快捷導(dǎo)航

Java API學(xué)習(xí)教程之正則表達(dá)式詳解

更新時(shí)間：2017年07月16日 08:32:00 作者：Single_YAM

正則表達(dá)式的強(qiáng)大眾所周知，它令程序員的頭痛程度也數(shù)一數(shù)二的。下面這篇文章主要給大家介紹了關(guān)于Java API學(xué)習(xí)教程之正則表達(dá)式的相關(guān)資料，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面來(lái)一起看看吧。

前言

正則表達(dá)式是什么應(yīng)該不用過(guò)多介紹，每位程序員應(yīng)該都知道，正則表達(dá)式描述的是一種規(guī)則，符合這種限定規(guī)則的字符串我們認(rèn)為它某種滿(mǎn)足條件的，是我們所需的。在正則表達(dá)式中，主要有兩種字符，一種描述的是普通的字符，另一種描述的是元字符。其中元字符是整個(gè)正則表達(dá)式的核心，并由它完成規(guī)則的制定工作。

本篇文章主要從Java這門(mén)程序設(shè)計(jì)語(yǔ)言的角度理解正則表達(dá)式的應(yīng)用，主要涉及以下內(nèi)容：

•基本正則表達(dá)式的理論基礎(chǔ)

•Java中用于正則表達(dá)式匹配的類(lèi)

•幾種常用的正則表達(dá)式使用實(shí)例

一、正則表達(dá)式的理論基礎(chǔ)

1、普通字符的表示

我們說(shuō)正則表達(dá)式主要由普通字符和元字符組成，那么我們首先先看看普通字符該如何表示。大部分普通字符由字符本身即可表示，例如：'s','i','n','g','l','e'等。除此之外，也有一些特殊的表示方式。

以/0開(kāi)頭，后面緊跟1-3位數(shù)字，表示的是一個(gè)八進(jìn)制數(shù)。這個(gè)數(shù)的十進(jìn)制值對(duì)應(yīng)于ASCII編碼中的相應(yīng)字符。
以/x或者/X開(kāi)頭，后面緊跟兩位字符，表示的是一個(gè)十六進(jìn)制的數(shù)。該數(shù)的十進(jìn)制的值對(duì)應(yīng)于ASCII編碼中相應(yīng)的字符。
以/u開(kāi)頭，后面緊跟四位字符，表示一個(gè)Unicode編號(hào)。該編號(hào)對(duì)應(yīng)于Unicode字符集中的一個(gè)具體字符。
另外還有一些元字符，雖然它們具有特殊的含義，但是往往在某種特殊情況下，需要將這些元字符當(dāng)做普通字符使用，我們使用 '/'+元字符，表示轉(zhuǎn)移該元字符，此后該元字符將表示一個(gè)普通字符。例如：'//'，'/^'，它們分別表示的是 '/'和 '^'，不再具有特殊含義了。下面我們開(kāi)始逐漸介紹正則表達(dá)式語(yǔ)法中的元字符的特殊含義。

2、字符組匹配單個(gè)字符

我們用一對(duì)中括號(hào)（[.....]）表示字符組，整個(gè)字符組中會(huì)有多個(gè)字符位列其中，該字符組表示的含義是：匹配任意一個(gè)字符，該字符是位列字符組中的。例如： [single]匹配的是字符's','i','n','g','l','e'中的任意一個(gè)字符。以上我們簡(jiǎn)單介紹了字符組的基本概念以及它所能匹配的內(nèi)容，其實(shí)有時(shí)候?yàn)榱吮硎鲞B續(xù)的字符，我們會(huì)結(jié)合元字符 '-' 一起來(lái)操作字符組。例如：[0123456789]，匹配的是0到9之間的任意一個(gè)數(shù)字，對(duì)于這種情況我們可以選擇這樣來(lái)簡(jiǎn)化操作：[0-9]。其實(shí)兩者表述的含義是一樣的，為了簡(jiǎn)化起見(jiàn)，如果遇到連續(xù)的字符表述，可以選擇使用元字符來(lái)簡(jiǎn)化。同樣的還有[a-z]，它匹配任意一個(gè)小寫(xiě)字母。對(duì)于元字符 '-' 還需要說(shuō)明一點(diǎn)的是：該字符只有出現(xiàn)在兩個(gè)字符之間才具有特殊含義，單獨(dú)出現(xiàn)在字符組的所有字符之前或者之后只能表述普通字符 '-' 。下面介紹有關(guān)字符組的一些其他相關(guān)的元字符。

元字符 '^' 表示排除的意思，和元字符 '-' 類(lèi)似，只有放在所有字符的最前面才具有特殊含義，否則只能表示普通字符。例如： [^1234] ，該字符組匹配一個(gè)字符，但是不是1或2或3或4。當(dāng)然， [c^yy] ，匹配的是四個(gè)普通字符，'c','^','y','y'。此外，需要注意一點(diǎn)的是，除了以上介紹的幾種元字符必須置放于指定位置上才能起作用以外，其余所有元字符在字符組中統(tǒng)統(tǒng)被視作普通字符，不再具有特殊含義。

除此之外，字符組還支持嵌套使用。例如： [0-9[a-z]] ，該字符組匹配一個(gè)數(shù)字或者一個(gè)字母。我們也可以使用&&加強(qiáng)限定規(guī)則。例如： [0-9&&[^0123]] ，該字符組匹配的是0到9之間任意一個(gè)數(shù)字，但是該數(shù)字不能是0到3中任意一個(gè)，也就是只能匹配4到9之間任意一個(gè)數(shù)字。最后和字符組有關(guān)的內(nèi)容還是涉及一個(gè)預(yù)定義字符組，所謂預(yù)定義字符組就是對(duì)字符組的適當(dāng)封裝，對(duì)于一些簡(jiǎn)單的組合使用簡(jiǎn)介的調(diào)用方式。例如：

•\d：等同于字符組 [0-9]，表示任意一個(gè)數(shù)字字符

•\w：較為常見(jiàn)，等同于字符組[0-9a-zA-Z]，表示任意一個(gè)world（單詞字符）

•\s：等同于[ \t\n\x0B\f\r] ，匹配的是一個(gè)空格字符（space）

當(dāng)然，它們也有相對(duì)應(yīng)的大寫(xiě)形式，但是表示的意思卻是截然相反的。

•\D：等同于[^0-9] ，表示一個(gè)任意非數(shù)字字符

•\W：等同于[^0-9a-zA-Z] ，表示任意一個(gè)非單詞字符，往往會(huì)是一些特殊符號(hào)

•\S：等同于[^\t\n\x0B\f\r] ，匹配一個(gè)任意非空格的字符

3、用于指定字符多次出現(xiàn)的量詞

所謂的量詞主要是三個(gè)元字符，它們主要用于指定量詞前面的字符在匹配時(shí)可以多次出現(xiàn)，具體區(qū)別接下來(lái)會(huì)介紹。首先我們需要知道，這三個(gè)元字符是：+ ，*， ?。下面描述它們各自作用及相互之間的區(qū)別：

•+：該元字符指定位于元字符前面的普通字符可以出現(xiàn)一次或者多次。例如：se+cyy這個(gè)正則表達(dá)式，字符secyy，seeeecyy都是可以匹配的，但是scyy是不能匹配的，前面的字符是必須出現(xiàn)的。

•*：該元字符指定位于元字符前面的普通字符可以出現(xiàn)零次或多次。例如：
se*cyy

對(duì)于該正則表達(dá)式而言，secyy,seecyy都是可匹配的，并且scyy也是可以匹配的。這就是和元字符 + 的簡(jiǎn)單區(qū)別。

•?：該元字符指定位于元字符前面的普通字符可以出現(xiàn)也可以不出現(xiàn)，但是不能多次出現(xiàn)。例如：se?cyy，對(duì)于該正則表達(dá)式，secyy,scyy等都是可匹配的，但是seeeecyy則是不能匹配的。它指定你前面的一個(gè)字符要么出現(xiàn)，要么不出現(xiàn)，不允許多次出現(xiàn)。

在這里我們要申明一個(gè)誤區(qū)，這里的三個(gè)元字符量詞作用的是緊鄰該元字符前面的一個(gè)字符，并不是作用與元字符前面所有的字符，這里是需要注意的，包括筆者當(dāng)初也都是誤以為此的。

以上我們介紹了簡(jiǎn)單量詞的概念，但是它們只能用于表示模糊的次數(shù)?？梢猿霈F(xiàn)多次，但是多次是多少卻沒(méi)有定論。對(duì)于要求字符出現(xiàn)精確次數(shù)的情況，我們可以使用通用量詞來(lái)解決。{m,n}是通用量詞的最基本形式，它指定前面的字符出現(xiàn)的次數(shù)在m到n之間。

看幾個(gè)例子：

•se{0,10}cyy：其中e可以出現(xiàn)0-10次

•se{9}cyy：其中e必須出現(xiàn)9次

•se{0,}cyy：其中e可以出現(xiàn)0-無(wú)窮大次，等同于se*cyy。

4、分組劃分組別

在介紹分組之前，無(wú)論是使用量詞還是字符組都是針對(duì)的一個(gè)字符。而分組針對(duì)的就是一串字符，我們也可以對(duì)分組使用量詞，控制該分組出現(xiàn)的次數(shù)。我們使用（）括號(hào)表示分組，例如：

sing(le)de(cyy

其中l(wèi)e和cyy分別是一個(gè)分組，對(duì)于一個(gè)完整的正則表達(dá)式，從頭開(kāi)始，每個(gè)分組都是有編號(hào)的，按照出現(xiàn)的次序，以1為基數(shù)遞增。至于為什么要有編號(hào)，下文說(shuō)。對(duì)于分組我們依然是可以使用量詞控制其出現(xiàn)次數(shù)的，例如：

sing(le)+cccc：在該正則表達(dá)式中，分組le可以出現(xiàn)一次或者多次
sing(le)*cccc：在該正則表達(dá)式中，分組le可以出現(xiàn)零次或者多次

結(jié)合元字符 '| '，可以實(shí)現(xiàn)和字符組一樣的功效，例如：

(happy|cyy|single)

該正則表達(dá)式可以匹配三個(gè)字符子串，happy,cyy,single。但是這里需要注意的是，元字符 | 如果用于字符組中就不再具有特殊含義，將會(huì)被作為普通字符來(lái)匹配。（這一點(diǎn)其實(shí)在介紹字符組的時(shí)候已經(jīng)強(qiáng)調(diào)過(guò)）

下面解決一個(gè)上文遺留問(wèn)題，分組的編號(hào)到底有什么作用。為分組編號(hào)其實(shí)是為了重新捕獲和使用分組，每個(gè)分組按照出現(xiàn)的次序從1開(kāi)始遞增，我們使用 +分組編號(hào)進(jìn)行引用。

例如：

<(\w+)>(.*)</\1>：該正則表達(dá)式等效于：<(\w+)>(.*)</\w+>

(\w+)表示任意個(gè)字符（字母或數(shù)字），(.*)表示任意的符號(hào)，\1則引用了分組(\w+)。所以在這里，html中所有非單標(biāo)簽元素都是能匹配的。當(dāng)然，如果我們不想使用默認(rèn)的編號(hào)來(lái)引用分組，我們其實(shí)也是可以在定義分組的時(shí)候?yàn)榉纸M命名。為分組命名的語(yǔ)法格式為： (?<name>X) ，引用分組的語(yǔ)法格式為： \k<name> 。例如：

<(?<num1>a)>(.*)</\k<num1>>：等效于：<a>(.*)</a>

上述正則表達(dá)式定義了一個(gè)名為num1的分組，并后續(xù)進(jìn)行了引用。下面介紹正則表達(dá)式的最后一塊理論基礎(chǔ)，邊界匹配。

5、邊界匹配

以上我們所介紹的所有內(nèi)容主要還是針對(duì)單個(gè)字符或者多個(gè)字符組成的分組，我們可以限制他們的出現(xiàn)次數(shù)以及出現(xiàn)位置等。但是其實(shí)在正則表達(dá)式中，我們也是可以限制邊界必須滿(mǎn)足某種條件的。主要涉及的元字符有：^, $, \A, \Z, \z和\b。

首先看元字符 ^ ，在字符組中，該元字符表示否定的意思，此處匹配正則表達(dá)式首部位置邊界。例如： ^abc匹配一個(gè)以abc開(kāi)頭的字符串。

元字符 $匹配的字符串的尾部邊界，它規(guī)定被匹配的字符串必須以什么結(jié)束。例如：

abc$：dabc,abc,abc/n都是可匹配的

實(shí)際上，如果被匹配字符串是以指定字符結(jié)尾或者指定字符之后跟換行符，都是可匹配的。此處需要注意尾部邊界匹配時(shí)的表述格式。（不同于首部匹配）

\b匹配的是單詞邊界，所謂的單詞邊界指的就是：當(dāng)一邊是字符，一邊是非字符的時(shí)候，此處即為單詞邊界。也就是單詞結(jié)束的那個(gè)位置。還有一些邊界，例如：\A，\b，\Z等，各自匹配的邊界如下圖所示；

當(dāng)然，對(duì)于邊界匹配最通用的一種方式就是環(huán)視。它不局限于整個(gè)表達(dá)式的開(kāi)頭和結(jié)尾，它可以出現(xiàn)在表達(dá)式中的任何位置，既可以向前匹配，也可以向后匹配。主要分為以下四種情況：

•肯定順序環(huán)視：它要求表達(dá)式的右邊字符串必須滿(mǎn)足某種約定，語(yǔ)法(?=....) 。例如：single(?=cyy) ，字符e的右邊即為邊界并且要求必須為cyy，所以該表達(dá)式只能匹配singlecyy。

•否定順序環(huán)視：它要求表達(dá)式的右邊字符串必須不能滿(mǎn)足某種約定，和上一中情況是相反的，語(yǔ)法格式為：(?!...)。

•肯定逆序環(huán)視：它要求表達(dá)式的左邊必須滿(mǎn)足某種約束，語(yǔ)法格式為：(?<=...) 。

•否定逆序環(huán)視：它要求表達(dá)式的左邊必須不能滿(mǎn)足某種約束，語(yǔ)法格式為：(?<！...) 。（此處為了消除！在MarkDown編輯器中的特殊樣式，加了空格，望讀者注意）

雖然看起來(lái)有四種不同的環(huán)視類(lèi)型，但是實(shí)際上分為兩種，一種是向左看，一種是向右看。以上有關(guān)正則表達(dá)式的基本內(nèi)容大致介紹完結(jié)，下面主要看看如何在Java中驗(yàn)證我們上述的這些理論。

二、Java API對(duì)正則表達(dá)式的支持

在Java中，對(duì)正則表達(dá)式的支持，主要還是java.util.regex這個(gè)包，我們常用的是其中的Pattern和Matcher這兩個(gè)類(lèi)。其中Pattern綁定了一個(gè)正則表達(dá)式，也就是代表了一個(gè)規(guī)則，Matcher綁定了一個(gè)Pattern和一個(gè)被處理的字符串，我們可以利用Matcher中的一些方法來(lái)完成匹配工作。此外，Java中所有的正則表達(dá)式都是以字符串的形式出現(xiàn)的，所以自然離不開(kāi)String這個(gè)類(lèi)，該類(lèi)中的很多方法的參數(shù)都是基于正則表達(dá)式的，下文將詳細(xì)介紹。我們首先看Pattern這個(gè)類(lèi)。

Pattern主要用于編譯一個(gè)正則表達(dá)式，也就是創(chuàng)建一個(gè)Pattern對(duì)象，該對(duì)象與實(shí)際的一個(gè)正則表達(dá)式想綁定，它僅僅代表一個(gè)規(guī)則，與實(shí)際要匹配的字符串無(wú)關(guān)。

例如：

String str = "http://w";
Pattern p = Pattern.compile(str);

Pattern的compile方法將str這個(gè)正則表達(dá)式編譯成一種內(nèi)部結(jié)構(gòu)，然后以Pattern實(shí)例的形式返回，至于這種內(nèi)部結(jié)構(gòu)是什么樣子的，此處暫時(shí)不涉及。我們只需要知道，此時(shí)返回的pattern實(shí)例是綁定了一個(gè)正則表達(dá)式的。當(dāng)然，Pattern還有一個(gè)compile重載，可顯式指定匹配模式。

public static Pattern compile(String regex, int flags) {
 return new Pattern(regex, flags);
}

此處主要有四種匹配模式可選，單行模式，多行模式，無(wú)視大小寫(xiě)模式，無(wú)視元字符模式（該模式下，所有元字符將會(huì)失效）。各自對(duì)應(yīng)的常量：Pattern.DOTALL，Pattern.MULTILINE，Pattern.CASE_INSENSITIVE，Pattern.LITERAL。這些常量的值如下：

public static final int DOTALL = 0x20;（32）
public static final int MULTILINE = 0x08;（8）
public static final int CASE_INSENSITIVE = 0x02;（2）
public static final int LITERAL = 0x10;（16）

當(dāng)然，我們沒(méi)必要記住他們各自所對(duì)應(yīng)的常量的值，在使用的時(shí)候直接調(diào)用它們的常量名即可。下面通過(guò)介紹String的幾個(gè)基本方法，了解正則表達(dá)式在Java中的基本使用情況。

首先我們看split方法，該方法用于分割字符串，返回一個(gè)String數(shù)組。

public String[] split(String regex, int limit)

第一個(gè)參數(shù)接受的是一個(gè)正則表達(dá)式，第二參數(shù)用于限定分割次數(shù)。其實(shí)從其源代碼中我們大致可以知曉該方法作用原理：首先利用indexOf方法找到分割符首次出現(xiàn)的位置，將該位置以前所有字符保存，拿到剩余子串的所有內(nèi)容，一樣的操作。最后得到的數(shù)組就是按照分隔符分割的結(jié)果。limit只不過(guò)強(qiáng)制限定了分割次數(shù)，達(dá)到次數(shù)上限，即使后面仍有分隔符可匹配，也選擇放棄。（打包后面所有內(nèi)容為一個(gè)分組），看個(gè)例子：

public static void main(String [] args){
 String str = "cyy,single.abc/https";
 String[] results = str.split("[,./]");
 for(String s : results){
 System.out.print(s+" ");
 }
}

輸出結(jié)果：cyy single abc https

此處有人可能會(huì)有疑問(wèn)，說(shuō)好的Pattern和Matcher才是正則表達(dá)式的主要操作類(lèi)，怎么沒(méi)見(jiàn)到他們。其實(shí)在split內(nèi)部調(diào)用的就是Pattern的相關(guān)方法。

return Pattern.compile(regex).split(this, limit);

這是String類(lèi)中split方法的最后一行代碼，String中的split方法除了最后一行代碼，其余代碼處理的都是regex為普通單個(gè)字符的情況，而對(duì)于多個(gè)字符乃至包含元字符的時(shí)候都是由Pattern中split方法處理的，該方法中會(huì)創(chuàng)建Matcher類(lèi)并調(diào)用其中find等方法進(jìn)行匹配查找，代碼量比較多，此處不再贅述。

下面看String的一個(gè)匹配校驗(yàn)的方法。

public boolean matches(String regex) {
 return Pattern.matches(regex, this);
}

顯然，該方法內(nèi)部調(diào)用的是Pattern的matches方法，

public static boolean matches(String regex, CharSequence input) {
 Pattern p = Pattern.compile(regex);
 Matcher m = p.matcher(input);
 return m.matches();
}

這是一個(gè)非常標(biāo)準(zhǔn)的對(duì)正則表達(dá)式的處理流程，首先編譯（綁定）正則表達(dá)式字符串獲取Pattern實(shí)例，然后調(diào)用Pattern的matcher方法獲取Matcher實(shí)例，接著就可以利用Matcher實(shí)例完成大量工作。此處調(diào)用matches方法完成對(duì)已綁定的正則表達(dá)式和預(yù)處理字符串的匹配工作，返回值為boolean。

最后看String的ReplaceAll方法：

public String replaceAll(String regex, String replacement) {
 return Pattern.compile(regex).matcher(this).replaceAll(replacement);
}

該方法實(shí)際上還是依賴(lài)的Matcher中的replaceAll方法，由于一個(gè)Matcher實(shí)例是同時(shí)綁定一個(gè)正則表達(dá)式和一個(gè)被匹配字符串的。所以在Matcher內(nèi)部的replaceAll方法在進(jìn)行搜索匹配的時(shí)候就無(wú)需傳入額外參數(shù)。具體代碼，大家可以自行查看，此處節(jié)約篇幅不再贅述。

三、常見(jiàn)正則表達(dá)式的案例

接下來(lái)我們主要從日常較為普遍使用的一些案例中來(lái)深刻理解上述所有內(nèi)容。

1、Email地址

通常我們的Email地址的格式主要是：

•3-18字符，可使用英文、數(shù)字、減號(hào)、點(diǎn)或下劃線

•必須以英文字母開(kāi)頭，必須以英文字母或數(shù)字結(jié)尾

•點(diǎn)、減號(hào)、下劃線不能連續(xù)出現(xiàn)兩次或兩次以上

以上是騰訊QQ郵箱的要求，相對(duì)而言已算是較為復(fù)雜，接下來(lái)我么看如何實(shí)現(xiàn)它。首先，第一條要求：

[-._a-z0-9A-Z]{3,18}

滿(mǎn)足第二條要求：

[a-zA-Z][-._a-z0-9A-Z]{1,16}/w

滿(mǎn)足第三個(gè)條件：

(?![-0-9a-zA-Z._]*(--|\.\.|__))[a-zA-Z][-._a-z0-9A-Z]{1,16}/w

至于最后一個(gè)條件的匹配，我們使用否定順序環(huán)視來(lái)實(shí)現(xiàn)，它要求右邊界所有內(nèi)容不能是如下的形式：0個(gè)或者多個(gè)（英文、數(shù)字、減號(hào)、點(diǎn)或下劃線）加上兩個(gè)連續(xù)減號(hào)或者點(diǎn)或者下劃線。也就是說(shuō)，右邊如果由多個(gè)字符或者一個(gè)減號(hào)，點(diǎn)或者下劃線，那是沒(méi)事的，可一旦出現(xiàn)連續(xù)的減號(hào)，點(diǎn)或者下劃線，那么就將立馬被否定順序環(huán)視匹配，進(jìn)而不滿(mǎn)足條件結(jié)束。

其實(shí)上述對(duì)郵箱用戶(hù)名的匹配算是比較嚴(yán)格的，一般用于匹配郵箱用戶(hù)名的正則表達(dá)式則沒(méi)這么嚴(yán)格，具體要求如下：

•由英文字母、數(shù)字、下劃線、減號(hào)、點(diǎn)號(hào)組成

•至少1位，不超過(guò)64位

•開(kāi)頭不能是減號(hào)、點(diǎn)號(hào)和下劃線

由于比較簡(jiǎn)單，此處直接寫(xiě)出結(jié)果：