正则表达式

众所周知，在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。

大家都知道，正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。

因为正则表达式是一个很庞杂的体系，所以我仅例举些入门的概念，更多的请参阅相关书籍及自行摸索。

\\反斜杠

\t间隔('\')

\n换行('\')

\r回车('\')

\d数字等价于[0-9]

\D非数字等价于[^0-9]

\s空白符号[\t\n\x0B\f\r]

\S非空白符号[^\t\n\x0B\f\r]

\w单独字符[a-zA-Z_0-9]

\W非单独字符[^a-zA-Z_0-9]

\f换页符

\eEscape

\b一个单词的边界

\B一个非单词的边界

\G前一个匹配的结束

^为限制开头

^java条件限制为以Java为开头字符

$为限制结尾

java$条件限制为以java为结尾字符

.条件限制除\n以外任意一个单独字符

java..条件限制为java后除换行外任意两个字符

加入特定限制条件「[]」

[a-z]条件限制在小写atoz范围中一个字符

[A-Z]条件限制在大写AtoZ范围中一个字符

[a-zA-Z]条件限制在小写atoz或大写AtoZ范围中一个字符

[0-9]条件限制在小写0to9范围中一个字符

[0-9a-z]条件限制在小写0to9或atoz范围中一个字符

[0-9[a-z]]条件限制在小写0to9或atoz范围中一个字符(交集)

[]中加入^后加再次限制条件「[^]」

[^a-z]条件限制在非小写atoz范围中一个字符

[^A-Z]条件限制在非大写AtoZ范围中一个字符

[^a-zA-Z]条件限制在非小写atoz或大写AtoZ范围中一个字符

[^0-9]条件限制在非小写0to9范围中一个字符

[^0-9a-z]条件限制在非小写0to9或atoz范围中一个字符

[^0-9[a-z]]条件限制在非小写0to9或atoz范围中一个字符(交集)

在限制条件为特定字符出现0次以上时，可以使用「*」

J*0个以上J

.*0个以上任意字符

J.*DJ与D之间0个以上任意字符

在限制条件为特定字符出现1次以上时，可以使用「+」

J+1个以上J

.+1个以上任意字符

J.+DJ与D之间1个以上任意字符

在限制条件为特定字符出现有0或1次以上时，可以使用「?」

JA?J或者JA出现

限制为连续出现指定次数字符「{a}」

J{2}JJ

J{3}JJJ

文字a个以上，并且「{a,}」

J{3,}JJJ,JJJJ,JJJJJ,???(3次以上J并存)

文字个以上，b个以下「{a,b}」

J{3,5}JJJ或JJJJ或JJJJJ

两者取一「|」

J|AJ或A

Java|HelloJava或Hello

「()」中规定一个组合类型

比如，我查询<ahref=\"index.html\">index</a>中<ahref></a>间的数据，可写作<a.*href=\".*\">(.+?)</a>

在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：

PatternPattern.compile(Stringregex,intflag)

flag的取值范围如下：

Pattern.CANON_EQ当且仅当两个字符的"正规分解(canonicaldecomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a\?"会匹配"?"。默认情况下，不考虑"规范相等性(canonicalequivalence)"。

Pattern.CASE_INSENSITIVE(?i)默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配，只要将UNICODE_CASE与这个标志合起来就行了。

Pattern.COMMENTS(?x)在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：不是指表达式里的"\\s"，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。

Pattern.DOTALL(?s)在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。

Pattern.MULTILINE

(?m)在这种模式下，'^'和'$'分别匹配一行的开始和结束。此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。

Pattern.UNICODE_CASE

(?u)在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。

Pattern.UNIX_LINES(?d)在这个模式下，只有'\n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。

抛开空泛的概念，下面写出几个简单的Java正则用例：

◆比如，在字符串包含验证时

//查找以Java开头,任意结尾的字符串

Patternpattern=Pattern.compile("^Java.*");

Matchermatcher=pattern.matcher("Java不是人");

booleanb=matcher.matches();

//当条件满足时，将返回tr，否则返回false

System.out.println(b);

◆以多条件分割字符串时

Patternpattern=Pattern.compile("[,|]+");

String[]strs=pattern.split("JavaHelloWorldJava,Hello,,World|Sun");

for(inti=0;i<strs.length;i++){

System.out.println(strs[i]);

}

◆文字替换（首次出现字符）

Patternpattern=Pattern.compile("正则表达式");

Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");

//替换第一个符合正则的数据

System.out.println(matcher.replaceFirst("Java"));

◆文字替换（全部）

Patternpattern=Pattern.compile("正则表达式");

Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");

//替换第一个符合正则的数据

System.out.println(matcher.replaceAll("Java"));

◆文字替换（置换字符）

Patternpattern=Pattern.compile("正则表达式");

Matchermatcher=pattern.matcher("正则表达式HelloWorld,正则表达式HelloWorld");

StringB?rsbr=newStringB?r();

while(matcher.find()){

matcher.appendReplacement(sbr,"Java");

}

matcher.appendTail(sbr);

System.out.println(sbr.toString());

◆验证是否为邮箱地址

Stringstr="[email protected]";

Patternpattern=Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);

Matchermatcher=pattern.matcher(str);

System.out.println(matcher.matches());

◆去除html标记

Patternpattern=Pattern.compile("<.+?>",Pattern.DOTALL);

Matchermatcher=pattern.matcher("<ahref=\"index.html\">主页</a>");

Stringstring=matcher.replaceAll("");

System.out.println(string);

◆查找html中对应条件字符串

Patternpattern=Pattern.compile("href=\"(.+?)\"");

Matchermatcher=pattern.matcher("<ahref=\"index.html\">主页</a>");

if(matcher.find())

System.out.println(matcher.group(1));

}

◆截取http://地址

//截取url

Patternpattern=Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");

Matchermatcher=pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");

StringB?rb?r=newStringB?r();

while(matcher.find()){

b?r.append(matcher.group());

b?r.append("\r\n");

System.out.println(b?r.toString());

}

◆替换指定{}中文字

Stringstr="Java目前的发展史是由{0}年-{1}年";

String[][]object={newString[]{"\\{0\\}","1995"},newString[]{"\\{1\\}","2007"}};

System.out.println(replace(str,object));

plicstaticStringreplace(finalStringsourceString,Object[]object){

Stringtemp=sourceString;

for(inti=0;i<object.length;i++){

String[]result=(String[])object[i];

Patternpattern=Pattern.compile(result[0]);

Matchermatcher=pattern.matcher(temp);

temp=matcher.replaceAll(result[1]);

}

returntemp;

}

◆以正则条件查询指定目录下文件

//用于缓存文件列表

privateArrayListfiles=newArrayList();

//用于承载文件路径

privateString_path;

//用于承载未合并的正则公式

privateString_regexp;

classMyFileFilterimplementsFileFilter{

/**

*匹配文件名称

*/

plicbooleanaccept(Filefile){

try{

Patternpattern=Pattern.compile(_regexp);

Matchermatch=pattern.matcher(file.getName());

returnmatch.matches();

}catch(Exceptione){

returntr;

}

}

}

/**

*解析输入流

*@paraminputs

*/

FilesAnalyze(Stringpath,Stringregexp){

getFileName(path,regexp);

}

/**

*分析文件名并加入files

*@paraminput

*/

privatevoidgetFileName(Stringpath,Stringregexp){

//目录

_path=path;

_regexp=regexp;

Filedirectory=newFile(_path);

File[]filesFile=directory.listFiles(newMyFileFilter());

if(filesFile==null)return;

for(intj=0;j<filesFile.length;j++){

files.add(filesFile[j]);

}

return;

}

/**

*显示输出信息

*@paramout

*/

plicvoidprint(PrintStreamout){

Iteratorelements=files.iterator();

while(elements.hasNext()){

Filefile=(File)elements.next();

out.println(file.getPath());

}

}

plicstaticvoidoutput(Stringpath,Stringregexp){

FilesAnalyzefileGroup1=newFilesAnalyze(path,regexp);

fileGroup1.print(System.out);

}

plicstaticvoidmain(String[]args){

output("C:\\","[A-z|.]*");

}

Java正则的功用还有很多，事实上只要是字符处理，就没有正则做不到的事情存在。（当然，正则解释时较耗时间就是了|||……）

 **********************************************************************************************************************************

String上可使用正则表达式的操作，实际上是利用了java.util.regex.Pattern与java.util.regex.Matcher的功能。当调用String的matches()方法时，实际上是调用Pattern的静态方法matches()，这个方法会返回boolean值，表示字符串是否符合正则表达式。

如果想要将正则表达式视为一个对象来重复使用，可以使用Pattern的静态方法compile()进行编译。compile()方法会返回一个Pattern的实例，这个实例代表正则表达式，之后就可以重复使用Pattern实例的matcher()方法来返回一个Matcher的实例，代表符合正则式的实例，这个实例上有一些寻找符合正则式条件的方法可供操作。范例6.11作了示范。

**范例6.11UsePatternMatcher.java

importjava.util.regex.*;

publicclassUsePatternMatcher{

publicstaticvoidmain(String[]args){

Stringphones1=

"Justin的手机号码：0939-100391\n"+

"momor的手机号码：0939-666888\n";

Patternpattern=Pattern.compile(".*0939-\\d{6}");

Matchermatcher=pattern.matcher(phones1);

while(matcher.find()){

System.out.println(matcher.group());

}

Stringphones2=

"caterpillar的手机号码：0952-600391\n"+

"bush的手机号码：0939-550391";

matcher=pattern.matcher(phones2);

while(matcher.find()){

System.out.println(matcher.group());

}

}

}

范例6.11会寻找手机号码为0939开头的号码，假设号码来源不止一个(如phones1、phones2)，则可以编译好正则表达式并返回一个Pattern对象，之后就可以重复使用这个Pattern对象，在比对时使用matcher()返回符合条件的Matcher实例。find()方法表示是否有符合的字符串，group()方法则可以将符合的字符串返回。程序的执行结果如下：

Justin的手机号码：0939-100391

momor的手机号码：0939-666888

bush的手机号码：0939-550391

下面使用Pattern与Matcher改写范例6.9，让程序可以返回符合正则式的字符串，而不是返回不符合的字符串。

**范例6.12RegularExpressionDemo2.java

importjava.util.regex.*;

publicclassRegularExpressionDemo2{

publicstaticvoidmain(String[]args){

Stringtext="abcdebcadxbc";

Patternpattern=Pattern.compile(".bc");

Matchermatcher=pattern.matcher(text);

while(matcher.find()){

System.out.println(matcher.group());

}

System.out.println();

}

}

style='font-family:宋体'>执行结果：

abc

ebc

xbc