正则表达式是Java处理字符串、文本的重要工具。一个正则表达式就是含有一些具有特殊意义字符的字符串，这些特殊字符成为正则表达式中的元字符。比如，“\\dok”中的\\d就是有特殊意义的元字符，代表0~9中的任何一个。一个正则表达式也成为一个模式，与一个模式匹配的字符串称为匹配模式字符串（也称为模式匹配字符串）。
模式匹配
模式匹配就是检索和指定模式匹配的字符串。Java提供了专门用来进行模式匹配的类。这些类在java.util.regex包中。
Java对正则表达式的处理集中在以下两个两个类：
java.util.regex.Matcher 匹配类：用模式匹配一个字符串所表达的抽象结果。
java.util.regex.Pattern 模式类：用来表示一个编译过的正则表达式。
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class CheckMailAddress {
public static void main(String[] args){
Pattern pattern; //模式对象
Matcher matcher; //匹配对象
String mailAddress = "abc_123@now.cn";
String regex = "\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*"; //正则表达式
pattern = Pattern.compile(regex);
matcher = pattern.matcher(mailAddress);
System.out.println("邮箱地址合法性："+matcher.matches());
}
}
1.1 句点符号
1.2 方括号符号
1.3 “或”符号
1.4 表示匹配次数的符号
假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“\”。
假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“？”数量限定符号，如图二所示：
下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。图三显示了完整的正则表达式。
1.5 “否”符号
“^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。
1.6 圆括号和空白符号
假设要从格式为“June 26, 1951”的生日日期中提取出月份部分，用来匹配该日期的正则表达式可以如图五所示：
新出现的“\s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用ORO API（本文后面详细讨论）提取出它的值。修改后的正则表达式如图六所示：
1.7 其它符号
表二：常用符号
例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“\d”。修改后的正则表达式如图七所示：
| 字符 | |
| B | 字符B |
| \xhh | 16进制值0xhh所表示的字符 |
| \uhhhh | 16进制值0xhhhh所表示的Unicode字符 |
| \t | Tab |
| \n | 换行符 |
| \r | 回车符 |
| \f | 换页符 |
| \e | Escape |
正则表达式的强大体现在它能定义字符集(character class)。下面是一些最常见的字符集及其定义的方式，此外还有一些预定义的字符集：
| 字符集 | |
| . | 表示任意一个字符 |
| [abc] | 表示字符a，b，c中的任意一个(与a|b|c相同) |
| [^abc] | 除a，b，c之外的任意一个字符(否定) |
| [a-zA-Z] | 从a到z或A到Z当中的任意一个字符(范围) |
| [abc[hij]] | a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集) |
| [a-z&&[hij]] | h,i,j中的一个(交集) |
| \s | 空格字符(空格键, tab, 换行, 换页, 回车) |
| \S | 非空格字符([^\s]) |
| \d | 一个数字，也就是[0-9] |
| \D | 一个非数字的字符，也就是[^0-9] |
| \w | 一个单词字符(word character)，即[a-zA-Z_0-9] |
| \W | 一个非单词的字符，[^\w] |
在一些语言里，"\\"的意思是"只是要在正则表达式里插入一个反斜杠。没什么特别的意思。"但是在Java里，"\\"的意思是"要插入一个正则表达式的反斜杠，所以跟在它后面的那个字符的意思就变了。"举例来说，如果想表示一个或更多的"单词字符"，那么这个正则表达式就应该是" \\w +"。如果要插入一个反斜杠，那就得用" \\\\ "。不过像换行，跳格之类的还是只用一根反斜杠："\n\t"。
| 逻辑运算符 | |
| XY | X 后面跟着 Y |
| X|Y | X或Y |
| (X) | 一个"要匹配的组(capturing group)". 以后可以用\i来表示第i个被匹配的组。 |
| 边界匹配符 | |
| ^ | 一行的开始 |
| $ | 一行的结尾 |
| \b | 一个单词的边界 |
| \B | 一个非单词的边界 |
| \G | 前一个匹配的结束 |
compile( )方法还有一个版本，它需要一个控制正则表达式的匹配行为的参数：
Pattern Pattern.compile(String regex, int flag)
flag的取值范围如下：
Pattern.CANON_EQ
当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a\u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i)
默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配，只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x)
在这种模式下，匹配时会忽略(正则表达式里的)空格字符(注：不是指表达式里的"\\s"，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s)
在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。
Pattern.MULTILINE(?m)
在这种模式下，'^'和'$'分别匹配一行的开始和结束。此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE(?u)
在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d)
在这个模式下，只有'\n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。
扫一扫
1994
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
