正则表达式基础篇

mengnankkzhou2024-10-032024-10-06

简介

一个正则表达式就是一个描述规则的字符串，所以，只需要编写正确的规则，我们就可以让正则表达式引擎去判断目标字符串是否符合规则。

正则表达式是一套标准，它可以用于任何语言。Java标准库的java.util.regex包内置了正则表达式引擎，在Java程序中使用正则表达式非常简单。

举个例子：要判断用户输入的年份是否是20##年，我们先写出规则如下：

一共有4个字符，分别是：2，0，0~9任意数字，0~9任意数字。

对应的正则表达式就是：20\d\d，其中\d表示任意一个数字。

在java中就是

20\\d\\d

注意Java字符串用\\表示\。

匹配规则

正则表达式的匹配规则是从左到右按规则匹配

&

正则表达式

a\&c

它能精确匹配字符串"a&c"

但不能匹配"ac"、"a-c"、"a&&c"等

如果想匹配非ASCII字符，例如中文，那就用\u####的十六进制表示，例如：a\u548cc匹配字符串"a和c"，中文字符和的Unicode编码是548c

这上面是精确匹配，但是用处不大。

因为我们可以直接String.equals()即可

.

可以用.匹配一个任意字符。

例如，正则表达式a.c中间的.可以匹配一个任意字符，例如，下面的字符串都可以被匹配：

"abc"，因为.可以匹配字符b；
"a&c"，因为.可以匹配字符&；
"acc"，因为.可以匹配字符c。

但它不能匹配"ac"、"a&&c"，因为.匹配一个字符且仅限一个字符。

\d

如果我们只想匹配0~9这样的数字，可以用\d匹配。例如，正则表达式00\d可以匹配：

"007"，因为\d可以匹配字符7；
"008"，因为\d可以匹配字符8。

它不能匹配"00A"，"0077"，因为\d仅限单个数字字符。

\w

用\w可以匹配一个字母、数字或下划线，w的意思是word。例如，java\w可以匹配：

"javac"，因为\w可以匹配英文字符c；
"java9"，因为\w可以匹配数字字符9；。
"java_"，因为\w可以匹配下划线_。

它不能匹配"java#"，"java "，因为\w不能匹配#、空格等字符。

\s

用\s可以匹配一个空格字符，注意空格字符不但包括空格，还包括tab字符（在Java中用\t表示）。例如，a\sc可以匹配：

"a c"，因为\s可以匹配空格字符；
"a c"，因为\s可以匹配tab字符\t。

它不能匹配"ac"，"abc"等。

\D

用\d可以匹配一个数字，而\D则匹配一个非数字。例如，00\D可以匹配：

"00A"，因为\D可以匹配非数字字符A；
"00#"，因为\D可以匹配非数字字符#。

00\d可以匹配的字符串"007"，"008"等，00\D是不能匹配的。

类似的，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符，这几个正好是反着来的。

*

修饰符*可以匹配任意个字符，包括0个字符。我们用A\d*可以匹配：

A：因为\d*可以匹配0个数字；
A0：因为\d*可以匹配1个数字0；
A380：因为\d*可以匹配多个数字380。

+

修饰符+可以匹配至少一个字符。我们用A\d+可以匹配：

A0：因为\d+可以匹配1个数字0；
A380：因为\d+可以匹配多个数字380。

但它无法匹配"A"，因为修饰符+要求至少一个字符。

？

修饰符?可以匹配0个或一个字符。我们用A\d?可以匹配：

A：因为\d?可以匹配0个数字；
A0：因为\d?可以匹配1个数字0。

{}

如果我们想精确指定n个字符怎么办？用修饰符{n}就可以。A\d{3}可以精确匹配：

A380：因为\d{3}可以匹配3个数字380。

如果我们想指定匹配n~m个字符怎么办？用修饰符{n,m}就可以。A\d{3,5}可以精确匹配：

A380：因为\d{3,5}可以匹配3个数字380；
A3800：因为\d{3,5}可以匹配4个数字3800；
A38000：因为\d{3,5}可以匹配5个数字38000。

如果没有上限，那么修饰符{n,}就可以匹配至少n个字符。

练习

请编写一个正则表达式匹配国内的电话号码规则：3~4位区号加7~8位电话，中间用-连接，例如：010-12345678。

1	^\d{3,4}-\d{7,8}$

^：表示字符串的开始。
\d{3,4}：匹配 3 到 4 位数字（区号）。
-：匹配一个连接符 -。
\d{7,8}：匹配 7 到 8 位数字（电话号码）。
$：表示字符串的结束。

复杂匹配

用正则表达式进行多行匹配时，我们用^表示开头，$表示结尾。例如，^A\d{3}$，可以匹配"A001"、"A380"。

[…]

如果我们规定一个7~8位数字的电话号码不能以0开头，应该怎么写匹配规则呢？\d{7,8}是不行的，因为第一个\d可以匹配到0。

使用[...]可以匹配范围内的字符，例如，[123456789]可以匹配1~9，这样就可以写出上述电话号码的规则：[123456789]\d{6,7}。

把所有字符全列出来太麻烦，[...]还有一种写法，直接写[1-9]就可以。

所以就是

1	[1-9]\d{6,7}

要匹配大小写不限的十六进制数，比如1A2b3c，我们可以这样写：[0-9a-fA-F]，它表示一共可以匹配以下任意范围的字符：

0-9：字符0~9；
a-f：字符a~f；
A-F：字符A~F。

如果要匹配6位十六进制数，前面讲过的{n}仍然可以继续配合使用：[0-9a-fA-F]{6}

[...]还有一种排除法，即不包含指定范围的字符。假设我们要匹配任意字符，但不包括数字，可以写[^1-9]{3}：

可以匹配"ABC"，因为不包含字符1~9；
可以匹配"A00"，因为不包含字符1~9；
不能匹配"A01"，因为包含字符1；
不能匹配"A05"，因为包含字符5。

或匹配

用|连接的两个正则规则是或规则，例如，AB|CD表示可以匹配AB或CD

现在我们想要匹配字符串learn java、learn php和learn go怎么办？一个最简单的规则是learn\sjava|learn\sphp|learn\sgo，但是这个规则太复杂了，可以把公共部分提出来，然后用(...)把子规则括起来表示成learn\s(java|php|go)。

上面的规则仍然不能匹配learn Java、learn Go这样的字符串。试修改正则，使之能匹配大写字母开头的learn Java、learn Php、learn Go。这个要自己去进行修改

分组匹配

实际上(...)还有一个重要作用，就是分组匹配。

正确的方法是用(...)先把要提取的规则分组，把上述正则表达式变为(\d{3,4})\-(\d{6,8})。就是先进行这个

现在我们没办法用String.matches()这样简单的判断方法了，必须引入java.util.regex包，用Pattern对象匹配，匹配后获得一个Matcher对象，如果匹配成功，就可以直接从Matcher.group(index)返回子串：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class reg_exp {
    public static void main(String[] args) {
        Pattern p = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        Matcher m = p.matcher("010-12345678");
        if(m.matches()){
            String g1 = m.group(1);
            String g2 = m.group(2);
            System.out.println(g2);
            System.out.println(g1);
        }else {
            System.out.println("error");
        }
    }

}

运行上述代码，会得到两个匹配上的子串010和12345678。

1 2	12345678 010

要特别注意，Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串。如果我们传入0会得到什么呢？答案是010-12345678，即整个正则匹配到的字符串。

这里面的括号就是用来进行分组的

但是反复使用String.matches()对同一个正则表达式进行多次匹配效率较低，因为每次都会创建出一样的Pattern对象。完全可以先创建出一个Pattern对象，然后反复使用，就可以实现编译一次，多次匹配：

实现：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class reg_exp {
    public static void main(String[] args) {
        // 创建正则表达式对象，匹配形如 "1234-567890" 的电话号码
        Pattern p = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        
        // 定义要测试的字符串，可以包括多个电话号码
        String[] phoneNumbers = {"010-1245678", "210-5555555", "7895-554446", "040-12345678"};

        // 遍历所有电话号码进行匹配
        for (String phoneNumber : phoneNumbers) {
            Matcher matcher = p.matcher(phoneNumber);
            
            if (matcher.matches()) {
                // 获取匹配的整个字符串以及子组信息
                String area = matcher.group(1); // 区号
                String tel = matcher.group(2);  // 电话号码
                System.out.println("Area Code: " + area + ", Tel: " + tel);
            } else {
                System.out.println("No match for: " + phoneNumber);
            }
        }
    }
}

主要是建了一个数组，然后增强for然后匹配

使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。