如何掌握 Java 正则表达式 的基本语法及在 Java 中的应用

正则表达式是一种用于匹配字符串的模式，在许多编程语言中广泛使用。Java 正则表达式提供了强大的文本处理能力，能够对字符串进行查找、替换、分割等操作。

一、正则表达式的基本语法

正则表达式由普通字符和特殊字符组成。普通字符包括字母、数字和标点符号，而特殊字符（也称为元字符）则具有特殊意义，用于构建复杂的匹配模式。

1.1 普通字符

普通字符匹配自身。例如，正则表达式 abc 匹配字符串 "abc"。

1.2 元字符

元字符是正则表达式的核心部分，用于定义复杂的匹配模式。常见的元字符包括：

• .：匹配任意一个字符（除换行符）。
• ^：匹配字符串的开始。
• $：匹配字符串的结束。
• *：匹配前一个字符零次或多次。
• +：匹配前一个字符一次或多次。
• ?：匹配前一个字符零次或一次。
• []：定义字符类，匹配其中任意一个字符。
• |：表示“或”操作。
• ()：用于分组和捕获。
• {}：用于限定重复次数。

1.3 转义字符

有些字符在正则表达式中有特殊意义，如果要匹配这些字符本身，需要使用反斜杠 \ 进行转义。例如，要匹配字符 .，应使用 \.。

1.4 字符类

字符类用于定义一个字符集合，匹配其中任意一个字符。常用的字符类包括：

• [abc]：匹配字符 a、b 或 c。
• [a-z]：匹配任意一个小写字母。
• [A-Z]：匹配任意一个大写字母。
• [0-9]：匹配任意一个数字。
• [^abc]：匹配除 a、b、c 之外的任意一个字符。

1.5 预定义字符类

预定义字符类是一些常用字符类的简写形式，包括：

• \d：匹配一个数字，等价于 [0-9]。
• \D：匹配一个非数字字符，等价于 [^0-9]。
• \w：匹配一个单词字符（字母、数字或下划线），等价于 [a-zA-Z0-9_]。
• \W：匹配一个非单词字符，等价于 [^a-zA-Z0-9_]。
• \s：匹配一个空白字符（空格、制表符、换行符等），等价于 [ \t\n\x0B\f\r]。
• \S：匹配一个非空白字符，等价于 [^ \t\n\x0B\f\r]。

1.6 边界匹配符

边界匹配符用于匹配字符串中的边界位置，包括：

• \b：匹配一个单词边界。
• \B：匹配一个非单词边界。

1.7 限定符

限定符用于指定前一个字符或子模式的重复次数，包括：

• *：匹配前一个字符零次或多次。
• +：匹配前一个字符一次或多次。
• ?：匹配前一个字符零次或一次。
• {n}：匹配前一个字符恰好 n 次。
• {n,}：匹配前一个字符至少 n 次。
• {n,m}：匹配前一个字符至少 n 次，至多 m 次。

1.8 捕获组和非捕获组

捕获组用于将匹配的子模式存储起来，以便在后续操作中引用。非捕获组用于对子模式进行分组，但不存储匹配结果。

• ()：捕获组。
• (?:)：非捕获组。

1.9 零宽断言

零宽断言用于指定某个位置必须满足的条件，包括：

• (?=)：正向先行断言。
• (?!：负向先行断言。
• (?<=)：正向后行断言。
• (?<!：负向后行断言。

二、Java 中的正则表达式 API

Java 提供了 java.util.regex 包来支持正则表达式处理，其中最重要的类是 Pattern 和 Matcher。

2.1 Pattern 类

Pattern 类表示一个正则表达式的编译表示。常用的方法包括：

• compile(String regex)：编译给定的正则表达式。
• matcher(CharSequence input)：创建一个匹配器对象。

2.2 Matcher 类

Matcher 类用于对输入字符串进行模式匹配操作。常用的方法包括：

• matches()：整个字符串是否与正则表达式匹配。
• find()：是否找到与正则表达式匹配的子字符串。
• group()：返回前一次匹配的子字符串。
• replaceAll(String replacement)：替换所有匹配的子字符串。
• replaceFirst(String replacement)：替换第一个匹配的子字符串。
• lookingAt()：是否从字符串的开头开始匹配。

三、Java 正则表达式的常见用法

3.1 字符串匹配

3.1.1 完全匹配

要判断字符串是否完全匹配某个正则表达式，可以使用 Pattern 和 Matcher 类：

String regex = "\\d+";
String input = "12345";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
boolean isMatch = matcher.matches();
System.out.println("完全匹配: " + isMatch);

3.1.2 子字符串匹配

要判断字符串中是否包含某个正则表达式匹配的子字符串，可以使用 find 方法：

String regex = "\\d+";
String input = "hello 12345 world";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
boolean found = matcher.find();
System.out.println("包含子字符串匹配: " + found);

3.2 字符串替换

正则表达式可以用于替换字符串中的匹配部分。replaceAll 和 replaceFirst 方法用于替换所有匹配的子字符串或第一个匹配的子字符串：

String regex = "\\d+";
String input = "hello 12345 world";
String replacement = "number";
String result = input.replaceAll(regex, replacement);
System.out.println("替换结果: " + result);

3.3 字符串分割

正则表达式可以用于根据模式分割字符串。String 类提供了 split 方法：

String regex = "\\s+";
String input = "hello   world   java";
String[] parts = input.split(regex);
System.out.println("分割结果: " + Arrays.toString(parts));

3.4 捕获组

捕获组用于将匹配的子模式存储起来，以便在后续操作中引用。可以使用 group 方法获取捕获组的内容：

String regex = "(\\d{3})-(\\d{2})-(\\d{4})";
String input = "123-45-6789";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) {String part1 = matcher.group(1);String part2 = matcher.group(2);String part3 = matcher.group(3);System.out.println("捕获组: " + part1 + ", " + part2 + ", " + part3);
}

3.5 零宽断言

零宽断言用于指定某个位置必须满足的条件，但不包括在匹配结果中。以下示例展示了正向先行断言：

String regex = "foo(?=bar)";
String input = "foobar";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {System.out.println("零宽断言匹配: " + matcher.group());
}

四、Java 正则表达式高级应用

4.1 动态构建正则表达式

有时我们需要根据不同的输入动态构建正则表达式。可以使用 StringBuilder 来拼接正则表达式：

String basePattern = "\\d";
int minDigits = 2;
int maxDigits = 4;
StringBuilder regex = new StringBuilder(basePattern);
regex.append("{").append(minDigits).append(",").append(maxDigits).append("}");
Pattern pattern = Pattern.compile(regex.toString());
String input = "123";
Matcher matcher = pattern.matcher(input);
boolean isMatch = matcher.matches();
System.out.println("动态构建正则表达式匹配: " + isMatch);

4.2 正则表达式中的嵌套组

嵌套组用于在一个捕获组内再嵌套另一个捕获组，以下示例展示了嵌套组的用法：

String regex = "(\\d{2})((\\d{2}))";
String input = "1234";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) {String outerGroup = matcher.group(1);String nestedGroup = matcher.group(2);String innermostGroup = matcher.group(3);System.out.println("外部组: " + outerGroup + ", 嵌套组: " + nestedGroup + ", 最内部组: " + innermostGroup);
}

4.3 分组命名和引用

Java 7 引入了分组命名功能，可以给捕获组命名，并通过名字引用：

String regex = "(?<areaCode>\\d{3})-(?<prefix>\\d{3})-(?<lineNumber>\\d{4})";
String input = "123-456-7890";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) {String areaCode = matcher.group("areaCode");String prefix = matcher.group("prefix");String lineNumber = matcher.group("lineNumber");System.out.println("命名捕获组: " + areaCode + ", " + prefix + ", " + lineNumber);
}

4.4 正则表达式的性能优化

在处理大型文本或复杂模式时，正则表达式的性能可能成为瓶颈。以下是一些性能优化建议：

• 避免回溯：尽量避免使用可能导致大量回溯的模式，如重复的捕获组。
• 预编译正则表达式：将正则表达式编译为 Pattern 对象，并重用该对象，而不是每次都重新编译。
• 使用非捕获组：在不需要捕获匹配内容时，使用非捕获组 (?:) 代替捕获组 ()。

4.5 正则表达式调试

调试正则表达式可能比较困难，可以使用在线工具（如 regex101）或集成开发环境（IDE）中的正则表达式调试功能来帮助理解和测试正则表达式。

掌握正则表达式可以大大提高文本处理的效率和灵活性，Java 提供的正则表达式 API 使得在程序中使用正则表达式变得简单高效。

黑马程序员免费预约咨询