【Java】正则表达式详解
目录
引言
一、基本概念
1.1 元字符
1.2 预定义字符类
1.3 边界匹配符
1.4 数量标识符
1.5 捕获与非捕获分组
二、Java中的正则表达式支持
三、正则表达式的使用示例
3.1 匹配字符串
3.2 替换字符串
3.3 分割字符串
3.4 使用Pattern和Matcher
3.5 捕获组和后向引用
3.6 贪婪模式和勉强模式的对比
四、正则表达式的进阶使用
结语
引言
正则表达式（Regular Expression）是计算机科学中的一个重要概念，它是一种强大的字符串处理工具，可以对字符串进行查找、提取、分割、替换等操作。正则表达式由普通字符（如a~z）和特殊字符（元字符）组成，用于描述在查找文字主体时待匹配的一个或多个字符串。在Java中，正则表达式通过java.util.regex包提供支持，主要包括Pattern和Matcher两个类，以及String类中的几个特殊方法。
一、基本概念
正则表达式是一个字符串，使用单个字符串来描述、用来定义匹配规则，匹配一系列符合某个句法规则的字符串。在开发中，正则表达式通常被用来检索、替换那些符合某个规则的文本。
1.1 元字符
| 表达式 | 含义 |
|---|---|
. | 匹配任意单个字符（换行符除外） |
| \ | 转义字符，用于匹配特殊字符或表示特殊序列 |
^ | 匹配输入字符串的开始位置 |
$ | 匹配输入字符串的结束位置 |
* | 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，但不超过m次 |
[] | 字符类，匹配方括号中的任意字符 |
| | 逻辑“或”操作符，匹配左右两边的表达式之一 |
| () | 分组，将多个字符或表达式组合成一个子表达式，用于后续引用或操作 |
| (?i) | 忽略后面字符的大小写 |
1.2 预定义字符类
| 表达式 | 含义 |
|---|---|
| \d | 匹配一个数字字符，等价于[0-9] |
| \D | 匹配一个非数字字符，等价于[^\d] |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等，等价于[\t\n\r\f\v] |
| \S | 匹配任何非空白字符，等价于[^\s] |
| \w | 匹配任何单词字符（包括字母、数字和下划线），等价于[a-zA-Z0-9_] |
| \W | 匹配任何非单词字符，等价于[^\w] |
1.3 边界匹配符
| 表达式 | 含义 |
|---|---|
| ^ | 匹配输入字符串的开始位置 |
| $ | 匹配输入字符串的结束位置 |
| \b | 匹配一个单词边界，即单词字符和非单词字符之间的位置 |
| \B | 匹配非单词边界 |
1.4 数量标识符
- 贪婪模式（Greedy）：数量表示符默认采用贪婪模式，会一直匹配下去，直到无法匹配为止。
- 勉强模式（Reluctant）：用问号后缀?表示，只会匹配最少的字符，也称为最小匹配模式。
- 占有模式（Possessive）：用加号后缀+表示，目前只有Java支持占有模式，通常比较少用。
1.5 捕获与非捕获分组
捕获分组：
后续还要使用本组的数据
正则表达式内部使用：\\组号
正则表达式外部使用：$组好
非捕获分组：
| 符号 | 含义 |
|---|---|
| (? : 正则) | 获取所有 |
| (? = 正则) | 获取前面部分 |
| (? ! 正则) | 获取不是指定内容的前面部分 |
二、Java中的正则表达式支持
Java提供了多种方式来使用正则表达式，包括String类中的方法以及Pattern和Matcher类。
- String类中的方法：
- boolean matches(String regex)：判断该字符串是否匹配指定的正则表达式。
- String replaceAll(String regex, String replacement)：将该字符串中所有匹配regex的子串替换成replacement。
- String replaceFirst(String regex, String replacement)：将该字符串中第一个匹配regex的子串替换成replacement。
- String[] split(String regex)：以regex作为分隔符，把该字符串分割成多个子串。
- Pattern和Matcher类：
- Pattern类：用于表示编译后的正则表达式。通过调用Pattern.compile(String regex)方法，可以将一个字符串形式的正则表达式编译成一个Pattern对象。
- Matcher类：用于对输入字符串进行匹配操作。通过调用Pattern对象的matcher(CharSequence input)方法，可以创建一个Matcher对象，然后使用该对象进行匹配操作。
三、正则表达式的使用示例
3.1 匹配字符串
String value = "12345";
String regex = "\\d{5}";
boolean matches = Pattern.matches(regex, value);
System.out.println("The Result is: " + matches); // 输出: The Result is: true3.2 替换字符串
String s = "1324.5421";
String s1 = s.replaceAll("[0-4]{4}\\.\\w{4}", "!");
System.out.println(s1); // 输出: !3.3 分割字符串
String s = "1324.5421";
String[] split = s.split("\\."); // 分割后数组为[1324, 5421]3.4 使用Pattern和Matcher
String value = "12345";
String regex = "\\d{5}";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(value);
System.out.println("The Result is: " + matcher.matches()); // 输出: The Result is: true3.5 捕获组和后向引用
String text = "go go";
String regex = "\\b(\\w+)\\b\\s+\\1\\b";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
while (matcher.find()) { System.out.println("Found match: " + matcher.group()); // 输出: Found match: go go
}3.6 贪婪模式和勉强模式的对比
String str = "hello,java!";
// 贪婪模式的正则表达式
System.out.println(str.replaceFirst("\\w*", "■")); // 输出: ■,java!
// 勉强模式的正则表达式
System.out.println(str.replaceFirst("\\w*?", "■")); // 输出: ■hello,java!四、正则表达式的进阶使用
- 字符类中的范围和否定：
- [a-z]：匹配任意小写字母。
- [A-Z]：匹配任意大写字母。
- [0-9]：匹配任意数字。
- [^a-z]：匹配任意非小写字母的字符。
- 分组和命名捕获组：
- (expression)：将表达式分组，并捕获匹配的文本。
- (?<name>expression)：将表达式分组，并给捕获组命名。
- 零宽度断言：
- (?=exp)：零宽度正预测先行断言，断言被匹配的字符串以表达式exp结尾，但不包括exp本身。
- (?<=exp)：零宽度正回顾后发断言，断言自身出现的位置前面能匹配表达式exp，但不包括exp本身。
- 条件表达式：
- (?(condition)yes-pattern|no-pattern)：根据条件选择匹配yes-pattern或no-pattern。
- 正则表达式的选项：
- Pattern.CASE_INSENSITIVE：忽略大小写。
- Pattern.MULTILINE：多行模式，使
^和$能够匹配输入字符串的每一行开头和结尾。 - Pattern.DOTALL：点匹配所有字符，包括换行符。
结语
正则表达式是一种强大且灵活的字符串处理工具，在Java中得到了广泛的应用。通过掌握正则表达式的基本概念、元字符、预定义字符类、边界匹配符和数量标识符等知识点，以及Java中提供的String类方法和Pattern、Matcher类的使用方式，我们可以高效地处理各种字符串匹配、替换和分割等操作。同时，正则表达式的进阶使用技巧，如字符类中的范围和否定、分组和命名捕获组、零宽度断言和条件表达式等，也为我们提供了更强大的字符串处理能力。
