");
		System.out.println(matcher.matches());
		System.out.println(pattern.matches("b*g","bbg"));
		//验证邮政编码
		System.out.println(pattern.matches("[0-9]{6}", "200038"));
		System.out.println(pattern.matches("//d{6}", "200038"));
		//验证电话号码
		System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799"));
		getDate("Nov 10,2009");
		charReplace();
		//验证身份证:判断一个字符串是不是身份证号码，即是否是15或18位数字。
		System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876"));
		getString("D:/dir1/test.txt");
		getChinese("welcome to china,江西奉新,welcome,你!");
		validateEmail("[email protected]");
	}
	/**
	 * 日期提取:提取出月份来
	 * @param str
	 */
	public static void getDate(String str){
		String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}";
		Pattern pattern = Pattern.compile(regEx);
		Matcher matcher = pattern.matcher(str);
		if(!matcher.find()){
			System.out.println("日期格式错误!");
		    return;
		}
		System.out.println(matcher.group(1));	//分组的索引值是从1开始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。
	}
	/**
	 * 字符替换:本实例为将一个字符串中所有包含一个或多个连续的“a”的地方都替换成“A”。
	 */
	public static void charReplace(){
		String regex = "a+";
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa");
		String s = matcher.replaceAll("A");
		System.out.println(s);
	}
	/**
	 * 字符串提取
	 * @param str
	 */
	public static void getString(String str){
		String regex = ".+/(.+)$";
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(str);
		if(!matcher.find()){
			System.out.println("文件路径格式不正确！");
			return;
		}
		System.out.println(matcher.group(1));
	}
	/**
	 * 中文提取
	 * @param str
	 */
	public static void getChinese(String str){
		String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字 
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(str);
		StringBuffer sb = new StringBuffer();
		while(matcher.find()){
			sb.append(matcher.group());
		}
		System.out.println(sb);
	}
	/**
	 * 验证Email
	 * @param email
	 */
	public static void validateEmail(String email){
		String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+";
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(email);
		if(matcher.matches()){
			System.out.println("这是合法的Email");
		}else{
			System.out.println("这是非法的Email");
		}
	}
}