Java正则表达式教程及示范代码

Java正则表达式教程及示范代码

正则表达式用来指定字符串模式。当你需要定位匹配某种模式的字符串时就可以使用正则表达式。例如，我们下面的一个例程就是在一个HTML文件中通过查找字符串模式

当然，为了指定一种模式，使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时，你需要使用一种特殊的语法。

这里有一个简单例子。正则表达式 [Jj]ava.+

匹配下列形式的任何字符串：

? ? ?

首字母是J或j 后续的三个字母是ava

字符串的剩余部分由一个或多个任意字符组成

例如，字符串“javaness”匹配这个特殊的正则表达式，但是字符串“Core Java”却不匹配。

如你所见，你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途，使用少量的简单构造（straightforward constructs）就已足够。

?

字符类是可选自符的集合，用‘[’封装，比如[Jj],[0-9],[A-Za-z]或

[^0-9]。这里的-表示范围（Unicode落在两个边界之间的所有字符），^表示求补（指定字符外的所有字符）。

有许多预定以的字符类，像\\d（数字）或\\p{Sc}（Unicode货币符号），见表12-8和12-9。

大多数字符与它们自身匹配，像上例中的ava字符。

符号.匹配任何字符（可能行终止符（line terminators）除外，这依赖于标识设置（flag settings））

\\用作转义符，比如\\.匹配一个句点，\\\\匹配一个反斜杠。 ^和$分别匹配行头和行尾

?

? ?

? ?

?

如果X和Y都是正则表达式，则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”

可以将量词（quantifier）用到表达式中，X+ 表示X重复1次或多次，X* 表示X重复0次或多次，X? 表示X重复0次或1次

默认地，一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀？（称为reluctant或stingy 匹配，用以匹配最小的重复数），和+（称为possessive或贪婪匹配，用以即使在总体匹配失败的情况下也匹配最大的重复数）来更改这种属性。

?

?

例如，字符串cab匹配[a-z]*ab，但不匹配[a-z]*+ab。第一种情况下，[a-z]*只匹配字符c，因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配，模式的剩余部分ab就匹配失败（，这样总体也就匹配失败）。

?

可以使用分组来定义子表达式。将分组封装在（）中，如([+-]?)([0-9]+)。

然后你可以让模式匹配符（the pattern matcher）返回每个分组的匹配，或者使用\\n来回引分组（refer back to a group with \\n），其中n是组号（以\\1起始）

这里有一个稍微有点复杂却又很有用的正则表达式－－它用来描述十进制和十六进制的整数。

[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+

不幸的是，在使用正则表达式的各种程序和库之间，它的语法还没有完全标准化。对基本的构造上已达成了共识，但在细节方面有许多令人“抓狂”的区别（many maddening differences）。Java的正则表达式类使用了与Perl语言类似的语法，但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息，请参考Pattern类的API文档，或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》

(O'Reilly and Associates, 1997)（刚去第二书店查了一下，东南大学出版社已经引入了其第二版，影印）

表12-8 正则表达式语法

语法 解释

字符

c 字符c \%unnnn, \\xnn, \\0n, \\0nn, \\0nnn 带有十六或八进制值的代码单元 \\0n 八进制0n代表的字符（0<=n<=7）

\\0nn 八进制0nn代表的字符(0<=n<=7)

\\0mnn 八进制0mnn代表的字符(0<=m<=3,0<=n<=7)

\\xnn 十六进制 0xnn所代表的字符

\%uhhhh 十六进制 0xhhhh所代表的字符

\\t, \\n, \\r, \\f, \\a, \\e 控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符

\\cc 控制字符中出现的相应字符c

字符类

[C1C2. . .] C1、C2??中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。

[^. . .] 字符类的补集 [ . . . && . . .] 两个字符类的交集

预定义字符类

. 除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）

\\d 数字[0-9] \\D 非数字[^0-9]

\\s 空白字符[\\t\\n\\r\\f\\x0B] \\S 非空白字符

\\w 单词字符[a-zA-Z0-9_] \\W 非单词字符

\\p{name} 一个指定的字符类，见表12-9 \\P{name} 指定字符类的补集

边界匹配符

^ $ 输入的开头和结尾(在多行模式(multiline mode)下是行的开头和结尾)

\\b 单词边界 \\B 非单词边界 \\A 输入的开头 \\z 输入的结尾

\\Z 除最后行终止符之外的输入结尾 \\G 上个匹配的结尾

量词

X? 可选的X（即X可能出现，也可能不出现）

X* X，可以重复0次或多次 X+ X，可以重复1次或多次

X{n} X{n,} X{n,m} X重复n次，至少重复n次，重复n到m次

量词后缀

? 设默认（贪婪）匹配为reluctant匹配 + 设默认（贪婪）匹配为possessive匹配

集合操作

XY X的匹配后面跟着Y的匹配 X|Y X或Y的匹配

分组

(X) 匹配X并且在一个自动计数的分组中捕获它

\\n 与第n个分组的匹配

转义

\\c 字符c（必须不是字母） \\Q...\\E 逐字地引用...

（？...） 特殊构造，看Pattern类的API

正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。这里有一个Java写的测试程序。首先从表示正则表达式的字符串构造一个Pattern对象。然后从该模式获得一个Matcher对象，并且调用它的matches()方法： Pattern pattern = Pattern.compile(patternString); Matcher matcher = pattern.matcher(input); if (matcher.matches()) . . .

表12.9 预定义的字符类名（Predefined Character Class Names）

Lower 小写的ASII字符[a-z] Upper 大写的ASCII字符[A-Z] Alpha ASCII字母[A-Za-z] Digit ASCII 数字 [0-9]

Alnum ASCII 字母或数字[A-Za-z0-9] Xdigit 十六进制数字[0-9A-Fa-f] Print or Graph 可打印的ASCII字符[\\x21-\\x7E] Punct 非字母或数字ASCII [\\p{Print}&&\\P{Alnum}]

ASCII 所有ASCII字符 [\\x00-\\x7F] Cntrl ASCII控制字符[\\x00-\\x1F]

Blank 空格符或制表符[ \\t] Space 空白符 [ \\t\\n\\r\\f\\0x0B]

javaLowerCase 取决于Character.isLowerCase()的小写字符 javaUpperCase 取决于Character.isUpperCase()的大写字符 javaWhitespace 取决于Character.isWhitespace()的空白符

javaMirrored 取决于Character.isMirrored()的Mirrored（？） InBlock 这里的Block是unicode字符的块名，用空格隔开，比如BasicLatin 或 Mongolian。块名列

表 参考http://www.unicode.org

Category 或InCategory 这里的Category是Unicode字符的种类名，比如L（字母）或者Sc（货币符号）。种

类 名列表参考http://www.unicode.org

matcher的输入可以是实现CharSequence接口的任何类对象，像String，StringBuilder或CharBuffer。

当编译模式时，可以设置一个或多个标志，例如 Pattern pattern = Pattern.compile(patternString, Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);

下面六个标志都是支持的：

CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US ASCII字符。

UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配 MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入

UNIX_LINES： 当在多行模式下匹配^和$时，只将'\\n'看作行终止符 DOTALL: 当使用此标志时，.符号匹配包括行终止符在内的所有字符 CANON_EQ: 考虑Unicode字符的规范等价

如果正则表达式包含分组，Matcher对象能够揭示分组边界。方法 int start(int groupIndex) int end(int groupIndex)

返回某个特殊分组的起始索引和结尾后索引（past-the-end index ）。

通过调用String group(int groupIndex)，你可以简单地得到匹配的字符串。 第0个分组代表所有的分组，第一个实际分组的索引是1。调用groupCount来获得总的分组数。

使用开放圆括号来安排嵌套分组。例如，给定模式

((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am,Matcher对象报告下列分组

((1?[0-9]):([0-5][0-9]))[ap]m 并输入

11:59am

matcher报告下列分组

分组索引 起始 结束 字符串

0 0 7 11;59am 1 0 5 11:59 2 0 2 11 3 3 5 59

例12－9提示输入一个模式和一个欲匹配的字符串。它将输出输入的字符串是否匹配模式。如果输入匹配包含分组的模式，程序将会使用圆括号来打印分组边界，如((11):(59))am

Example 12-9. RegexTest.java 1. import java.util.*;

2. import java.util.regex.*; 3.

4. /**

5. This program tests regular expression matching. 6. Enter a pattern and strings to match, or hit Cancel 7. to exit. If the pattern contains groups, the group 8. boundaries are displayed in the match. 9. */

10. public class RegExTest 11. {

12. public static void main(String[] args) 13. {

14. Scanner in = new Scanner(System.in); 15. System.out.println(\16. String patternString = in.nextLine(); 17.

18. Pattern pattern = null; 19. try 20. {

21. pattern = Pattern.compile(patternString); 22. }

23. catch (PatternSyntaxException e) 24. {

25. System.out.println(\26. System.exit(1); 27. }

28.

29. while (true) 30. {

31. System.out.println(\32. String input = in.nextLine();

33. if (input == null || input.equals(\34. Matcher matcher = pattern.matcher(input); 35. if (matcher.matches()) 36. {

37. System.out.println(\38. int g = matcher.groupCount(); 39. if (g > 0) 40. {

41. for (int i = 0; i < input.length(); i++) 42. {

43. for (int j = 1; j <= g; j++) 44. if (i == matcher.start(j)) 45. System.out.print('(');

46. System.out.print(input.charAt(i)); 47. for (int j = 1; j <= g; j++) 48. if (i + 1 == matcher.end(j)) 49. System.out.print(')'); 50. }

51. System.out.println(); 52. } 53. } 54. else

55. System.out.println(\56. } 57. } 58. }

通常地，你不希望匹配整个输入到某个正则表达式，而是希望在输入中找出一个或多个匹配的子字符串。使用Matcher类的find方法来寻找下一个匹配。如果它返回True，再使用start和end方法找出匹配的范围。 while (matcher.find()) {

int start = matcher.start(); int end = matcher.end();

String match = input.substring(start, end); . . . }

例12-10用到了这种机制。它在一个网页中定位所有的超文本引用并打印它们。为运行程序，在命令行提供一个URL，比如 java HrefMatch http://www.horstmann.com

Example 12-10. HrefMatch.java 1. import java.io.*; 2. import java.net.*;

3. import java.util.regex.*; 4.

5. /**

6. This program displays all URLs in a web page by 7. matching a regular expression that describes the 8. HTML tag. Start the program as 9. java HrefMatch URL 10. */

11. public class HrefMatch 12. {

13. public static void main(String[] args) 14. {

15. try 16. {

17. // get URL string from command line or use default 18. String urlString;

19. if (args.length > 0) urlString = args[0]; 20. else urlString = \21.

22. // open reader for URL

23. InputStreamReader in = new InputStreamReader(new URL(urlString).openStream()); 24.

25. // read contents into string buffer

26. StringBuilder input = new StringBuilder(); 27. int ch;

28. while ((ch = in.read()) != -1) input.append((char) ch); 29.

30. // search for all occurrences of pattern

31. String patternString = \^\\\\s>])\\\\s*>\

32. Pattern pattern = Pattern.compile(patternString, Pattern.CASE_INSENSITIVE);

33. Matcher matcher = pattern.matcher(input); 34.

35. while (matcher.find())

36. {

37. int start = matcher.start(); 38. int end = matcher.end();

39. String match = input.substring(start, end); 40. System.out.println(match); 41. } 42. }

43. catch (IOException e) 44. {

45. e.printStackTrace(); 46. }

47. catch (PatternSyntaxException e) 48. {

49. e.printStackTrace(); 50. } 51. } 52. }

Matcher类的replaceAll方法用一个替换字符串代替出现的所有正则表达式的匹配。比如，下列指令用#替换所有数字序列

Pattern pattern = Pattern.compile(\Matcher matcher = pattern.matcher(input); String output = matcher.replaceAll(\

替换字符串可以包含模式中的分组引用：$n被第n个分组替换。替换文本中出现$时，使用\\$来包含它。

replaceFirst方法只替换模式的第一次出现。

最后讲一点，Pattern类有一个split方法，它类似于字符串tokenizer。它使用正则表达式匹配作边界，将输入分离成字符串数组。比如，下面的指令将输入分离成记号（token），

Pattern pattern = Pattern.compile(\String[] tokens = pattern.split(input); 类

java.util.regex.Pattern 1.4

方法

static Pattern compile(String expression)

static Pattern compile(String expression, int flags) 编译正则表达式字符串到pattern对象用以匹配的快速处理 参数:

expression 正则表达式

flags 下列标志中的一个或多

个 CASE_INSENSITIVE, UNICODE_CASE, MULTILINE, UNIX_LINES, DOTALL, and CANON_EQ

Matcher matcher(CharSequence input)

返回一个matcher对象，它可以用来在一个输入中定位模式匹配

String[] split(CharSequence input)

String[] split(CharSequence input, int limit)

将输入字符串分离成记号，并由pattern来指定分隔符的形式。返回记号数组。分隔符并不是记号的一部分。 参数:

input 分离成记号的字符串 limit 生成的最大字符串数。

类

java.util.regex.Matcher 1.4

方法

boolean matches()

返回输入是否与模式匹配

boolean lookingAt()

如果输入的起始匹配模式则返回True

boolean find()

boolean find(int start)

尝试查找下一个匹配，并在找到匹配时返回True 参数:

start 开始搜索的索引

int start() int end()

返回当前匹配的起始位置和结尾后位置

String group() 返回当前匹配

int groupCount()

返回输入模式中的分组数

int start(int groupIndex)

int end(int groupIndex)

返回一个给定分组当前匹配中的起始位置和结尾后位置 参数:

groupIndex分组索引（从1开始），0表示整个匹配

String group(int groupIndex) 返回匹配一个给定分组的字符串 参数:

groupIndex

分组索引（从1开始），0表示整个匹配

String replaceAll(String replacement) String replaceFirst(String replacement) 返回从matcher输入得到的字符串，但已经用替换表达式替换所有或第一个匹配 参数:

replacement 替换字符串

Matcher reset()

Matcher reset(CharSequence input) 复位mather状态。

本文来源：https://www.bwwdw.com/article/hyov.html