Java中正则表达式

发表于 | 更新于 | 分类于

正则表达式是一个用于匹配的模板，可以对字符串进行查找、提取、分割、替换等操作。String 类里也提供了几个特殊的方法：

  • boolean matches(String regex)：判断字符串是否匹配指定的正则表达式。
  • String replaceAll(String regex，String replacement)：将字符串中所有匹配 regex 的子串替换成 replacement。
  • String replaceFirst(String regex，String replacement)：将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

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。

创建正则表达式

前面介绍，正则表达式就是一个用于匹配字符串的模板，可以匹配一批字符串，所以创建正则表达式就是创建一个特殊的字符串。


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特殊的用途，比如反斜线（\）。如果需要匹配这些特殊字符，就必须首先将这些字符转义。

正则表达式中还能使用通配符，通配符可以匹配多个字符，又称为预定义字符。

提示：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 的大写形式切好匹配与之相反的字符。

特殊情况下还能使用方括号表达式：

正则表达式还支持圆括号表达式，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正则表达式还支持几个边界匹配符：

当需要建立一个匹配 000-0000-0000 形式的电话号码时，使用了 \\d\\d\\d-\\d\\d\\d\\d-\\d\\d\\d\\d 正则表达式，这看起来比较繁琐。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。贪婪模式的正则表达式会一直匹配下去，直到无法匹配为止。
  • 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。
  • Prossesive(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下：

使用正则表达式

一旦在程序中定义了正则表达式，就可以使用 Pattern 和 Matcher 来使用正则表达式。

Pattern 对象是正则表达式编译后在内存中的表示形式，因此，正则表达式字符串必须先被编译为 Pattern 对象，然后再利用该 Pattern 对象创建对应的 Matcher 对象。执行匹配所涉及的状态保留在 Matcher 对象中，多个 Matcher 对象可共享同一个 Pattern 对象。

1
2
3
4
5
//将一个字符串正则表达式编译成 Pattern 对象
Pattern pattern=Pattern.compile("a*b");//a*b 为正则表达式
//使用 Pattern 对象创建 Matcher 对象
Matcher matcher= pattern.matcher("aaaaab");//aaaaab 为需要查找的文本字符串
boolean b=m.matches();//返回 true

Matcher 类提供了如下几个常用的方法：

  • find()：返回目标字符串中是否包含与 Pattern 匹配的子串。
  • group()：返回上一次与 Pattern 匹配的子串。
  • start()：返回上一次与 Pattern 匹配的子串在目标字符串中的开始位置。
  • end()：返回上一次与 Pattern 匹配的子串在目标字符串中的结束位置加1。
  • lookingAt()：返回目标字符串前面部分与 Pattern 是否匹配。
  • matches()：返回整个目标字符串与 Pattern 是否匹配。
  • reset()：将现有的 Matcher 对象应用于一个新的字符序列。

通过 Matcher 类的 find() 和 group() 方法可以从目标字符串中依次取出特定子串(匹配正则表达式的子串)，例如网络爬虫，可以自动从网页中识别出所有的电话号码。

1
2
3
4
5
6
7
8
9
10
11
//使用字符串模拟从网络上得到的网页源码
String str = "我想求购一本《疯狂 Java 讲义》，尽快联系我 13500006666" + "交朋友，电话号码是 13611125565" + "出售二手电脑，联系方式是 15899903312";
//创建一个 Pattern 对象，并用它建立一个 Matcher 对象
//该正则表达只抓取 13X 和 15X 段的手机号
//实际要抓取哪些电话号码，只要修改正则表达式即可
Matcher matcher = Pattern.compile("((13\\d) | (15\\d)) \\d{8}").matcher(str);
//将所有符号正则表达式的子串(电话号码)全部输出
while(matcher.find())
{
    System.out.println(matcher.group());
}