正则表达式

Posted 2020-08-07

正则表达式一般用于索引字符串中满足特定规则的子串，或用于匹配判断指定字符串是否满足某种规则，比如校验手机号，身份证号等是否满足格式，网络爬虫中过滤url链接，等等。

1. 常见规则

[]：方括号中的字符任选其一

    [abc]：可以出现一个字符a，b或c
    
    [a-z]：可以出现任何一个英文小写字母
    
    [a-z0-9A-Z]：可以出现任意一个数字或字母

?：左边的内容出现0-1次

    [a-z]?：出现一次或0次的任意一个小写字母
    
*：左边的内容出现任意次

    [a-z]*：任意个小写字母
    
+：左边的内容出现最少一次

    [a-z]+：最少一个小写字母
    
{n}：左边内容出现n次

    [a-z]{3}：必须3个小写字母
    
{n, m}：左边内容出现n到m次

    [a-z]{2, 3}：出现2到3个小写字母
    
{n, }：左边内容出现至少n次

    [a-z]{2, }：出现最少2次

.：代表任意一个字符，如果要表示这个点，则需要转义，前面添加反斜杠，即\.

    .*：任意个任意字符
    
^：表示限制开头，在[]中使用表示非操作

    ^abc.*：匹配以abc开头的字符串

    [^abc]：可以出现一个字符，但不能a，b或c
    
    [a-z&&[^c-f]]：可以出现任意一个小写字母，但不能是cdef
    
$：表示限制结尾

    .*abc$：匹配以abc为结尾的字符串
    
()：把括号中的内容看成一个整体

    (aa|bb)?：aa或bb两者任选其一

\d：任意一个数字，相当于[0-9]

\D：任意一个非数字，相当于[^0-9]

\s：任意一个空白字符，包含空格，\n等特殊字符

\S：任意一个非空白字符

\w：任意一个单词字符，数字字母下划线，相当于[0-9a-zA-Z_]

\W：任意一个非单词字符

\t：tab符

\n：换行符

\r：回车符

 2. 常用正则

手机号码：^1[3|4|5|8][0-9]\d{8}$

身份证号：^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$

一个或多个汉字：^[\u0391-\uFFE5]+$

数字，字母，下划线：^[a-zA-Z0-9_]+$

3. Java实现匹配和查找

注意：(1) 和 (2) 步骤不能同时使用，(1) 步骤会将下一个匹配项移除出匹配结果集，这时 (2) 步骤就无法获取到第一个匹配的结果

public class Test {
	public static void main(String[] args) {
		String str = "abc|dd";

		// 匹配规则，Pattern.CASE_INSENSITIVE表示大小写不敏感，如果没有此参数，则大小写敏感
		Pattern p = Pattern.compile("[a-z]+", Pattern.CASE_INSENSITIVE);

		// 匹配结果，其中维护着一个结果集，可以通过find和group来获取所有结果集
		Matcher m = p.matcher(str);

		// (1) 是否匹配，匹配返回true，不匹配返回false
		boolean b = m.matches();
		
		// (2) 遍历查找所有匹配的子项，注意先find，然后在获取匹配项
		while(m.find()){
			// 获取到匹配的子字符串
			String matchStr = m.group();
		}
	}
}

4. 总结

常规开发中正则使用并非频繁，且目前网上也有不少已经写好的匹配规则，基本需要时即可查找到，还有一些更复杂的正则规则文章中并没有提及，需要时再去了解即可，能够做到熟练掌握基本语法基本能够满足开发需要。