正则表达式详解
YuWei Wu 6/5/2021 Java
正则表达式(Regular Expression)
# 1.原理
package com.yuwei.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegTheory {
public static void main(String[] args) {
String content ="1995年，互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的静态网页能够“灵活”起来，" +
"急需一种软件技术来开发一种程序，这种程序可以通过网络传播并且能够跨平台运行。于是，世界各大IT企业为此纷纷投入了大量的人力、物力和财力。" +
"这个时候，Sun公司想起了那个被搁置起来很久的Oak，并且重新审视了那个用软件编写的试验平台，" +
"由于它是按照嵌入式系统硬件平台体系结构进行编写的，所以非常小，特别适用于网络上的传输系统，而Oak也是一种精简的语言，程序非常小，适合在网络上传输。" +
"Sun公司首先推出了可以嵌入网页并且可以随同网页在网络上传输的Applet（Applet是一种将小程序嵌入到网页中进行执行的技术），" +
"并将Oak更名为Java（在申请注册商标时，发现Oak已经被人使用了，再想了一系列名字之后，最终，使用了提议者在喝一杯Java咖啡时无意提到的Java词语）。" +
"5月23日，Sun公司在Sun world会议上正式发布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软等各大公司都纷纷停止了自己的相关开发项目，" +
"竞相购买了Java使用许可证，并为自己的产品开发了相应的Java平台。";
//目标：所有四个数字
//1. \\d 表示0-9任意一个数字
String regString = "(\\d\\d)(\\d\\d)";
//2. 创建模式对象
Pattern pattern = Pattern.compile(regString);
//3.创建匹配器
//创建以正则表达式组成的规则匹配
Matcher matcher = pattern.matcher(content);
//4.开始匹配
/**
*
* matcher.find()
* 什么时分组，比如(\d\d)(\d\d) 正则表达式()表示分组 第一个()代表组1 第二个()代表组2
*
* 1.根据指定的规则，定位满足规则的子字符串(1995)
* 2.找到后，将子字符串的开始索引记录到matcher对象的属性 int[] groups
* groups[0] = 0 ,把该字符串的结束索引+1的值记录到 groups[1] = 4
* 如果有其他分组----------------------- 1998 记录1组()19 匹配到的字符出阿伯 groups[2]=0 groups[3]=2
* 记录1组()98 匹配到的字符出阿伯 groups[4]=2 groups[5]=4
*
*
*
* 3.同时记录oldLast的值为 子字符串的结束的索引+1 的值即为4 ，即下次执行find时 就从4开始匹配
*
* matcher.group(0)
*
* public String group(int group) {
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* }
*
* 1.根据groups[0] = 0 ， groups[1] = 4 截取字符串返回
* 2.find方法再次执行
* 3.传入0 截取的就是groups[0]-groups[1]之间的字符串
*/
while(matcher.find()){
//匹配子字符串
System.out.println(matcher.group(0));
//匹配第一组的字符串
System.out.println(matcher.group(1));
//匹配第二组的字符串
System.out.println(matcher.group(2));
}
}
}
# 2.语法
元字符
- 转义号\\
Java中两个\代表其他语言中的一个/ 当正则表达式匹配到以下符号时需要转义
.*+()$/\?[]^{}- 字符匹配符
| 符号 | 含义 | 示例 | 解释 |
|---|---|---|---|
| [] | 可接收的字符列表 | [efgh] | e、f、g、h中的任意一个字符 |
| ^ | 不可接收的字符列表 | [^efgh] | 除e、f、g、h中的任意一个字符 |
| - | 连字符 | A-Z | 任意单个大写字母 |
| . | 匹配除\n以外的任意字符 | a..b | 以a开头b结尾 中间包含任意字符长度为4的字符串 |
| \d | 匹配单个数字字符 相当于[0-9] | \\d{3}(\\d)? | 三个或四个数字字符串 ?代表0个或者1个 |
| \\D | 匹配非单个数字字符 相当于[非0-9] | \\D(\\d)* | 非数字开头 长度任意的字符 |
| \\w | 匹配单个数字、大小写字母字符、下划线相当于[0-9a-zA-Z_] | \\d{3}\w{4} | 三个数字加四个字符 |
| \\W | 匹配单个非数字、大小写字母字符、下划线相当于[非0-9a-zA-Z_] | \\W\\d{2} | 一个非数字字母开头，2个数字结尾 |
| \\s | 匹配任意空白字符(空格、制表符) | ||
| \\S | 匹配任意非空白字符(空格、制表符) | ||
| . | 匹配除 \n之外的所有字符，如果要匹配.本身需要转义字符 | ||
| | | 匹配 或的字符 | a|b|c | 查找a或b或c的字符 |
**注意：小方括号 [ ] 只能取单个字符的或情况或者字母写在一起 如：[a-zA-Z.*] 或者 ca[r|t] **
如要匹配多个或，请用小括号 (com|cn)
- 字符限定符
用于限定字符出现的次数
| 符号 | 含义 | 示例 | 说明 | 匹配输入 |
|---|---|---|---|---|
| * | 指定字符出现0次或n次 | (abc)* | 仅包含含任意个abc的字符 | abc,abcabc |
| + | 指定字符出现1次或n次（至少一次） | m+(abc)* | 至少1个m开头，后续任意个abc的字符串 | m,mabc,mabcabc |
| ? | 指定字符串重复0或1次（最多一次） | m+abc? | 至少1个m开头，后续跟ab或者abc的字符串 | mabc,mab,mmabc |
| {n} | 只能输入n个字符 | [abcd]{3} | 由abcd组成的长度为三的任意字符 | abc,dbc |
| {n,} | 指定至少n个字符 | |||
| {n,m} | 指定至少n个字符但不多于m个 | java匹配默认是贪婪匹配，优先匹配多的，匹配m个字符。然后依次匹配低位的字符 |
- 字符定位符
| 符号 | 含义 | 示例 | 说明 | 匹配输入 |
|---|---|---|---|---|
| ^ 不在[]里 | 指定起始符 | ^[0-9]+[a-z]* | 以至少一个数字开头，后接任意个小写字母的字符串 | 123，6aa |
| $ | 结束符 | ^[0-9]+[a-z]*$ | 以至少一个数字开头，后接任意个小写字母的字符串并以任意小写字母结束 | 6aa |
| \\b | 匹配目标字符串的边界 | han\\b | 匹配到字符串最后的字符串 | hanaaa aaahan jjhan |
| \\B | 与上部相反 | hanaaa aaahan jjhan |
Java正则表达式默认时区分字母大小写的，如何实现不区分大小写
(?i)abc abc字符串不区分大小写
a(?i)bc a小写bc不区分大小写
a((?i)b)c ac小写b不区分大小写
Pattern pattern = Pattern.compile(regStr,Pattern.CASE_INSENSITIVE);
package com.yuwei.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class lala {
public static void main(String[] args) {
String content = "a11c8abcABC";
//String regStr = "abc"; //默认区分大小写
String regStr = "(?i)abc";//不区分大小写
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while(matcher.find()){
System.out.println(matcher.group(0));
}
}
}
# 3. 捕获分组与非捕获分组
# 捕获分组
- 匿名分组
package com.yuwei.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class FenZu {
public static void main(String[] args) {
String content = "ss3456 sfd9878";
String regStr = "(\\d\\d)(\\d\\d)"; //匹配4个数字的字符串
Pattern compile = Pattern.compile(regStr);
Matcher matcher = compile.matcher(content);
while (matcher.find()){
//匹配字符
System.out.println("匹配字符："+matcher.group(0));
//分组1
System.out.println("匹配分组1："+matcher.group(1));
//分组2
System.out.println("匹配分组2："+matcher.group(2));
}
}
}
匹配字符：3456
匹配分组1：34
匹配分组2：56
匹配字符：9878
匹配分组1：98
匹配分组2：78
- 命名分组
package com.yuwei.regexp;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class FenZu {
public static void main(String[] args) {
String content = "ss3456 sfd9878";
String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)"; //匹配4个数字的字符串
Pattern compile = Pattern.compile(regStr);
Matcher matcher = compile.matcher(content);
while (matcher.find()){
//匹配字符
System.out.println("匹配字符："+matcher.group(0));
//分组1
System.out.println("匹配分组1："+matcher.group(1));
System.out.println("匹配分组1："+matcher.group("g1"));
//分组2
System.out.println("匹配分组2："+matcher.group(2));
System.out.println("匹配分组1："+matcher.group("g2"));
}
}
}
匹配字符：3456
匹配分组1：34
匹配分组1：34
匹配分组2：56
匹配分组1：56
匹配字符：9878
匹配分组1：98
匹配分组1：98
匹配分组2：78
匹配分组1：78
# 非捕获分组
非捕获分组，并不会因为()进行分组，所以gruop(1)会数组越界
| 常用分组构造形式 | 说明 |
|---|---|
| (?:pattern) | 特别适用于替换(|) 比如： industry|industries 可以被 **industr(?:y|ies)**代替 |
| (?=pattern) | Windows(?=95|98|NT|2000) 可以匹配 Windows 2000中的Windows 但不能匹配 Windows 3.1 的Windows |
| (?!pattern) | 与上一条相反 |
# 4.非贪婪匹配
在字符限定符 * + {}后面加?完成非贪婪匹配
| 符号 | 含义 |
|---|---|
| ? | \\d+? 最多匹配一个数字 |
