Java正则表达式入门基础篇(新手必看)

  正则表达式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(例如字符a到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。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

  众所周知,在程序开发中,难免会遇到需要匹配、查找、替换、判断字符串的情况发生,而这些情况有时又比较复杂,如果用纯编码方式解决,往往会浪费程序员的时间及精力。因此,学习及使用正则表达式,便成了解决这一矛盾的主要手段。

  大家都知道,正则表达式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(例如字符a到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。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。

  自从jdk1.4推出java.util.regex包,就为我们提供了很好的JAVA正则表达式应用平台。

  因为正则表达式是一个很庞杂的体系,所以我仅例举些入门的概念,更多的请参阅相关书籍及自行摸索。

  // 反斜杠

  /t 间隔 ('/u0009')

  /n 换行 ('/u000A')

  /r 回车 ('/u000D')

  /d 数字 等价于[0-9]

  /D 非数字 等价于[^0-9]

  /s 空白符号 [/t/n/x0B/f/r]

  /S 非空白符号 [^/t/n/x0B/f/r]

  /w 单独字符 [a-zA-Z_0-9]

  /W 非单独字符 [^a-zA-Z_0-9]

  /f 换页符

  /e Escape

  /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

  ^为限制开头

  ^java     条件限制为以Java为开头字符

  $为限制结尾

  java$     条件限制为以java为结尾字符

  .  条件限制除/n以外任意一个单独字符

  java..     条件限制为java后除换行外任意两个字符

  加入特定限制条件「[]」

  [a-z]     条件限制在小写a to z范围中一个字符

  [A-Z]     条件限制在大写A to Z范围中一个字符

  [a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符

  [0-9]     条件限制在小写0 to 9范围中一个字符

  [0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符

  [0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

  []中加入^后加再次限制条件「[^]」

  [^a-z]     条件限制在非小写a to z范围中一个字符

  [^A-Z]     条件限制在非大写A to Z范围中一个字符

  [^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符

  [^0-9]     条件限制在非小写0 to 9范围中一个字符

  [^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符

  [^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

  在限制条件为特定字符出现0次以上时,可以使用「*」

  J*     0个以上J

  .*     0个以上任意字符

  J.*D     J与D之间0个以上任意字符

  在限制条件为特定字符出现1次以上时,可以使用「+」

  J+     1个以上J

  .+     1个以上任意字符

  J.+D     J与D之间1个以上任意字符

  在限制条件为特定字符出现有0或1次以上时,可以使用「?」

  JA?     J或者JA出现

  限制为连续出现指定次数字符「{a}」

  J{2}     JJ

  J{3}     JJJ

  文字a个以上,并且「{a,}」

  J{3,}     JJJ,JJJJ,JJJJJ,???(3次以上J并存)

  文字个以上,b个以下「{a,b}」

  J{3,5}     JJJ或JJJJ或JJJJJ

  两者取一「|」

  J|A     J或A

  Java|Hello     Java或Hello

  「()」中规定一个组合类型

  比如,我查询<a href=/"index.html/">index</a>中<a href></a>间的数据,可写作<a.*href=/".*/">(.+?)</a>

  在使用Pattern.compile函数时,可以加入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(译者注: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,大小写不敏感的匹配只适用于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。

  抛开空泛的概念,下面写出几个简单的Java正则用例:

  ◆比如,在字符串包含验证时

//查找以Java开头,任意结尾的字符串
 Pattern pattern = Pattern.compile("^Java.*");
 Matcher matcher = pattern.matcher("Java不是人");
 boolean b= matcher.matches();
 //当条件满足时,将返回true,否则返回false
 System.out.println(b);

  ◆以多条件分割字符串时

Pattern pattern = Pattern.compile("[, |]+");
String[] strs = pattern.split("Java Hello World Java,Hello,,World|Sun");
for (int i=0;i<strs.length;i++) {
  System.out.println(strs[i]);
} 

  ◆文字替换(首次出现字符)

Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceFirst("Java"));

  ◆文字替换(全部)

Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceAll("Java"));

  ◆文字替换(置换字符)

Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World ");
StringBuffer sbr = new StringBuffer();
while (matcher.find()) {
  matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());

  ◆验证是否为邮箱地址

  String str="[email protected]";

  Pattern pattern = Pattern.compile("[//w//.//-]+@([//w//-]+//.)+[//w//-]+",Pattern.CASE_INSENSITIVE);

  Matcher matcher = pattern.matcher(str);

  System.out.println(matcher.matches());

  ◆去除html标记

Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href=/"index.html/">主页</a>");
String string = matcher.replaceAll("");
System.out.println(string);

  ◆查找html中对应条件字符串

Pattern pattern = Pattern.compile("href=/"(.+?)/"");
Matcher matcher = pattern.matcher("<a href=/"index.html/">主页</a>");
if(matcher.find())
 System.out.println(matcher.group(1));
}

  ◆截取http://地址

//截取url
Pattern pattern = Pattern.compile("(http://|https://){1}[//w//.//-/:]+");
Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBuffer buffer = new StringBuffer();
while(matcher.find()){       
  buffer.append(matcher.group());    
  buffer.append("/r/n");       
System.out.println(buffer.toString());
}

  ◆替换指定{}中文字

String str = "Java目前的发展史是由{0}年-{1}年";
String[][] object={new String[]{"//{0//}","1995"},new String[]{"//{1//}","2007"}};
System.out.println(replace(str,object));
public static String replace(final String sourceString,Object[] object) {
      String temp=sourceString;  
      for(int i=0;i<object.length;i++){
           String[] result=(String[])object[i];
        Pattern  pattern = Pattern.compile(result[0]);
        Matcher matcher = pattern.matcher(temp);
        temp=matcher.replaceAll(result[1]);
      }
      return temp;
}

  ◆以正则条件查询指定目录下文件

//用于缓存文件列表
    private ArrayList files = new ArrayList();
    //用于承载文件路径
    private String _path;
    //用于承载未合并的正则公式
    private String _regexp;
    class MyFileFilter implements FileFilter {
       /**
        * 匹配文件名称
        */
       public boolean accept(File file) {
        try {
         Pattern pattern = Pattern.compile(_regexp);
         Matcher match = pattern.matcher(file.getName());        
         return match.matches();
        } catch (Exception e) {
         return true;
        }
       }
      }
    /**
     * 解析输入流
     * @param inputs
     */
    FilesAnalyze (String path,String regexp){
      getFileName(path,regexp);
    }
    /**
     * 分析文件名并加入files
     * @param input
     */
    private void getFileName(String path,String regexp) {
      //目录
       _path=path;
       _regexp=regexp;
       File directory = new File(_path);
       File[] filesFile = directory.listFiles(new MyFileFilter());
       if (filesFile == null) return;
       for (int j = 0; j < filesFile.length; j++) {
        files.add(filesFile[j]);
       }
       return;
      }
    /**
     * 显示输出信息
     * @param out
     */
    public void print (PrintStream out) {
      Iterator elements = files.iterator();
      while (elements.hasNext()) {
        File file=(File) elements.next();
          out.println(file.getPath());  
      }
    }
    public static void output(String path,String regexp) {
      FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);
      fileGroup1.print(System.out);
    }
    public static void main (String[] args) {
      output("C://","[A-z|.]*");
    }

  Java正则的功用还有很多,事实上只要是字符处理,就没有正则做不到的事情存在。(当然,正则解释时较耗时间就是了|||……)