Java正则表达式详解

樵夫2021-08-26 10:39

正则表达式(Regular Expression)又称正规表示法、常规表示法,在代码中常简写为regex、regexp或RE,它是计算机科学的一个概念。

正则表达式是一个强大的字符串处理工具,可以对字符串进行查找、提取、分割、替换等操作,是一种可以用于模式匹配和替换的规范。一个正则表达式就是由普通的字符(如字符a~z)以及特殊字符(元字符)组成的文字模式,它用以描述在查找文字主体时待匹配的一个或多个字符串。

String类里也提供了如下几个特殊的方法。

boolean matches(String regex):判断该字符串是否匹配指定的正则表达式。

String replaceAll(String regex,String replacement):将该字符串中所有匹配regex的子串替换成replacement。

String replaceFirst(String regex,String replacement):将该字符串中第一个匹配regex的子串替换成replacement。

String[]split(String regex):以regex作为分隔符,把该字符串分割成多个子串。

上面这些特殊的方法都依赖于Java提供的正则表达式支持,除此之外,Java还提供了Pattern和Matcher两个类专门用于提供正则表达式支持。

很多读者都会觉得正则表达式是一个非常神奇、高级的知识,其实正则表达式是一种非常简单而且非常实用的工具。正则表达式是一个用于匹配字符串的模板。实际上,任意字符串都可以当成正则表达式使用。例如“abc”,它也是一个正则表达式,只是它只能匹配“abc”字符串。

如果正则表达式仅能匹配“abc”这样的字符串,那么正则表达式也就不值得学习了。正则表达式作为一个用于匹配字符串的模板,将某个字符模式与所搜索的字符串进行匹配。本文简单了解一下如何使用正则表达式来操作字符串。

正则表达式支持字符

创建正则表达式就是创建一个特殊的字符串。正则表达式所支持的合法字符如表1所示。

表1正则表达式所支持的合法字符

 
字符 解释
X 字符x(x 可代表任何合法的字符)
\0mnn 八进制数 0mnn 所表示的字符
\xhh 十六进制值 0xhh 所表示的字符
\uhhhh 十六进制值 0xhhhh 所表示的 Unicode 字符
\t 制表符(“\u0009”)
\n 新行(换行)符(‘\u000A’)
\r 回车符(‘\u000D’)
\f  换页符(‘\u000C’)
\a 报警(bell)符(‘\u0007’)
\e Escape 符(‘\u001B’)
\cx x 对应的的控制符。例如,\cM匹配 Ctrl-M。x 值必须为 A~Z 或 a~z 之一。

除此之外,正则表达式中有一些特殊字符,这些特殊字符在正则表达式中有其特殊的用途,比如前面介绍的反斜线。

如果需要匹配这些特殊字符,就必须首先将这些字符转义,也就是在前面添加一个反斜线。正则表达式中的特殊字符如表2所示。

表2正则表达式中的特殊字符

 
特殊字符 说明
$ 匹配一行的结尾。要匹配 $ 字符本身,请使用\$
^ 匹配一行的开头。要匹配 ^ 字符本身,请使用\^
() 标记子表达式的开始和结束位置。要匹配这些字符,请使用\(\)
[] 用于确定中括号表达式的开始和结束位置。要匹配这些字符,请使用\[\]
{} 用于标记前面子表达式的出现频度。要匹配这些字符,请使用\{\}
* 指定前面子表达式可以出现零次或多次。要匹配 * 字符本身,请使用\*
+ 指定前面子表达式可以出现一次或多次。要匹配 + 字符本身,请使用\+
? 指定前面子表达式可以出现零次或一次。要匹配 ?字符本身,请使用\?
. 匹配除换行符\n之外的任何单字符。要匹配.字符本身,请使用\.
\ 用于转义下一个字符,或指定八进制、十六进制字符。如果需匹配\字符,请用\\
| 指定两项之间任选一项。如果要匹配字符本身,请使用\|

将上面多个字符拼起来,就可以创建一个正则表达式。例如:

"\u0041\\\\" // 匹配 A\
"\u0061\t"  // 匹配a<制表符>
"\\?\\["    // 匹配?[

注意:可能大家会觉得第一个正则表达式中怎么有那么多反斜杠?这是由于Java字符串中反斜杠本身需要转义,因此两个反斜杠(\)实际上相当于一个(前一个用于转义)。

上面的正则表达式依然只能匹配单个字符,这是因为还未在正则表达式中使用“通配符”,“通配符”是可以匹配多个字符的特殊字符。正则表达式中的“通配符”远远超出了普通通配符的功能,它被称为预定义字符,正则表达式支持如表3所示的预定义字符。

表3预定义字符

 
预定义字符 说明
. 可以匹配任何字符
\d 匹配 0~9 的所有数字
\D 匹配非数字
\s 匹配所有的空白字符,包括空格、制表符、回车符、换页符、换行符等
\S 匹配所有的非空白字符
\w 匹配所有的单词字符,包括 0~9 所有数字、26 个英文字母和下画线_
\W 匹配所有的非单词字符

上面的7个预定义字符其实很容易记忆,其中:

d是digit的意思,代表数字。

s是space的意思,代表空白。

w是word的意思,代表单词。

d、s、w的大写形式恰好匹配与之相反的字符。

有了上面的预定义字符后,接下来就可以创建更强大的正则表达式了。例如:

c\\wt    // 可以匹配cat、cbt、cct、cOt、c9t等一批字符串
\\d\\d\\d-\\d\\d\\d-\\d\\d\\d\\d    // 匹配如 000-000-0000 形式的电话号码

在一些特殊情况下,例如,若只想匹配a~f的字母,或者匹配除ab之外的所有小写字母,或者匹配中文字符,上面这些预定义字符就无能为力了,此时就需要使用方括号表达式,方括号表达式有如表4所示的几种形式。

表4方括号表达式

 
方括号表达式 说明
表示枚举 例如[abc]表示 a、b、c 其中任意一个字符;[gz]表示 g、z 其中任意一个字符
表示范围:-

例如[a-f]表示 a~f 范围内的任意字符;

[\\u0041-\\u0056]表示十六进制字符 \u0041 到 \u0056 范围的字符。

范围可以和枚举结合使用,如[a-cx-z],表示 a~c、x~z 范围内的任意字符

表示求否:^

例如[^abc]表示非 a、b、c 的任意字符;

[^a-f]表示不是 a~f 范围内的任意字符

表示“与”运算:&& 例如 [a-z&&[def]]是 a~z 和 [def] 的交集,表示 d、e
f[a-z&&^bc]]是 a~z 范围内的所有字符,除 b 和 c 之外
[ad-z] [a-z&&[m-p]]是 a~z 范围内的所有字符,除 m~p 范围之外的字符
表示“并”运算 并运算与前面的枚举类似。例如[a-d[m-p]]表示 [a-dm-p]

方括号表达式比前面的预定义字符灵活多了,几乎可以匹配任何字符。例如,若需要匹配所有的中文字符,就可以利用[\u0041-\u0056]形式——因为所有中文字符的Unicode值是连续的,只要找出所有中文字符中最小、最大的Unicode值,就可以利用上面形式来匹配所有的中文字符。

正则表达式还支持圆括号,用于将多个表达式组成一个子表达式,圆括号中可以使用或运算符|。例如,正则表达式“((public)|(protected)|(private))”用于匹配Java的三个访问控制符其中之一。

除此之外,Java正则表达式还支持如表5所示的几个边界匹配符。

表5边界匹配符

 
边界匹配符 说明
^ 行的开头
$ 行的结尾
\b 单词的边界
\B 非单词的边界
\A 输入的开头
\G 前一个匹配的结尾
\Z 输入的结尾,仅用于最后的结束符
\z 输入的结尾

前面例子中需要建立一个匹配000-000-0000形式的电话号码时,使用了\d\d\d-\d\d\d-\d\d\d\d正则表达式,这看起来比较烦琐。实际上,正则表达式还提供了数量标识符,正则表达式支持的数量标识符有如下几种模式。

Greedy(贪婪模式):数量表示符默认采用贪婪模式,除非另有表示。贪婪模式的表达式会一直匹配下去,直到无法匹配为止。如果你发现表达式匹配的结果与预期的不符,很有可能是因为你以为表达式只会匹配前面几个字符,而实际上它是贪婪模式,所以会一直匹配下去。

Reluctant(勉强模式):用问号后缀(?)表示,它只会匹配最少的字符。也称为最小匹配模式。

Possessive(占有模式):用加号后缀(+)表示,目前只有Java支持占有模式,通常比较少用。

三种模式的数量表示符如表6所示。

表6三种模式的数量表示符

 
贪婪模式 勉强模式 占用模式 说明
X? X?? X?+ X表达式出现零次或一次
X* X*? X*+ X表达式出现零次或多次
X+ X+? X++ X表达式出现一次或多次
X{n} X{n}? X{n}+ X表达式出现 n 次
X{n,} X{n,}? X{n,}+ X表达式最少出现 n 次
X{n,m} X{n,m}? X{n,m}+ X表达式最少出现 n 次,最多出现 m 次

关于贪婪模式和勉强模式的对比,看如下代码:

String str = "hello,java!";
// 贪婪模式的正则表达式
System.out.println(str.replaceFirst("\\w*" , "■"));    //输出■,java!
// 勉强模式的正则表达式
System.out.println(str.replaceFirst("\\w*?" , "■""));    //输出■hello, java!

当从“hello java!”字符串中查找匹配\w*子串时,因为w*使用了贪婪模式,数量表示符*会一直匹配下去,所以该字符串前面的所有单词字符都被它匹配到,直到遇到空格,所以替换后的效果是“■,Java!”;如果使用勉强模式,数量表示符*会尽量匹配最少字符,即匹配0个字符,所以替换后的结果是“■hello,java!”。

以上就是小编为大家整理发布的“Java正则表达式详解”一文,更多相关内容尽在开课吧Java教程频道。

Java正则表达式详解

免责声明:本站所提供的内容均来源于网友提供或网络搜集,由本站编辑整理,仅供个人研究、交流学习使用。如涉及版权问题,请联系本站管理员予以更改或删除。
有用
分享
全部评论快来秀出你的观点
登录 后可发表观点…
发表
暂无评论,快来抢沙发!
高并发编程训练营