Java正则表达式

十度 Java 2016年03月17日收藏

一、概述

　　正则表达式是一串描述一个字符序列的字符，可以用来查找其他字符序列中的匹配项。支持正则表达式处理的是两个类：Pattern和Matcher，使用Pattern定义正则表达式，使用Matcher匹配其他序列中的模式。

二、创建正则表达式

　　创建正则表达式就是创建一个特殊的字符串。

　　正则表达式的编译表达形式：指定为字符串的正则表达式必须首先被编译为此类的实例，然后将得到的模式用于创建Matcher对象。执行匹配所涉及的所有状态都驻留在匹配器中，多个匹配器可以共享同一模式。

public class Test
{
    public static void main(String[] args)
    {
        Pattern pat=Pattern.compile("a*b");
        Matcher  mat=pat.matcher("aaaaab");
        if(mat.matches())
        {
            System.out.print("匹配");
        }
    }
}

　　上述代码等同于

if("aaaaab".matches("a*b"))
    {
        System.out.print("匹配");
    }

　　Pattern对象可以多次使用，如果某个正则表达式只需要一次使用，可直接使用Pattern类的静态matches方法。

　　正则表达式的构造摘要：

构造	匹配
字符
x	字符 x
`\\`	反斜线字符
`\0`n	带有八进制值 `0` 的字符 n (0 `<=` n `<=` 7)
`\0`nn	带有八进制值 `0` 的字符 nn (0 `<=` n `<=` 7)
`\0`mnn	带有八进制值 `0` 的字符 mnn（0 `<=` m `<=` 3、0 `<=` n `<=` 7）
`\x`hh	带有十六进制值 `0x` 的字符 hh
`\u`hhhh	带有十六进制值 `0x` 的字符 hhhh
`\t`	制表符 (`'\u0009'`)
`\n`	新行（换行）符 (`'\u000A'`)
`\r`	回车符 (`'\u000D'`)
`\f`	换页符 (`'\u000C'`)
`\a`	报警 (bell) 符 (`'\u0007'`)
`\e`	转义符 (`'\u001B'`)
`\c`x	对应于 x 的控制符
字符类
`[abc]`	`a`、`b` 或 `c`（简单类）
`[^abc]`	任何字符，除了 `a`、`b` 或 `c`（否定）
`[a-zA-Z]`	`a` 到 `z` 或 `A` 到 `Z`，两头的字母包括在内（范围）
`[a-d[m-p]]`	`a` 到 `d` 或 `m` 到 `p`：`[a-dm-p]`（并集）
`[a-z&&[def]]`	`d`、`e` 或 `f`（交集）
`[a-z&&[^bc]]`	`a` 到 `z`，除了 `b` 和 `c`：`[ad-z]`（减去）
`[a-z&&[^m-p]]`	`a` 到 `z`，而非 `m` 到 `p`：`[a-lq-z]`（减去）
预定义字符类
`.`	任何字符（与行结束符可能匹配也可能不匹配）
`\d`	数字：`[0-9]`
`\D`	非数字： `[^0-9]`
`\s`	空白字符：`[ \t\n\x0B\f\r]`
`\S`	非空白字符：`[^\s]`
`\w`	单词字符：`[a-zA-Z_0-9]`
`\W`	非单词字符：`[^\w]`
边界匹配器
`^`	行的开头
`$`	行的结尾
`\b`	单词边界
`\B`	非单词边界
`\A`	输入的开头
`\G`	上一个匹配的结尾
`\Z`	输入的结尾，仅用于最后的结束符（如果有的话）
`\z`	输入的结尾
Greedy 数量词
X`?`	X，一次或一次也没有
X`*`	X，零次或多次
X`+`	X，一次或多次
X`{`n`}`	X，恰好 n 次
X`{`n`,}`	X，至少 n 次
X`{`n`,`m`}`	X，至少 n 次，但是不超过 m 次
Reluctant 数量词
X`??`	X，一次或一次也没有
X`*?`	X，零次或多次
X`+?`	X，一次或多次
X`{`n`}?`	X，恰好 n 次
X`{`n`,}?`	X，至少 n 次
X`{`n`,`m`}?`	X，至少 n 次，但是不超过 m 次
Possessive 数量词
X`?+`	X，一次或一次也没有
X`*+`	X，零次或多次
X`++`	X，一次或多次
X`{`n`}+`	X，恰好 n 次
X`{`n`,}+`	X，至少 n 次
X`{`n`,`m`}+`	X，至少 n 次，但是不超过 m 次
Logical 运算符
XY	X 后跟 Y
X`\|`Y	X 或 Y
`(`X`)`	X，作为捕获组

　　正则表达式支持的数量标识符有如下几种模式：

　　Greedy(贪婪模式)：默认情况下数量表示符采用贪婪模式，该方式会一直匹配下去直到无法匹配为止。

　　Reluctant(勉强模式)：用问号后缀(?)表示。它只会匹配最少的字符。

　　Possessive(占有模式)：用加号后缀(+)表示，一般较少使用。

　　eg:

public class RegExp
{
    public static void main(String[] args)
    {
        Pattern pat1=Pattern.compile("\\w.*ab");
        Pattern pat2=Pattern.compile("\\w.*?ab");
        Matcher mat1=pat1.matcher("bbbbab aaab jjjjj is");
        Matcher mat2=pat2.matcher("bbbbab aaab jjjjj is");
        System.out.println("-----贪婪模式-------");
        while(mat1.find())
        {
            System.out.println(mat1.group());  //贪婪模式下会一直匹配，输出"bbbbab aaab"
        }
        System.out.println("-----勉强模式-------");
        while(mat2.find())
        {
            System.out.println(mat2.group()); //勉强模式下会最小匹配，输出"bbbbab '换行'  aaab"
        }
    }
}

　　输出结果：

三、使用正则表达式

　　Pattern类没有定义构造函数，是在调用compile()方法时创建模式。

　　Matcher类也没有构造函数，而是调用Pattern定义的matches方法时创建一个Matcher，只要创建了Mather就可以使用它的方法执行各种模式匹配操作。

matches 方法尝试将整个输入序列与该模式匹配。
lookingAt 尝试将输入序列从头开始与该模式匹配。
find 方法扫描输入序列以查找与该模式匹配的下一个子序列。

　　每个方法都返回一个表示成功或者失败的布尔值。通过查询匹配器的状态可以获取更多关于成功匹配的信息。

　　Matcher类提供了很多常用的方法，下面代码简单进行解释其用法：

public class RegExp
{
    public static void main(String[] args)
    {
        Pattern pat=Pattern.compile("\\w.*?ab");
        Matcher mat=pat.matcher("bbbbab aa isabc");
        if(mat.matches())//尝试将整个区域与模式匹配
        {
            System.out.println("模式匹配");
        }
        else
        {
            System.out.println("模式不匹配");
        }
        mat.reset();//重置匹配器
        while(mat.find())  //尝试查找与该模式匹配的输入序列的下一个子序列
        {
            System.out.println(mat.group());//返回由以前匹配操作所匹配的输入子序列
            System.out.println("开始位置："+mat.start()+"---"+"结束位置："+mat.end());//start()返回以前匹配的初始索引,end()返回最后匹配字符之后的偏移量
        }
        mat.reset();
        if(mat.lookingAt())//尝试将从区域开头开始的输入序列与该模式匹配
        {
            System.out.println("模式匹配");
        }
        else
        {
            System.out.println("模式不匹配");
        }
    }
}

　　运行结果：

　　此外，还可以利用正则表达式对目标字符串进行分割、查找、替换等操作。

　　eg：

public class Test
{
    public static void main(String[] args)
    {
        Pattern pat=Pattern.compile("\\w.*?ab");
        Matcher mat=pat.matcher("bbbbab aa isabc");
        System.out.println(mat.replaceAll("替换后"));//替换模式与给定替换字符串相匹配的输入序列的每个子序列
        System.out.println(mat.replaceFirst("替换后"));// 替换模式与给定替换字符串匹配的输入序列的第一个子序列
        Pattern p=Pattern.compile("[ , . !]");//围绕此模式的匹配拆分给定输入序列
        String[] str=p.split("one two,alpha9!done.");//遇到空格、逗号、顿号和感叹号就分割并将结果保存在str字符串数组中
        for(int i=0;i<str.length;i++)
            System.out.println(str[i]);  
    }
}

打印结果为：

四、正则表达式的简单应用

1、打印某页面中出现的所有邮箱地址

public class EmailReg
{
    public static void main(String[] args)
    {
        BufferedReader br=null;
        try
        {
            br=new BufferedReader(new FileReader("C:\\Users\\Administrator\\Desktop\\resource2.html"));
            String line="";
            while((line=br.readLine())!=null)
                {
                    parse(line);
                }
        } 
        catch (FileNotFoundException e)
        {
        
            e.printStackTrace();
        } 
        catch (IOException e)
        {
            e.printStackTrace();
        }
        finally
        {
            if(br!=null)
            {
                try
                {
                    br.close();
                    br=null;
                } 
                catch (IOException e)
                {
                    e.printStackTrace();
                }
            }
        }
    }
    private static void parse(String line)
    {
        Pattern pat=Pattern.compile("\\w{3,20}+@\\w+\\.(com|org|cn|net|gov)");
        Matcher mat=pat.matcher(line);
        while(mat.find())
        {
            System.out.println(mat.group());
        }
    }
}

2、统计某文件夹的.java文件的代码行数、注释行数、空白行行数

import java.io.BufferedReader;
import java.io.File;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.IOException;
public class WordCount
{
     static long wordsNumber=0;
     static long emptyNumber=0;
     static long zhushiNumber=0;
    public static void main(String[] args)
    {
            File f=new File("D:\\src\\"); //文件夹地址
            File[] codeFiles=f.listFiles();
            for(File child:codeFiles)
            {
                if(child.getName().matches(".*\\.java$")) //如果是.java文件，则进行处理
                {
                    parse(child);//处理单个文件
                }
            }
                System.out.println("注释的行数为："+zhushiNumber);
                System.out.println("空行的行数为："+emptyNumber);
                System.out.println("代码行的行数为："+wordsNumber);
    }
    private static void parse(File child)
    {
            BufferedReader br=null;
            boolean comment=false;
            String line="";
            try
            {
                br=new BufferedReader(new FileReader(child));
                while((line=br.readLine())!=null)
                {
                    line=line.trim();
                    if(line.matches("^[\\s&&[^\\n]]*$"))  //匹配空行
                        emptyNumber++;
                     else if (line.startsWith("/*") && !line.endsWith("*/"))   //以/*开头，不以*/结尾，表明有多行注释
                     {
                         zhushiNumber ++;
                        comment = true;    
                    } 
                     else if (line.startsWith("/*") && line.endsWith("*/")) //以/*开头，并且以*/结尾
                     {
                        zhushiNumber ++;
                    } 
                     else if (true == comment) 
                     {
                        zhushiNumber ++;
                        if(line.endsWith("*/")) 
                        {
                            comment = false;
                        }
                    } 
                     else if (line.startsWith("//"))   //以//结尾为注释行
                     {
                        zhushiNumber ++;
                    }
                    else
                        wordsNumber++;
                }
            } 
            catch (IOException e)
            {
                // TODO 自动生成的 catch 块
                e.printStackTrace();
            }
        }
    }

运行结果图：

五、常用表达式总结

　　此部分内容为转载，来自：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html。

1、校验数字的表达式

 1 数字：^[0-9]*$
 2 n位的数字：^\d{n}$
 3 至少n位的数字：^\d{n,}$
 4 m-n位的数字：^\d{m,n}$
 5 零和非零开头的数字：^(0|[1-9][0-9]*)$
 6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
 7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
 8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
 9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$

2、校验字符的表达式

 1 汉字：^[\u4e00-\u9fa5]{0,}$
 2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
 3 长度为3-20的所有字符：^.{3,20}$
 4 由26个英文字母组成的字符串：^[A-Za-z]+$
 5 由26个大写英文字母组成的字符串：^[A-Z]+$
 6 由26个小写英文字母组成的字符串：^[a-z]+$
 7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
 8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
 9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+

3、特殊需求表达式

 1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
 2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
 3 InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
 4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
 5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$ 
 6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
 7 身份证号(15位、18位数字)：^\d{15}|\d{18}$
 8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
 9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$  
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$ 
15 钱的输入格式：
16    1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$ 
17    2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$ 
18    3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$ 
19    4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$ 
20    5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$ 
21    6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$ 
22    7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ 
23    8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$ 
24    备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff]    (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
28 空白行的正则表达式：\n\s*\r    (可以用来删除空白行)
29 HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />    (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$)    (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
31 腾讯QQ号：[1-9][0-9]{4,}    (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d)    (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+    (提取IP地址时有用)
34 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))