Java正则表达式
Java正则表达式入门
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('\u0009')
\n换行('\u000A')
\r回车('\u000D')
\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\u030A"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true，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");
StringBuffersbr=newStringBuffer();
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("(https://){1}">http://|https://){1}[\\w\\.\\-/:]+");
Matchermatcher=pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBufferbuffer=newStringBuffer();
while(matcher.find()){
buffer.append(matcher.group());
buffer.append("\r\n");
System.out.println(buffer.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));
publicstaticStringreplace(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
*/
publicbooleanaccept(Filefile){
try{
Patternpattern=Pattern.compile(_regexp);
Matchermatch=pattern.matcher(file.getName());
returnmatch.matches();
}catch(Exceptione){
returntrue;
}
}
}
/**
*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
*/
publicvoidprint(PrintStreamout){
Iteratorelements=files.iterator();
while(elements.hasNext()){
Filefile=(File)elements.next();
out.println(file.getPath());
}
}
publicstaticvoidoutput(Stringpath,Stringregexp){
FilesAnalyzefileGroup1=newFilesAnalyze(path,regexp);
fileGroup1.print(System.out);
}
publicstaticvoidmain(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|||……）