正则表达式
Posted Al_tair
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了正则表达式相关的知识，希望对你有一定的参考价值。
正则表达式
正则表达式是对字符串执行模式匹配的技术
底层实现分析
局部匹配
public class RegexpDemo01
public static void main(String[] args)
String str = "在1958 年,一位名叫Stephen Kleene的数学科学家博尔特，" +
"1963,他在Warren McCulloch和Walter Pitts早期工作的基础之上，发表了一篇题目是" +
"《神经网事件的表示法》的论文，1969利用称之为正则集合的数学符号来描述此模型，引入" +
"了正则表达式的概念。1971正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，" +
"因而采用了“正则表达式”这个术语。";
// 匹配正则表达式字符 匹配四个数字
String regexp = "\\\\d\\\\d\\\\d\\\\d";
// 生成模式对象
Pattern pattern = Pattern.compile(regexp);
// 匹配字符
Matcher matcher = pattern.matcher(str);
/*
* matcher.find()
* 1. 根据 pattern 的规则, 定位满足规则的字符串(比如:1958) 在str的开始索引位置(1)和结束索引位置+1(5)
* 2. 将索引位置记录到数组groups; 的下标 groups[0] = 0 groups[1] = 4
* 3. 并且下一次索引开始等于当前的结束索引位置+1 （设置为 5, 表示下一次匹配从5开始）
* 4. 下次找到数字1963 始索引位置(36)和结束索引位置+1(40)
* 5. 将索引位置记录到数组groups;的下标groups[0] = 0 groups[1] = 4 记住会覆盖之前的数组下标0,1的数组
*
* 特别说明: 当在正则表达式中有()(如(\\\\d\\\\d)(\\\\d\\\\d) ),则表示分组
* 第1个() 表示第一组 第2个() 表示第2组
* 2.1 groups[0] groups[1] 记录匹配到的完整结果 如: 1958
* 2.2 groups[2] groups[3] 记录匹配到的结果的第一个()的内容的开始索引和结束索引+1 即0和2
* 2.3 groups[4] groups[5] 记录匹配到的结果的第2个()的内容的开始索引和结束索引+1 即2和4
*
* ----------------------------------------------------------------------------------------
*
* matcher.group(index)
* 源码分析
* public String group(int group)
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
*
* 1. 如果matcher.group(1)从字符串截取下标 groups[0] 到 groups[1]-1 的子字符串
* 2. 如果matcher.group(1) 截取 groups[2] 到 groups[3] 对应索引的子字符串
* 2. 如果matcher.group(2) 截取 groups[4] 到 groups[5] 对应索引的子字符串
*
* 然后循环的执行find和group的方法
*/
while(matcher.find()) // 如果查找数组找到的值为-1即没有存入数据则返回false
System.out.print(matcher.group(0) + " "); // 1958 1963 1969 1971
整体匹配
public static void main(String[] args)
String str = "12345";
// 匹配正则表达式字符 匹配四个数字
String regexp = "\\\\d\\\\d\\\\d\\\\d";
// 匹配字符 完成匹配
boolean isMatch = Pattern.matches(pattern,content);
System.out.println(isMarch); // false
正则表达式语法
元字符
转义符
// 转义符:\\\\
public static void main(String[] args)
String str = "在1958 年,一位名叫Stephen Kle(ene的(数学科学家博尔特(";
String regexp = "\\\\("; // ( 会报错
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
while (matcher.find())
System.out.println(matcher.group(0)); // 3个 (
限定符
用于指定其前面的字符和组合项连续出现多少次
| 符号 | 含义 | 示例 | 说明 | 匹配输入 |
|---|---|---|---|---|
| * | 指定字符重复0次或n次（无要求)零到多 | (abc)* | 仅包含任意个abc的字符串，等效于\\w* | abc，abcabcabc |
| + | 指定字符重复1次或n次（至少一次) | m+(abc)* | 以至少1个m开头，后接任意个abc的字符串 | m，mabc，mabcabc |
| ？ | 指定字符重复0次或1次（最多一次) | m+abc? | 以至少1个m开头，后接ab或abc的字符串 | mab，mabc，mmmab |
| n | 只能输入n个字符 | [abcd]3 | 由abcd中字母组成的任意长度为3的字符串 | abc，dbc，adc |
| n, | 指定至少n个匹配 | [abcd]3, | 由abcd中字母组成的任意长度不小于3的字符串 | aab，dbc，aaabdc |
| n,m | 指定至少n个但不多于m个匹配 | [abcd]3,5 | 由abcd中字母组成的任意长度不小于3，不大于5的字符串 | abc，abcd，aaaaaa，bcdab |
| ? | 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 | 当此字符紧随任何其他限定符（*、+、?、n、n,、n,m）之后时， |
注意：java匹配默认贪婪匹配，即尽可能匹配多的数量 如 a3,4 ： aaaa优先级 > aaa优先级
选择匹配符
在选择匹配某个字符串的时候是选择性的（ | ）
| 符号 | 含义 | 示例 | 解释 |
|---|---|---|---|
| | | 匹配“|”之前或之后的表达式 | ab|bc | ab或者bc |
分组组合
常用分组
| 常用分组构造形式 | 说明 |
|---|---|
| （pattern） | 非命名捕获。捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本，其它捕获结果则根据左括号的顺序从1开始自动编号 |
| (?< name >pattern) | 命名捕获。将匹配的子字符串捕获到一个组名称或编号名称中。用于name的字符串不能包含任何标点符号，并且不能以数字开头。可以使用单引号替代尖括号，例如(？‘name’) |
public static void main(String[] args)
String str = "在1958 年,一位名叫Stephen Kleene的数学科学家博尔特，" +
"1963,他在Warren McCulloch和Walter Pitts早期工作的基础之上，发表了一篇题目是" +
"《神经网事件的表示法》的论文，1969利用称之为正则集合的数学符号来描述此模型，引入" +
"了正则表达式的概念。1971正则表达式被作为用来描述其称之为“正则集的代数”的一种表达式，" +
"因而采用了“正则表达式”这个术语。";
// 匹配正则表达式字符 匹配四个数字
// 非命名分组
String regexp = "(\\\\d\\\\d)(\\\\d\\\\d)";
// 生成模式对象
Pattern pattern = Pattern.compile(regexp);
// 匹配字符
Matcher matcher = pattern.matcher(str);
while(matcher.find())
// 1958 19 58
// 1963 19 63
// 1969 19 69
// 1971 19 71
System.out.print(matcher.group(0) + " ");
System.out.print(matcher.group(1) + " ");
System.out.print(matcher.group(2) + " ");
System.out.println();
System.out.println("=====================");
// 命名分组
regexp = "(?<group1>\\\\d\\\\d)(?<group2>\\\\d\\\\d)";
pattern = Pattern.compile(regexp);
// 匹配字符
matcher = pattern.matcher(str);
while(matcher.find())
// 1958 19 58
// 1963 19 63
// 1969 19 69
// 1971 19 71
System.out.print(matcher.group(0) + " ");
System.out.print(matcher.group("group1") + " ");
System.out.print(matcher.group("group2") + " ");
System.out.println();
特别分组
| 常用分组构造形式 | 说明 |
|---|---|
| （?: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"o"字符()组合模式部件的情况很有用。例如，'industr(?yies)是比’industryindustries’更经济的表达式 |
| (?=pattern) | 它是一个非捕获匹配。例如，Windows(?=9598NT2000)'匹配"Windows2000"中的"Vindows",但不匹配"Vindows3.1"中的"Windows" |
| (?!pattern) | 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。例如，“Nindows(?!9598NT2000)'匹配"Windows3.1"中的"Windows”,但不匹配"Windows2000"中的"Vindows" |
// （?:pattern）
String str = "罗念笙同学和罗念笙父亲以及罗念笙母亲要一起出席会场";
String regexp = "罗念笙(?:同学|父亲|母亲)"; // 等价于 "罗念笙同学 | 罗念笙父亲 | 罗念笙母亲)"
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
while(matcher.fins())
// 不能使用group(1)捕获分组，但是整体是可以用group(0)捕获
// (?=pattern) 和 (?!pattern) 取反关系
字符匹配符
| 符号 | 含义 | 示例 | 解释 |
|---|---|---|---|
| [ ] | 可接受的字符列表 | [efgh] | e,f,g,h中的任意一个字符 |
| [^] | 不接收的字符列表 | [^abc] | a,b,c之外的任意一个字符，包括数字和特殊字符 |
| - | 连字符 | A-Z | 任意一个大写字母 |
| . | 匹配除\\n以外的任何字符 | a…b | 以a开头，b结尾，中间包括2个任意字符的长度为4的字符串 |
| \\ \\d | 匹配单个数字字符，相当于[0-9] | \\ \\d3(\\ \\d)? | 包含3个或4个数字的字符串 |
| \\ \\D | 匹配单个非数字字符，相当于[ ^ 0-9]] | \\ \\D(\\ \\d)* | 以单个非数字字符开头，后接任意个数字字符串 |
| \\ \\w | 匹配单个数字、大小写字母字符相当于[0-9a-zA-Z] | \\ \\d3\\ \\w4 | 以3个数字字符开头的长度为7的数字字母字符串 |
| \\ \\W | 匹配单个非数字、大小写字母字符相当于[ ^ 0-9a-zA-Z] | \\ \\W+\\ \\d2 | 以至少1个非数字字母字符开头，2个数字字符结尾的字符串 |
| \\ \\ s | 匹配任何空白字符（空格，制表符等） | 空格，制表符 | 无 |
| \\ \\ S | 匹配任何非空白字符 | 除空格，制表符之外 | 无 |
// 细节说明
// 不区分大小写
(?!)abc // abc都不区分大小写
a(?!)bc // abc都不区分大小写
a((?!)b)c // 只有b不区分大小写
Pattern pattern = Pattern.compile(regexp,Pattern.CASE_INSENSITIVE);
定位符
规定要匹配的字符出现的位置
| 符号 | 含义 | 示例 | 说明 | 匹配输入 |
|---|---|---|---|---|
| ^ | 指定起始字符 | ^ [0-9] + [a- z]* | 以至少1个数字开头，后 串 | 123， 6aa |
| $ | 指定结束字符 | ^ [0-9]\\ \\ - [a-z] + $ | 以1个数字开头后接连字符“-”，并以至少1个小写字母结尾的字符串 | 1-a |
| \\ \\ b | 匹配目标字符串的边界 | lns\\ \\ b | 这里说的字符串的边界指的是子串间有空格，或者是目标字符串的结束位置 | splns，hallns |
| \\ \\ B | 匹配目标字符串的非边界 | lns \\ \\ B | 和b的含义刚刚相反 | lnssp，lnsfh |
以上是关于正则表达式的主要内容，如果未能解决你的问题，请参考以下文章