Java 正则表达式
正则表达式是一个特殊的字符序列,用于简化检查一个字符串是否与某种模式匹配的
java.util.regex 包提供了操作正则表达式的一些方法
正则表达式
一个字符串其实就是一个简单的正则表达式,例如 Hello World 正则表达式匹配 "Hello World" 字符串
. ( 点号 ) 也是一个正则表达式,它匹配任何一个字符如:"a" 或 "1"
下表是一些正则表达式的示例
正则表达式 | 描述 |
---|---|
this is text | 匹配字符串 "this is text" |
this\s+is\s+text | 注意字符串中的 \s+。匹配单词 "this" 后面的 \s+ 可以匹配多个空格,之后匹配 is 字符串,再之后\s+匹配多个空格然后再跟上 text 字符串。可以匹配这个实例:this is text |
^\d+(.\d+)? | ^ 定义了以什么开始\d+ 匹配一个或多个数字? 设置括号内的选项是可选的. 匹配 "."可以匹配的实例:"5", "1.5" 和 "2.21" |
java.util.regex 包
java.util.regex 包主要包括以下三个类
-
Pattern 类
Pattern 类的实例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,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
-
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,我们必须调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象
-
PatternSyntaxException
PatternSyntaxException 是一个非强制异常类,它表示一个正则表达式模式中的语法错误
下面的代码使用了正则表达式 .*twle.*
查找字符串中是否包了 twle 子串
import java.util.regex.*; class RegexExample1{ public static void main(String args[]){ String content = "I am Ys,from twle.cn"; String pattern = ".*twle.*"; boolean isMatch = Pattern.matches(pattern, content); System.out.println("字符串中是否包含了 'twle' 子字符串? " + isMatch); } }
运行以上 Java 代码,输出结果如下
字符串中是否包含了 'twle' 子字符串? true
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
例如,正则表达式 (dog)
创建了单一分组,组里包含 "d","o",和 "g"
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(C)))
- (A)
- (B(C))
- (C)
我们可以调用 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
还有一个特殊的组 group(0)
,它总是代表整个表达式,该组不包括在 groupCount 的返回值中
下面的代码说明了如何从一个给定的字符串中找到数字串
RegexMatches.java
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { public static void main( String args[] ){ // 按指定模式在字符串查找 String line = "This order was placed for QT3000! OK?"; String pattern = "(\\D*)(\\d+)(.*)"; // 创建 Pattern 对象 Pattern r = Pattern.compile(pattern); // 现在创建 matcher 对象 Matcher m = r.matcher(line); if (m.find( )) { System.out.println("Found value: " + m.group(0) ); System.out.println("Found value: " + m.group(1) ); System.out.println("Found value: " + m.group(2) ); System.out.println("Found value: " + m.group(3) ); } else { System.out.println("NO MATCH"); } } }
编译运行以上 Java 代码,输出结果如下
Found value: This order was placed for QT3000! OK? Found value: This order was placed for QT Found value: 3000 Found value: ! OK?
正则表达式语法
Java 中,\\
表示: 我要插入一个正则表达式的反斜线,所以其后的字符具有特殊的意义
所以表示一位数字的正则表达式是 \\d
,而表示一个普通的反斜杠是 \\\\
字符 | 说明 |
---|---|
\ | 将下一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" 匹配字符 "n"。\n 匹配换行符。序列 \\\\ 匹配"\",\\( 匹配 ( |
^ | 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" 中的 "do"。? 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" 中的两个 "o" 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 "o",而匹配 "foooood" 中的所有 o。o{1,} 等效于 "o+"。o{0,} 等效于 o* |
{n,m} |
M 和 n 是非负整数,其中 n<=m。匹配至少 n 次,至多 m 次。例如,o{1,3} 匹配 "fooooood" 中的头三个 o。'o{0,1}' 等效于 'o?'不能将空格插入逗号和数字之间 |
? | 当此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"模式匹配搜索到的、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 "o" |
. | 匹配除 "\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,即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,下一匹配的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,下一匹配的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"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] | 反向范围字符。匹配不在指定的范围内的任何字符。例如,"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符 |
\b | 匹配一个字边界,即字与空格间的位置。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。"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。与 \x09 和 \cI 等效 |
\v | 垂直制表符匹配。与 \x0b 和 \cK 等效 |
\w | 匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效 |
\W | 与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效 |
\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。例如,"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码 |
\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,如果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的 Unicode 字符。例如,\u00A9 匹配版权符号 (©) |
Java 中的 反斜杠 ( \ )
根据 Java Language Specification 的要求,Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线,表示正则表达式受到保护,不被 Java 字节码编译器解释。例如,当解释为正则表达式时,字符串字面值 "\b" 与单个退格字符匹配,而 "\b" 与单词边界匹配。字符串字面值 "(hello)" 是非法的,将导致编译时错误;要与字符串 (hello) 匹配,必须使用字符串字面值 "\(hello\)"
Matcher 类的方法
索引方法
索引方法提供了有用的索引值,精确表明输入字符串中在哪能找到匹配
方法 | 说明 |
---|---|
public int start() | 返回以前匹配的初始索引 |
public int start(int group) | 返回在以前的匹配操作期间,由给定组所捕获的子序列的初始索引 |
public int end() | 返回最后匹配字符之后的偏移量 |
public int end(int group) | 返回在以前的匹配操作期间,由给定组所捕获子序列的最后字符之后的偏移量 |
匹配方法
匹配方法用来检查输入字符串并返回一个布尔值,表示是否找到该模式
方法 | 说明 |
---|---|
public boolean lookingAt() | 尝试将从区域开头开始的输入序列与该模式匹配 |
public boolean find() | 尝试查找与该模式匹配的输入序列的下一个子序列 |
public boolean find(int start) | 重置此匹配器,然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列 |
public boolean matches() | 尝试将整个区域与模式匹配 |
替换方法
替换方法是替换输入字符串里文本的方法
方法及说明 |
---|
public Matcher appendReplacement(StringBuffer sb, String replacement) 实现非终端添加和替换步骤 |
public StringBuffer appendTail(StringBuffer sb) 实现终端添加和替换步骤 |
public String replaceAll(String replacement) 替换模式与给定替换字符串相匹配的输入序列的每个子序列 |
public String replaceFirst(String replacement) 替换模式与给定替换字符串匹配的输入序列的第一个子序列 |
public static String quoteReplacement(String s) 返回指定字符串的字面替换字符串。这个方法返回一个字符串,就像传递给Matcher类的appendReplacement 方法一个字面字符串一样工作 |
start() 和 end() 方法
下面的代码统计单词 "cat" 出现在输入字符串中出现次数
RegexMatches.java
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "\\bcat\\b"; private static final String INPUT = "cat cat cat cattie cat"; public static void main( String args[] ){ Pattern p = Pattern.compile(REGEX); Matcher m = p.matcher(INPUT); // 获取 matcher 对象 int count = 0; while(m.find()) { count++; System.out.println("Match number "+count); System.out.println("start(): "+m.start()); System.out.println("end(): "+m.end()); } } }
编译运行以上 Java 代码,输出结果如下
Match number 1 start(): 0 end(): 3 Match number 2 start(): 4 end(): 7 Match number 3 start(): 8 end(): 11 Match number 4 start(): 19 end(): 22
在这段代码中,我们使用了单词边界,以确保字母 "c" "a" "t" 并非仅是一个较长的词的子串。它也提供了一些关于输入字符串中匹配发生位置的有用信息。
start() 方法返回在以前的匹配操作期间,由给定组所捕获的子序列的初始索引
end() 方法最后一个匹配字符的索引加 1
matches() 和 lookingAt() 方法
matches() 和 lookingAt() 方法都用来尝试匹配一个输入序列模式
它们之间的不同点是 matches 要求整个序列都匹配,而 lookingAt() 不要求
lookingAt() 方法虽然不需要整句都匹配,但是需要从第一个字符开始匹配
RegexMatches.java
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "foo"; private static final String INPUT = "fooooooooooooooooo"; private static final String INPUT2 = "ooooofoooooooooooo"; private static Pattern pattern; private static Matcher matcher; private static Matcher matcher2; public static void main( String args[] ){ pattern = Pattern.compile(REGEX); matcher = pattern.matcher(INPUT); matcher2 = pattern.matcher(INPUT2); System.out.println("Current REGEX is: "+REGEX); System.out.println("Current INPUT is: "+INPUT); System.out.println("Current INPUT2 is: "+INPUT2); System.out.println("lookingAt(): "+matcher.lookingAt()); System.out.println("matches(): "+matcher.matches()); System.out.println("lookingAt(): "+matcher2.lookingAt()); } }
编译运行以上 Java 代码,输出结果如下
Current REGEX is: foo Current INPUT is: fooooooooooooooooo Current INPUT2 is: ooooofoooooooooooo lookingAt(): true matches(): false lookingAt(): false
replaceFirst() 和 replaceAll() 方法
replaceFirst() 和 replaceAll() 方法用来替换匹配正则表达式的文本
它们之间的不同点是,replaceFirst() 替换首次匹配,replaceAll() 替换所有匹配
RegexMatches.java
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "dog"; private static String INPUT = "The dog says meow. " + "All dogs say meow."; private static String REPLACE = "cat"; public static void main(String[] args) { Pattern p = Pattern.compile(REGEX); // get a matcher object Matcher m = p.matcher(INPUT); INPUT = m.replaceAll(REPLACE); System.out.println(INPUT); } }
编译运行以上 Java 代码,输出结果如下
The cat says meow. All cats say meow.
appendReplacement() 和 appendTail() 方法
Matcher 类也提供了 appendReplacement() 和 appendTail() 方法用于文本替换
RegexMatches.java
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "a*b"; private static String INPUT = "aabfooaabfooabfoob"; private static String REPLACE = "-"; public static void main(String[] args) { Pattern p = Pattern.compile(REGEX); // 获取 matcher 对象 Matcher m = p.matcher(INPUT); StringBuffer sb = new StringBuffer(); while(m.find()){ m.appendReplacement(sb,REPLACE); } m.appendTail(sb); System.out.println(sb.toString()); } }
编译运行以上 Java 代码,输出结果如下
-foo-foo-foo-
PatternSyntaxException 类的方法
PatternSyntaxException 是一个非强制异常类,它指示一个正则表达式模式中的语法错误
PatternSyntaxException 类提供了下面的方法来帮助我们查看发生了什么错误
方法及说明 |
---|
public String getDescription() 获取错误的描述 |
public int getIndex() 获取错误的索引 |
public String getPattern() 获取错误的正则表达式模式 |
public String getMessage() 返回多行字符串,包含语法错误及其索引的描述、错误的正则表达式模式和模式中错误索引的可视化指示 |