正则表达式-Java篇
文章描述了有关 Java 处理 正则 相关的知识文库，敬请阅读！
# 正则表达式 - Java篇
*正则表达式*
文章描述了有关 Java 处理 正则 相关的知识文库，敬请阅读！
## 正则符号表
正则表达式中有许多的统配符号，笔者将诸多的正则符号进行了收录与整理，在下方的表格中就可以看见啦！
| 正则表达式通配符列表 |
|---------------------------------------|
| **元字符** | 描述 |
| **\** | 将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，"\\n"匹配\n。"\n"匹配换行符。序列"\\"匹配"\"而"\("则匹配"("。即相当于多种编程语言中都有的"转义字符"的概念。 |
| **^** | 匹配输入字行首。如果设置了RegExp对象的Multiline属性，^也匹配"\n"或"\r"之后的位置。 |
| **$** | 匹配输入行尾。如果设置了RegExp对象的Multiline属性，$也匹配"\n"或"\r"之前的位置。 |
| **\*** | 匹配前面的子表达式任意次。例如，zo\*能匹配"z"，也能匹配"zo"以及"zoo"。\*等价于{0,}。 |
| **+** | 匹配前面的子表达式一次或多次(大于等于1次）。例如，"zo+"能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于{1,}。 |
| **?** | 匹配前面的子表达式零次或一次。例如，"do(es)?"可以匹配"do"或"does"。?等价于{0,1}。 |
| **{** _ **n** _ **}** | _n_是一个非负整数。匹配确定的_n_次。例如，"o{2}"不能匹配"Bob"中的"o"，但是能匹配"food"中的两个o。 |
| **{** _ **n** _ **,}** | _n_是一个非负整数。至少匹配_n_次。例如，"o{2,}"不能匹配"Bob"中的"o"，但能匹配"foooood"中的所有o。"o{1,}"等价于"o+"。"o{0,}"则等价于"o\*"。 |
| **{** _ **n** _ **,** _ **m** _ **}** | _m_和_n_均为非负整数，其中_n_\<=_m_。最少匹配_n_次且最多匹配_m_次。例如，"o{1,3}"将匹配"fooooood"中的前三个o为一组，后三个o为一组。"o{0,1}"等价于"o?"。请注意在逗号和两个数之间不能有空格。 |
| **?** | 当该字符紧跟在任何一个其他限制符（\*,+,?，{_n_}，{_n_,}，{_n_,_m_}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串"oooo"，"o+"将尽可能多地匹配"o"，得到结果["oooo"]，而"o+?"将尽可能少地匹配"o"，得到结果 ['o', 'o', 'o', 'o'] |
| . | 匹配除"\n"和"\r"之外的任何单个字符。要匹配包括"\n"和"\r"在内的任何字符，请使用像"[\s\S]"的模式。 |
| **(pattern)** | 匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中则使用$0…$9属性。要匹配圆括号字符，请使用"\("或"\)"。 |
| **(?:pattern)** | 非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符"(|)"来组合一个模式的各个部分时很有用。例如"industr(?:y|ies)"就是一个比"industry|industries"更简略的表达式。 |
| **(?=pattern)** | 非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，"Windows(?=95|98 |NT |2000)"能匹配"Windows2000"中的"Windows"，但不能匹配"Windows3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
| **(?!pattern)** | 非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如"Windows(?!95 |98 |NT |2000)"能匹配"Windows3.1"中的"Windows"，但不能匹配"Windows2000"中的"Windows"。 |
| **(?\<=pattern)** | 非获取匹配，反向肯定预查，与正向肯定预查类似，只是方向相反。例如，"(?\<=95|98|NT|2000)Windows"能匹配"2000Windows"中的"Windows"，但不能匹配"3.1Windows"中的"Windows"。\*python的正则表达式没有完全按照正则表达式规范实现，所以一些高级特性建议使用其他语言如java、scala等 |
| **(?\<!pattern)** | 非获取匹配，反向否定预查，与正向否定预查类似，只是方向相反。例如"(?\<!95|98|NT|2000)Windows"能匹配"3.1Windows"中的"Windows"，但不能匹配"2000Windows"中的"Windows"。\*python的正则表达式没有完全按照正则表达式规范实现，所以一些高级特性建议使用其他语言如java、scala等 |
| **x|y** | 匹配x或y。例如，"z|food"能匹配"z"或"food"(此处请谨慎)。"[z|f]ood"则匹配"zood"或"food"。 |
| **[xyz]** | 字符集合。匹配所包含的任意一个字符。例如，"[abc]"可以匹配"plain"中的"a"。 |
| **[^xyz]** | 负值字符集合。匹配未包含的任意字符。例如，"[^abc]"可以匹配"plain"中的"plin"任一字符。 |
| **[a-z]** | 字符范围。匹配指定范围内的任意字符。例如，"[a-z]"可以匹配"a"到"z"范围内的任意小写字母字符。注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
| **[^a-z]** | 负值字符范围。匹配任何不在指定范围内的任意字符。例如，"[^a-z]"可以匹配任何不在"a"到"z"范围内的任意字符。 |
| **\b** | 匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的"匹配"有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，"er\b"可以匹配"never"中的"er"，但不能匹配"verb"中的"er"；"\b1\_"可以匹配"1\_23"中的"1\_"，但不能匹配"21\_3"中的"1\_"。 |
| **\B** | 匹配非单词边界。"er\B"能匹配"verb"中的"er"，但不能匹配"never"中的"er"。 |
| **\cx** | 匹配由x指明的控制字符。例如，\cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的"c"字符。 |
| **\d** | 匹配一个数字字符。等价于[0-9]。grep 要加上-P，perl正则支持 |
| **\D** | 匹配一个非数字字符。等价于[^0-9]。grep要加上-P，perl正则支持 |
| **\f** | 匹配一个换页符。等价于\x0c和\cL。 |
| **\n** | 匹配一个换行符。等价于\x0a和\cJ。 |
| **\r** | 匹配一个回车符。等价于\x0d和\cM。 |
| **\s** | 匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[\f\n\r\t\v]。 |
| **\S** | 匹配任何可见字符。等价于[^ \f\n\r\t\v]。 |
| **\t** | 匹配一个制表符。等价于\x09和\cI。 |
| **\v** | 匹配一个垂直制表符。等价于\x0b和\cK。 |
| **\w** | 匹配包括下划线的任何单词字符。类似但不等价于"[A-Za-z0-9\_]"，这里的"单词"字符使用Unicode字符集。 |
| **\W** | 匹配任何非单词字符。等价于"[^A-Za-z0-9\_]"。 |
| **\x** _ **n** _ | 匹配_n_，其中_n_为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，"\x41"匹配"A"。"\x041"则等价于"\x04&1"。正则表达式中可以使用ASCII编码。 |
| **\** _ **num** _ | 匹配_num_，其中_num_是一个正整数。对所获取的匹配的引用。例如，"(.)\1"匹配两个连续的相同字符。 |
| **\** _ **n** _ | 标识一个八进制转义值或一个向后引用。如果\_n_之前至少_n_个获取的子表达式，则_n_为向后引用。否则，如果_n_为八进制数字（0-7），则_n_为一个八进制转义值。 |
| **\** _ **nm** _ | 标识一个八进制转义值或一个向后引用。如果\_nm_之前至少有_nm_个获得子表达式，则_nm_为向后引用。如果\_nm_之前至少有_n_个获取，则_n_为一个后跟文字_m_的向后引用。如果前面的条件都不满足，若_n_和_m_均为八进制数字（0-7），则\_nm_将匹配八进制转义值_nm_。 |
| **\** _ **nml** _ | 如果_n_为八进制数字（0-7），且_m_和_l_均为八进制数字（0-7），则匹配八进制转义值_nml_。 |
| **\u** _ **n** _ | 匹配_n_，其中_n_是一个用四个十六进制数字表示的Unicode字符。例如，\u00A9匹配版权符号（©）。 |
| **\p{P}** | 小写 p 是 property 的意思，表示 Unicode 属性，用于 Unicode 正表达式的前缀。中括号内的"P"表示Unicode 字符集七个字符属性之一：标点字符。其他六个属性：L：字母；M：标记符号（一般不会单独出现）；Z：分隔符（比如空格、换行等）；S：符号（比如数学符号、货币符号等）；N：数字（比如阿拉伯数字、罗马数字等）；C：其他字符。_ **\*** __**注：此语法部分语言不支持，例：**__ **javascript** __ **。** _ |
| **\\<**** \\> ** | 匹配词（word）的开始（\\<）和结束（\\>）。例如正则表达式\\<the\\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。** 注意：这个元字符不是所有的软件都支持的。** |
| **( )** | 将( 和 ) 之间的表达式定义为"组"（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。 |
| ** |** | 将两个匹配条件进行逻辑"或"（or）运算。例如正则表达式(him |her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。 **注意：这个元字符不是所有的软件都支持的。** |
## Java中针对正则匹配的使用
### split 函数
在Java中，大家应该都使用过 ”split“ 这个函数，它经常被用来进行字符串的拆分，在字符串的解析中扮演着一个重要角色，而细心的小伙伴们会发现，这个函数接收的参数似乎是一个正则表达式，从JDK的源码中也可以看到其确实接收一个正则，下面就是split函数的声明。
```java
/**
* Splits this string around matches of the given <a
* href="../util/regex/Pattern.html#sum">regular expression</a>.
*
* <p> This method works as if by invoking the two-argument {@link
* #split(String, int) split} method with the given expression and a limit
* argument of zero. Trailing empty strings are therefore not included in
* the resulting array.
*
* <p> The string {@code "boo:and:foo"}, for example, yields the following
* results with these expressions:
*
* <blockquote><table cellpadding=1 cellspacing=0 summary="Split examples showing regex and result">
* <tr>
* <th>Regex</th>
* <th>Result</th>
* </tr>
* <tr><td align=center>:</td>
* <td>{@code { "boo", "and", "foo" }}</td></tr>
* <tr><td align=center>o</td>
* <td>{@code { "b", "", ":and:f" }}</td></tr>
* </table></blockquote>
*
*
* @param regex
* the delimiting regular expression
*
* @return the array of strings computed by splitting this string
* around matches of the given regular expression
*
* @throws PatternSyntaxException
* if the regular expression's syntax is invalid
*
* @see java.util.regex.Pattern
*
* @since 1.4
* @spec JSR-51
*/
public String[] split(String regex) {
return split(regex, 0);
}
public String[] split(String regex, int limit);
```
而在网上经常可以看到下面的写法，在split中写入的不是一个‘ ’ 而是 ‘\\s+’。
```
package zhao.ls.web.backEnd;
import java.util.Arrays;
public class MAIN {
public static void main(String[] args) {
// 准备一个字符串
final String s = "this is\ta string";
System.out.println("字符串中的数据为：" + s);
// 按照所有的 不可见字符进行拆分
final String[] split = s.split("\\s+");
System.out.println("拆分出的每个单词为：" + Arrays.toString(split));
}
}
```
其运行出来的结果是下面的样子，可以发现它将1个或1个以上的不可见字符作为了切分符号，因此我们从这里就了解了Split函数的相关知识，以及如何对其使用正则表达式，在这次演示的例子中，\s+ 就是切分符号！
```
字符串中的数据为：this is a string
拆分出的每个单词为：[this, is, a, string]
```
### Pattern
Pattern 是 Java 中的一个非常有用的类，它可以帮助我们匹配特定的字符串，就像我们使用模具制作模型一样。Pattern 类位于 java.util.regex 包中，它提供了用于处理正则表达式的方法。
#### pattern.split() 函数
我们可以使用 Pattern 类的 compile() 方法将一个正则表达式编译成一个 Pattern 对象。这个正则表达式可以用来匹配字符串中的特定模式，当然 split 函数我们一样可以使用，下面是一个相关的示例！
```
package zhao.ls.web.backEnd;
import java.util.Arrays;
import java.util.regex.Pattern;
public class MAIN {
public static void main(String[] args) {
final String text = "this is\ta\n string";
final String regStr = "\\s+";
// 将正则表达式 通过 Pattern 类编译成为一个 Pattern对象
final Pattern pattern = Pattern.compile(regStr);
// 我们可以通过 pattern 对象来进行 split 拆分 其就是对正则表达式的一个包装
// 被其包装之后的匹配对象 可以实现更多的正则匹配和替换以及切分操作
// 同时其具有更好的性能 以及 可复用的优点
final String[] split = pattern.split(text);
System.out.println(Arrays.toString(split));
}
}
```
#### matcher 对象
一旦我们有了 Pattern 对象，我们可以使用它的 matcher() 方法来创建一个 Matcher 对象，该对象可以用来在特定的输入字符串中查找匹配的模式。 接下来就是构造 matcher 对象的相关展示。
```java
package zhao.ls.web.backEnd;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class MAIN {
public static void main(String[] args) {
final String text = "this is\ta\n string";
// 设置 \w+ 代表匹配具有一个或一个以上字符的单词字符串
final String regStr = "\\w+";
// 将正则表达式 通过 Pattern 类编译成为一个 Pattern对象
final Pattern pattern = Pattern.compile(regStr);
// 调用 matcher 函数 并将 text 做为函数的参数 获取到 Matcher 对象
final Matcher matcher = pattern.matcher(text);
}
}
```
##### find 函数 and group 函数 的基本使用
如果找到了匹配的模式，我们可以使用 Matcher 对象的 group() 方法来获取匹配的字符串，而 group 函数常常与 find 函数一起使用，接下来我们将针对两个函数进行分别解说。
- find 函数用来尝试查找匹配的子字符串，如果找到就会返回true，若是找不到则返回 false。
- group 函数用于将找到的子字符串提取出来，当我们调用 find 函数之后，matcher 对象会去找到匹配的数据，这个时候如果找到数据了，它就会将数据自动的存进一个变量中，而 group 函数能够将这个变量读取出来，因此我们可以这样理解，先find找到匹配数值，然后再group取出匹配的数值，需要注意的是 如果不调用 find 函数寻找，group 函数中是不会获取到数据的，下面就是一个简单的使用示例，其能够第一次寻找找到的结果打印出来，如果没有找到就不会打印。
```java
package zhao.ls.web.backEnd;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class MAIN {
public static void main(String[] args) {
final String text = "this is\ta\n string";
// 设置 \w+ 代表匹配具有一个或一个以上字符的单词字符串
final String regStr = "\\w+";
// 将正则表达式 通过 Pattern 类编译成为一个 Pattern对象
final Pattern pattern = Pattern.compile(regStr);
// 调用 matcher 函数 并将 text 做为函数的参数 获取到 Matcher 对象
final Matcher matcher = pattern.matcher(text);
// 尝试开始寻找第一个匹配的字符串
if (matcher.find()){
// 找到了就打印出来 在这里会打印出来 this
System.out.println(matcher.group());
}
}
}
```
##### start and end 函数
我们知道在 matcher 对象调用 find 函数之后，其就会去查找对应的匹配的字符串，start与end函数可以获取到这个字符串在源字符串中的起始与终止的索引位置，大部分情况下，常常用于进行数值的替换，或统计等操作，下面就是一个示例。
```java
package zhao.ls.web.backEnd;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class MAIN {
public static void main(String[] args) {
final String text = "this is\ta\n string";
// 设置 \w+ 代表匹配具有一个或一个以上字符的单词字符串
final String regStr = "\\w+";
// 将正则表达式 通过 Pattern 类编译成为一个 Pattern对象
final Pattern pattern = Pattern.compile(regStr);
// 调用 matcher 函数 并将 text 做为函数的参数 获取到 Matcher 对象
final Matcher matcher = pattern.matcher(text);
// 尝试开始寻找第一个匹配的字符串
if (matcher.find()){
// 找到了就打印出来
System.out.println(matcher.group());
System.out.println("匹配数值在源字符串中的起始索引 = " + matcher.start());
System.out.println("匹配数值在源字符串中的终止索引 = " + matcher.end());
}
}
}
```
下面就是代码的运行结果。
```java
this
匹配数值在源字符串中的起始索引 = 0
匹配数值在源字符串中的终止索引 = 4
进程已结束,退出代码0
```
#### pattern 总结
Pattern 类非常强大和灵活，可以让我们使用非常复杂的正则表达式来匹配各种不同的模式。但是，需要注意的是，正则表达式可以非常复杂和难以理解，因此在使用它们时需要小心谨慎。
------
***操作记录***
作者：[root](http://www.lingyuzhao.top//index.html?search=1 "root")
操作时间：2023-11-25 22:10:51 星期六
事件描述备注：保存/发布
[](如果不需要此记录可以手动删除，每次保存都会自动的追加记录)