Java 正则表达式

基本语法

元字符

• 转义号 \\

限定符

符号	含义
*	指定前面内容可以出现 0次及以上
+	指定前面内容可以出现 1次及以上。至少会出现一次
?	指定前面内容可以出现 0次或一次
{n}	指定前面的内容 只能出现n次
{n,}	指定前面内容 至少出现n次
{n, m}	指定前面内容 至少出现n次但不多于m次

选择匹配符

符号	解释
|	逻辑或的含义，符号两边内容有一个成立即可 |

分组组合和反向引用符

• 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0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
(?pattern)	命名捕获。将匹配的子字符串捕获到一个组名或编号名中。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。可以使用单引号代替尖括号

• 非捕获分组

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，不存储供后续使用。这对于 or 字符 | 组合模式的部件情况很有用。 例如 industr(?:y|ies) 是比 industry|industries更经济的表达式。
(?=pattern)	它是一个非捕获匹配。 例如，Windows (?=95|98|2000) 匹配 Windows 2000 中的 Windows，但不匹配 Windows 2008 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。他是一个非捕获匹配。功效与 (?=pattern)相反

特殊字符

元字符	含义
$	匹配行的结尾
^	匹配行的开头
*	指定前面内容可以出现 0次及以上
+	指定前面内容可以出现 1次及以上。至少会出现一次
?	指定前面内容可以出现 0次或一次
.	代指单个除了换行符之外的任意字符
\	用来转义一些特殊字符
|	逻辑或的含义，符号两边内容有一个成立即可
{} () []	三种括号都有其特定的含义

java 中使用 \\\\ 来表示单个 \

字符匹配符

符号	示例	解释
[ ]	[abc]	表示abc中任意一个字符
[^ ]	[abc]	表示除了abc之外的所有其它任意一个字符
[ - ]	[A-Z]	连字符，表示 A 到 Z 之间的任意一个大写字母
.	a..b	匹配除了 \n 以外的任意字符
\\d	\\d{3}(\\d)?	匹配单个数字。示例表示包含 3、4个数字
\\D	\\D(\\d)*	与 \\d 相反。示例表示任意非数字开始后边有任意个数字的组合
\\w	\\d{3}\\w*	表示匹配单个数字、大小写英文字母、下划线的字符。
\\W		与 \\W 相反。
\\s		匹配任意空白的字符，包括制表符，换行符等
\\S		与 \\s 相反

定位符

符号	含义
^	匹配行的开头
$	匹配行的结尾
\\b	匹配目标字符串的边界
\\B	匹配目标字符串的非边界

分组、捕获与反向引用

找出所有四个数字连在一起的子串，并且这四个数字满足第一位与第四位相同，第二位与第三位相同

• 分组：用圆括号组成一个比较复杂的匹配模式，那么一个圆括号的部分可以看作使一个子表达式一个分组

• 捕获：把正则表达式中子表达式/分组匹配的内容。保存到内存中以数字为编号或命名的组里，方便后边引用，从左往右，以分组的左括号为标志，第一个出现的组为1，第二个为2…组0则是整个正则表达式匹配的内容

• 反向引用：圆括号的内容被捕获后，可以在这个括号后被使用，从而写出一个比较使用的匹配模式，这个称为反向引用，这种引用既可以是在正则表达式内部，也可以在正则表达式外部，内部反向引用\\分组号，外部分组引用 $分组号

  • 内部反向引用：使用 \\分组号 来使用前边捕获到的分组内容

    1. 匹配两个连续相同的数字 (\\d)\\1

    2. 匹配五个连续相同的数字 (\\d)\\1{4}

    3. 匹配个位与千位相同，十位与百位相同的四位数 (\\d)(\\d)\\2\\1

  • 外部分组引用：使用 $分组号 在外部使用捕获到的分组内容

  String str = "11333323467";
  // 匹配表示匹配至少有一个重复的内容，如22，333，aaaa 等
  Pattern pattern = Pattern.compile("(\\d)\\1+");
  Matcher matcher = pattern.matcher(str);
  // 用捕获分组1的内容 替换所有匹配到的内容
  str = matcher.replaceAll("$1");
  // 上面的语句可以等价于  
  // while (matcher.find()) {
  //     str = str.replace(matcher.group(0), matcher.group(1));
  // }
  System.out.println(str);  // 结果: 1323467
  

实例

匹配不区分大小写

• (?i)abc 表示 abc 都不区分大小写
• a(?i)bc 表示 bc 都不区分大小写
• a((?i)b)c 表示只有 b 不区分大小写

// Java 代码中实现
Pattern.compile(regex, Pattern.CASE_INSENSITIVE)

贪婪匹配

String str = "aaaaaa"; // 6个a
Pattern pattern = Pattern.compile("a{3,4}");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
    System.out.println(matcher.group(0));
}
// 此时的输出结果只有一个 aaaa 而不是两个 aaa aaa

非贪婪匹配

当 ? ，此字符紧随任何其它限定符 *、+、?、{n}、{n,m} 之后时，匹配的模式是非贪婪匹配。

非贪婪匹配：匹配搜索到的、尽可能短的字符串

+? 与 *? 意义与区别

• +? 表示匹配前面的内容一个或多个

• *? 表示匹配前面的内容0个或多个

代码比对

String content = "111111aaa";
String regex = "";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
    System.out.println("找到结果: " + matcher.group(0));
}

下边都使用上述代码，只是每次的正则表达式不一致

• 使用 regex = "[1a]+"

找到结果: 111111aaa

• 使用 regex = "[1a]*"

找到结果: 111111aaa
找到结果:

• 使用 regex = [1a]?

找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: a
找到结果: a
找到结果: a
找到结果:

• 使用 regex = [1a]+?

找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: 1
找到结果: a
找到结果: a
找到结果: a

• 使用 regex = [1a]*?

找到结果:
找到结果:
找到结果:
找到结果:
找到结果:
找到结果:
找到结果:
找到结果:
找到结果:
找到结果:

验证汉字

使用 [\u0391-\uffe5] 来匹配任意单个汉字

验证url

^(http[s]?://)([\w-]+\.)+([\w]){2,}(:\d{1,5})?(/[\w-#%]+)*(/[\w-#%]+.\w+)?\??([\w-%._#]+=[\w%._#]+&?)*$

在 [ ] 中的内容

将一些特殊元字符放在 [] 中时，相当于使用 \\ 对其进行转义

• 例如：[.] 等价与 \\.

结巴程序

String str = "我我要学学学学编程Java";
Pattern pattern = Pattern.compile("(.)(\\1)+");
Matcher matcher = pattern.matcher(str);
// while (matcher.find()) {
    // str = str.replace(matcher.group(0), matcher.group(1));
// }
content = matcher.replceAll("$1");
System.out.println(str);

验证邮件地址

^[\\w.-_]+@([\\w-_]+\\.)+(\\w){2,}$

验证整数或小数，有正负

^(-+)?([1-9]\\d*|0)(\\.\\d+)?$