正则表达式

1、正则表达式的书写规则

 

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?'。注意：您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 (©)。

2、正则表达式的三作用：

        2.1、校验数据是否合法

/**
 * 利用正则表达式来校验数据是否合法,表明正则表达式的优越之处
 * 需求：校验QQ是否合法，要求长度是（6-20）位之间，且全部是数字不能以0开头
 */
public class RegexTest {
    public static void main(String[] args) {
        System.out.println(checkQQ(null));
        System.out.println(checkQQ("255416641"));
        System.out.println(checkQQ("25541ab6641"));
        System.out.println("--------------------");
        System.out.println(RegexCheckQQ(null));
        System.out.println(RegexCheckQQ("255416641"));
        System.out.println(RegexCheckQQ("25541ab6641"));
    }

    /**
     * 说明:此方法是利用常规方法来对数据的合法性进行校验
     *
     * @param qq
     * @return
     */
    public static boolean checkQQ(String qq) {
        //判断qq是否为空且数据长度是否在6-20位之间并且以0开头
        if (qq == null || qq.startsWith("0") || qq.length() < 6 || qq.length() > 20) {
            return false;
        }
        //qq在格式上满足要求，需要判断是否全部是数字组成
        //qq=7543927876
        for (int i = 0; i < qq.length(); i++) {
            //取到每一个字符
            char ch = qq.charAt(i);
            if (ch < '0' || ch > '9') {
                return false;
            }
        }
        return true;
    }
    /**
     * 说明：此方法是利用正则表达式的方法来对qq数据的合法性进行校验
     */
    public static boolean RegexCheckQQ(String qq){
        //[1-9]表示第一位数据可以是1-9之间的任意一个数字
        //表达式中的\\d{5，19}表示剩余5-19位数字
        return qq!=null&&qq.matches("[1-9]\\d{5,19}");
    }
}

        2.1、查找信息

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest1 {
    public static void main(String[] args) {
        RegexFind();

    }
    public static void RegexFind(){
        String data="跟着sty江上挽风学习Java，\n" +
                " 电话：1866668888 ，18699997777\n" +
                "或者联系邮箱： boniu@itcast.cn ，\n" +
                "座机电话： 01036517895 ， 010-98951256\n" +
                " 邮箱： bozai@itcast.cn ，\n" +
                "邮箱 2 ： dlei0009@163.com ，\n" +
                "热线电话： 400-618-9090，400-618-4400，4006184000，4000687297";
        //1、定义爬取规则
        String regex="(\\w{1,}@\\w{2,10}(\\.\\w{2,10}){1,2})|" +
                "(1[3-9]\\d{9})|(0\\d{2,5}-?\\d{5,15})|400-?\\d{3,8}-?\\d{3,8}";
        //2、把正则表达式封装成一个Pttern对象
        Pattern pattern = Pattern.compile(regex);
        //3、通过pattern对象得到查找内容的匹配器
        Matcher matcher = pattern.matcher(data);
        //4、通过匹配器开始去内容中查找信息
        while (matcher.find()){
            //取出信息
            System.out.println(matcher.group());
        }
    }
}

        2.3、搜索替换/分割内容

import java.util.Arrays;

public class RegexTest2 {
    public static void main(String[] args) {
        //1、按照正则表达式的内容进行替换
        //需求1、将文本内容中间的非文字内容替换为“-”
        String s1="江上挽风092378百里沐苏9879黎驻@江";
        System.out.println(s1.replaceAll("\\w+", "-"));

        //需求2：将“我爱爱爱爱中中中国”转化为“我爱中国”；
        /**
         * （.）一组，匹配任意字符的
         * \\1:为这个组好声明一个组好：1号
         * +：声明必须是重复字符
         * $1:可以去取到第一组代表的那个重复的字
         */
        String s2="我爱爱爱爱中中中国";
        System.out.println(s2.replaceAll("(.)\\1+", "$1"));

        //需求3：将文本中的昵称提取处出来
        String s3="江上挽风092378百里沐苏9879黎驻@江";
        String[] names = s3.split("\\w+");
        System.out.println(Arrays.toString(names));
    }
}

参考：04、正则表达式：应用案例、爬取信息、搜索替换_哔哩哔哩_bilibili