Java正则表达式基础

正则表达式是跨语言的，并没有Java啊C的区分，这里除了将一下正则表达式的基础，另外再讲一下正则表达式在Java中的使用，比如与之相关的某些类。

1 定义

正则表达式（regular expression）用于指定字符串的模式，它由一些特殊的字符语法组成，可以匹配某种特定模式的字符串。简单地说，正则表达式就是特定的语法写的一个特殊字符串，然后看我们平时的普通字符串，比如电话号码、身份证号、邮箱是否符合这个特定字符串的规则，符合就选中，不符合就淘汰。

2 语法

语法	解释
字符	单个字符
c \unnn，\xnn，\0n，\0nn，\0nnn \t，\n，\r，\f，\a，\e \cc	字符本身 具有给定十六进制或十进制值的码元 控制符：制表符、换行符、回车符、换页符、警告符、逃逸符 与字符c相关的控制类
字符类	字符类是一个括在括号中的可选择的字符集。例如，[Jj]代表J或者j，[A-Za-z]代表所有大小写字母，[0-9]代表所有数字。这里“-”表示以恶范围（所有Unicode值落在两个边界范围之内的字符）
[AB…] [^…] […&&…]	任何由A、B…表示的字符，如正则：[Bb[0-9]]，匹配：B（或b或数字） 字符集的补集，如正则：[^0-9]，匹配：非数字 两个字符集的交集，如正则：[a-g&&d-n]，匹配：字母d或e或f或g
预定义字符类	预定义字符类在Java中反单斜杠”\”要写成反双斜杠”\”
. \d \D \s \S \w \W \p{name} \P{name}	除了行终止符之外的所有字符（在DOTALL标志被设置时，则表示所有字符） 一个数字[0-9] 一个非数字[^0-9] 一个空白字符[\t\n\r\f\x0B] 一个非空白字符 一个词语字符[a-zA-Z0-9_] 一个非词语字符 一个命名字符类（字符类的名字见下面） 一个命名字符类的补集
预定义字符类的名字	上面预定义字符类\p{name}和\P{name}大括号里面的name
Lower Upper Alpha Digit Alnum XDigit Print或Graph Punct ASCII Cntrl Blank Space javaLowerCase javaUpperCase javaWhitespace javaMirrored InBlock IsScript Category或InCategory IsProperty	ASCII的小写字母[a-z] ASCII的大写字母[A-Z] ASCII的字母[a-zA-Z] ASCII的数组[0-9] ASCII的字母或数字[A-Za-z0-9] 十六进制数字[0-9A-Fa-f] 可打印的ASCII字符[\x21-\x7E] ASCII的非字母和数字字符[\p{Print}&&\P{Alnum}] 所有ASCII字符[\x00-\x7F] ASCII的控制字符[\x00-\x1F] 空格字符或制表符[\t] Space[\t\n\r\f\0x0B] 小写字母，正如Character.isLowerCase()确定的字符 大写字母，正如Character.isUpperCase()确定的字符 空白字符，正如Character.isWhitespqce()确定的字符 镜像字符，正如Character.isMirrored()确定的字符 Block是Unicode字符块的名字，不过要剔除名字中的空格，例如Arrows或LatinlSupplement Script是Unicade脚本的名称，不过要剔除名字中的空格，例如Common Category是Unicode字符类别的名字，例如，L（字母）和Sc（货币符号） ProPerty是以下值之一：Alphabetic、Ideographic、Letter、Lowercase、Uppercase、Titlecase、Punctuation、Control、White_Space、Digit、Hex_Digit、Noncharater_Code_Point、Assigned
边界匹配符
^ $	输入的开头和结尾（或者在多行模式下行的开头和结尾）
\b	一个词语的边界
\B	一个非词语的边界
\A	输入的开头
\z	输入的结尾
Z	除了行终止符之外的输入结尾
\G	前一个匹配的结尾
量词
X?	可选的X
X*	X重复0或多次
X+	X重复1或多次
X{n} X{n,} X{n,m}	X重复n次，至少n次，在n到m次之间
量词后缀
?	将默认（贪婪）匹配转为勉强匹配
+	将默认（贪婪）匹配转为占有匹配
集合操作
XY	任何X中的字符串，后面跟随任何Y中的字符串
X|Y	任何X或Y中的字符串
群组
(X)	捕获将X作为群组匹配的字符串
\n	第n个群组的匹配
转义
\c	字符c（必须是不在字母表中的字符）
\Q … \E	逐字地引用…
(?…)	特殊结构——请查看Pattern类的API注释

3 Java中处理正则表达式

• java.util.regex.Pattern：模式类，用正则表达式可以构建一个Pattern对象，用来匹配将要输入的字符串。
• java.util.regex.Matcher：匹配类，调用模式类的matcher(str)，向其中输入要匹配的字符串，就可以获得一个Matcher对象。

3.1 基本正则匹配

    Pattern pattern = Pattern.compile(regexString); // 调用Pattern的compile静态方法，输入正则表达式，获得Pattern对象
    Matcher matcher = pattern.matcher(input); // 调用Pattern的mathcer方法，输入要匹配的字符串，获得Matcher对象
    if(matcher.matches()) ...... // 调用Matcher的matches方法来验证字符串是否匹配所给的正则表达式

注意：匹配器的输入可以是任何实现了CharSequence接口的类的对象，例如String、StringBuilder和CharBuffer。

在Pattern类编译这个正则模式时，可以设置一个或多个标志，例如：

        Pattern pattern = Pattern.compile(patternString,
                Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);

下面是所支持的六个标志：

标识	描述
CASE_INSENSITIVE	匹配字符时忽略字母的大小写，默认情况下，这个标志只考虑US ASCII字符
UNICODE_CASE	当与CASE_INSENSITIVE组合时，用Unicode字母的大小写来匹配
MULTILINE	^和$匹配行的开头和结尾，而不是整个输入的开头和结尾
UNIX_LINES	在多行模式中匹配^和$时，只有’\n’被识别成行终止符
DOTALL	当使用这个标志时， . 符号匹配所有符号，包括行终止符
CANON_EQ	考虑Unicode字符规范的等价性

3.2 Matcher类的find方法

通常情况下，我们并不会用正则来匹配全部输入，而只是想找出输入中一个或多个匹配的子字符串，这时可以用Matcher类的find来查找匹配内容，如果返回true，再使用start和end方法来查找匹配的内容。

    while(matcher.find()) {
        int start = matcher.start();
        int end = matcher.end();
        String match = input.substring(start, end);
        System.out.println(match);
    }

3.3 替换字符串

使用Matcher类的replaceAll方法可以将正则表达式出现的所有地方都用替换字符来替换，replaceFirst方法将只替换模式的第一次出现，如下：

    Pattern pattern = Pattern.compile("[0-9]+");
    Matcher matcher = pattern.matcher(input);
    String output1 = matcher.replaceAll("#");
    String output2 = matcher.replaceFirst("$");

3.4 分割字符串

Pattern类有一个split方法，类似于String的split方法，可以使用正则表达式来匹配边界进行分割。例如，下面的指令可以将输入分割成标记，其中分割符是由可选的空白字符包围的标点符号。

    Pattern pattern = Pattern.compile("\\s*\\p{Punct}\\s*");
    String[] tokens = pattern.split(input);

3.5 群组

如果正则表达式包含群组，那么Matcher对象可以获得具体的某个群组和揭示群组的边界。

获得某个群组
可以调用Matcher对线的以下方法抽取匹配的字符串中的群组：

String group(int groupIndex)

群组0是整个输入，而用于第一个实际群组的群组索引是1。调用groupCount方法可以获得全部群组的数量。对于嵌套群组来说，是按照前括号进行排序的。

得到群组的边界
Matcher对象以下的方法将产生指定群组的开始索引和结束索引+1，注意加了1所以是结束索引之后的那个索引

int start(int groupIndex)
int end(int endIndex)

例如，假设有下面的正则表达式：

((1?[0-9]):([0-5][0-9]))[ap]m

和下面的输出：

11:59am

那么，11:59am所对应索引是0-6，所包含的群组和边界如下：

群组索引	开始	结束	字符串
0	0	7	11:59am
1	0	5	11:59
2	0	2	11
3	3	5	59

实例：用括号打印出群组边界

package com.trigl.corejava.regex;

import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.regex.PatternSyntaxException;
/**
 * 首先提示输入一个模式，然后提示输入用于匹配的字符串，随后将打印出输入是否
 * 与模式相匹配。如果输入匹配模式，并且模式包含群组，那么这个程序将用括号打
 * 印出群组边界
 * 如：
 * (([Cc][Rr][Ee][Aa][Tt][Ee])|([Rr][Ee][Pp][Ll][Aa][Cc][Ee])|(([Cc][Rr][Ee][Aa][Tt][Ee])\s([Oo][Rr])\s([Rr][Ee][Pp][Ll][Aa][Cc][Ee])))\s([Pp][Rr][Oo][Cc][Ee][Dd][Uu][Rr][Ee])
 * 匹配3种类型开头的字符串：create procedure/replace procedure/create or replace procedure
 * @author 白鑫
 * @date 2016年3月16日 上午10:16:27
 */
public class RegexTest {
 public static void main(String[] args) throws PatternSyntaxException {
 // 构造一个新的扫描器，产生来自指定输入流的值，现在是从键盘输入
 Scanner in = new Scanner(System.in);
 System.out.println("Enter Pattern: ");
 // 输入正则表达式并产生模式类对象
 String patternString = in.nextLine();
 Pattern pattern = Pattern.compile(patternString);

 while(true) {
 System.out.println("Enter string to match: ");
 // 输入字符串并尝试匹配类对象
 String input = in.nextLine();
 if(input == null || input.equals("")) return;
 Matcher matcher = pattern.matcher(input);
 // 验证是否匹配，若匹配是否有群组，有的话在群组边界打印括号
 if(matcher.matches()) {
 System.out.println("Match");
 int g = matcher.groupCount();
 if(g > 0) {
 for (int i = 0; i < input.length(); i++) {
 // 打印所有的空群组
 for(int j = 1; j <= g; j++) 
 if(i == matcher.start(j) && i == matcher.end(j))
 System.out.print("()");
 // 打印非空群组的 ( 前半括号
 for(int j = 1; j <=g; j++)
 if(i == matcher.start(j) && i != matcher.end(j))
 System.out.print('(');
 System.out.print(input.charAt(i));
 // 打印非空群组的 ) 后半括号
 for(int j = 1; j <=g; j++)
 if(i+1 != matcher.start(j) && i+1 == matcher.end(j))
 System.out.print(')');
 }
 System.out.println();
 }
 } else {
 System.out.println("No match");
 }
 }
 }
}

输出结果

Enter Pattern: 
((1?[0-9]):([0-5][0-9]))[ap]m
Enter string to match: 
11:11pm
Match
((11):(11))pm
......

OVER