java正则表达式入门及API实例

Cooking Regex微信公众号
正则表达式学习

 

一、正则表达式语法

1、语法

2、java API文档里面的介绍

如果觉得2这一部分有点多的话，直接看我这边的总结 ：

******************************************总结***************************

①、java字符类中可以用&&表示且的意思

[a-z&&[def]] 表示d、e或f。既[a-z]和[def]的交集

[a-z&&[^bc]] 表示a到z，除了b和c。既从[a-z]中去掉[bc]

[a-z&&[^m-p]] 表示a-z中去掉[m-p]后的集合

 

②、特殊构造（非捕获）

(?:X)	X，作为非捕获组
(?idmsux-idmsux)	Nothing，但是将匹配标志idmsux on - off
(?idmsux-idmsux:X)	X，作为带有给定标志 i d m s u x on - off
(?=X)	X，通过零宽度的正 lookahead
(?!X)	X，通过零宽度的负 lookahead
(?<=X)	X，通过零宽度的正 lookbehind
(?<!X)	X，通过零宽度的负 lookbehind
(?>X)	X，作为独立的非捕获组

③、反斜杠、转义和引用

在不表示转义构造的任何字母字符前使用反斜线都是错误的；它们是为将来扩展正则表达式语言保留的。可以在非字母字符前使用反斜线，不管该字符是否非转义构造的一部分。

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\\)"。

 

④、字符类运算符的优先级，从最高到最低的顺序排列

1	字面值转义	\x
2	分组	[...]
3	范围	a-z
4	并集	[a-e][i-u]
5	交集	[a-z&&[aeiou]]

⑤、组和捕获

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

1	((A)(B(C)))
2	\A
3	(B(C))
4	(C)

组零始终代表整个表达式。 

之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。

与组关联的捕获输入始终是与组最近匹配的子序列。如果由于量化的缘故再次计算了组，则在第二次计算失败时将保留其以前捕获的值（如果有的话）例如，将字符串"aba" 与表达式(a(b)?)+ 相匹配，会将第二组设置为"b"。在每个匹配的开头，所有捕获的输入都会被丢弃。

以 (?) 开头的组是纯的非捕获 组，它不捕获文本，也不针对组合计进行计数。

 

*******************************总结结束*******************************************

 

 

 

【学习技巧】： 在学习写正则表达式的时候，可以先在一些工具上面进行一些校验，这样可以很方便的进行初步校验你写的正则表达式的正确性。如你可以用OpenOffice，在百度搜索下就可以了，个人觉得这个工具还算不错，当然还有很多其他文本工具。

二、java API及实例

1、组group()、group(i)、groupCount()

     // 按指定模式在字符串查找
	      String line = "AK47! OK?";
	      String pattern = "([A-Z]+)(\\d+)(.*)";	 
	      // 创建 Pattern 对象
	      Pattern r = Pattern.compile(pattern);	 
	      // 现在创建 matcher 对象
	      Matcher m = r.matcher(line);
	      int groupCount=m.groupCount();
	      if (m.find()) {
	    	  for(int i=0;i<=groupCount;i++){
	    		  System.out.println("group("+i+"):"+m.group(i));
	    	  }
	      } else {
	         System.out.println("NO MATCH!");
	      }
	   }

运行结果：

说明：

从运行结果可以看出，([A-Z]+)(\\d+)(.*)这个正则表达式有四个分组：

0代表整个分组 ([A-Z]+)(\\d+)(.*)

1代表组 ([A-Z]+)

2代表组 (\\d+)

3代表组 (.*)

 

那为什么groupCount返回的结果却是3呢？原因是0不在groupCount()的计算返回值之内，group(0)比较特殊，代表的是整个表达式。从上面的结果来看，组()可以用来缓存匹配的数据，以便于后面的处理。但有时候有些组我们不需要获取它匹配到的值，这时候我们可以用(?:)来表示非捕获组，例如上面的例子中我们把正则表达式改为(?:[A-Z]+)(\\d+)(?:.*)，则运行结果如下：

这个时候被?:修饰的那两个组都变为非捕获组，此时它们匹配到的内容不会被捕获保存到组里面，所以只剩下一个(\\d+)会捕获到数据，groupCount()返回的值为1。

2、获得索引start()、end()、start(group)、end(group)

		 
	      // 按指定模式在字符串查找
	      String text = "AK47! 12ksdjfk445OK?";
	      String regex = "\\d+";	 
	      // 创建 Pattern 对象
	      Pattern r = Pattern.compile(regex);	 
	      // 现在创建 matcher 对象
	      Matcher m = r.matcher(text);
	      System.out.println("input:"+text);
	      System.out.println("regex:"+regex+"\n");
	      while(m.find()) {
	    	  System.out.println("匹配到："+m.group()+"\t开始位置为："+m.start()+"\t结束位置为："+m.end());
	 
	      }
	   

运行结果为：

从结果中可以看出，group()会把与模式匹配的数字依次找出来，而strar()和end()会把匹配到的字符的位置返回，其中start()包含返回的位置，end()不包含。例如47的位置为索引2到4，但不包括4这个位置。

 

3、匹配matches()、lookingAt()

		 
	      // 按指定模式在字符串查找
	      String text = "47AN";
	      String regex = "\\d+";	 
	      // 创建 Pattern 对象
	      Pattern r = Pattern.compile(regex);	 
	      // 现在创建 matcher 对象
	      Matcher m = r.matcher(text);
	      System.out.println("input:"+text);
	      System.out.println("regex:"+regex+"\n");
	 
	     System.out.println("lookingAt:"+m.lookingAt());
	     System.out.println("matches:"+m.matches());
	   

运行结果：

而如果把input改为AN47，结果为：

从上面的运行结果对比可以看出，lookingAt()是从整个字符串的开头去匹配，也就是从左到右去匹配，只要最开头的字符有满足模式的，它就会返回true（不管后面的字符会不会继续满足模式），否则为false；而matches()是需要字符串匹配整个模式才能方法true。例如我们平时用来校验身份证号或手机号码的匹配就是用到matches()这个方法。

4、替换replaceAll()、replaceFirst()

  // 按指定模式在字符串查找
	      String text = "AN47 java2 C# .Net5";
	      String regex = "\\d+";	 
	      // 创建 Pattern 对象
	      Pattern r = Pattern.compile(regex);	 
	      // 现在创建 matcher 对象
	      Matcher m = r.matcher(text);
	      System.out.println("input:"+text);
	      System.out.println("regex:"+regex+"\n");
	 
	      System.out.println("replaceAll替换后为："+m.replaceAll("0"));
	      System.out.println("replaceFirst替换后为："+m.replaceFirst("0"));

运行结果为：

从运行结果可以看出replaceAll()会把所有匹配的数字都替换为0，而replaceFirst()只是把第一个替换为0。

另外，appendReplacement()、appendTail()也可以用来处理替换

		 
	      // 按指定模式在字符串查找
	      String text = "AN47 java2 C# .Net5 php";
	      String regex = "\\d+";	 
	      // 创建 Pattern 对象
	      Pattern r = Pattern.compile(regex);	 
	      // 现在创建 matcher 对象
	      Matcher m = r.matcher(text);
	      System.out.println("input:"+text);
	      System.out.println("regex:"+regex+"\n");
	      StringBuffer result=new StringBuffer();
	      while(m.find()){
	    	  m.appendReplacement(result, "0");
	      }
	     // m.appendTail(result);
	      System.out.println("替换后为:"+result);
	   }
	

运行结果：

可以看出，替换成功了。但你有没有发现返回的结果少了点什么？跟input比较，可以发现php不见了，这是为什么呢？原因是我把m.appendTail(result)这一句注释掉了，这一句的作用是把尾部没有匹配的字符添加到返回的结果result中，也就是说，一般情况下，appendReplacement()和appendTail()是配套使用的。我们去掉注释后，再来看看运行结果：

这时候php就回来了

 

5、格式化数据

 public static void main(String args[]){
		   String input="20161209,20161210,20161211";
		   forMat1(input, '-');
		 
	   }
	   
	   public static void forMat1(String input,char separator){
		   String regex="(\\d{4})(\\d{2})(\\d{2})";
		   Matcher m=Pattern.compile(regex).matcher(input);
		   while(m.find()){
			   System.out.print(m.group()+"\t格式化后为：");
			   System.out.println(m.group(1)+separator+m.group(2)+separator+m.group(3));
		   }
	   }

运行结果：

 public static void main(String args[]){
		   String input="20161209,20161210,20161211";
		   forMat2(input, '-');		 
	   }	   
	   
	   public static void forMat2(String input,char separator){
		   String regex="(\\d{4})(\\d{2})(\\d{2})";
		   String format="$1"+separator+"$2"+separator+"$3";
		   Matcher m=Pattern.compile(regex).matcher(input);
		   while(m.find()){
			   System.out.print(input+"\t格式化后为：");
			   System.out.println(m.replaceAll(format));
		   }
	   }

运行结果：