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
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7)
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 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')
\cx 对应于 x 的控制符
字符类
[abc] abc(简单类)
[^abc] 任何字符,除了 abc(否定)
[a-zA-Z] azAZ,两头的字母包括在内(范围)
[a-d[m-p]] admp[a-dm-p](并集)
[a-z&&[def]] def(交集)
[a-z&&[^bc]] az,除了 bc[ad-z](减去)
[a-z&&[^m-p]] az,而非 mp[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
X{n,} X,至少 n
X{n,m} X,至少 n 次,但是不超过 m
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
X{n,}? X,至少 n
X{n,m}? X,至少 n 次,但是不超过 m
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
X{n,}+ X,至少 n
X{n,m}+ X,至少 n 次,但是不超过 m
Logical 运算符
XY X 后跟 Y
X|Y XY
(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("//"))   ////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))