javase-15、正则表达式

一、初识正则表达式

1、概念

正则表达式是对字符串操作的一种逻辑公式，它会将事先定义好的一些特定字符，以及这些特定字符的组合，组成一个规则字符串，并且通过这个规则字符串表达对给定字符串的过滤逻辑。

一条正则表达式也称为一个模式，使用每个模式可以匹配指定文本中与表达式模式相同的字符串。正则表达式由普通字符、元字符或预定义字符集组成，其中普通字符包括大小写字母和数字。

常见用途

• 数据验证：比如电话号码、邮箱等

• 替换文本：快速找到特定文本，用于替换

• 快速提取字符串：基于匹配规则，快速从文档中查找或提取子字符串

3、正则的用途举例

案例1

以下哪些是四大名著？
A.西游记
B.三国演义
C.水浒传
D.红楼梦
你喜欢哪些课程？
A.python
B.java
C.hadoop
D.爬虫
执行3/2后的结果正确的是
A、1
B、1.0
B、1.5
B、0

以上排版比较浪费空间，将其变为一行

请将选项后面的.换成、

案例2

Zhangsan like orange or apple

将or替换为and

二、基本语法

1、普通字符

正则表达式中的普通字符，由没有显示的指定为元字符的打印和非打印的字符组成，普通字符没有其它含义，表示它本身。

举例

hello world

匹配hello

hello

2、元字符

使用简单的元字符表达某一类字符，下面列出常用的匹配方式：

预定义字符类

元字符	描述
.	**默认模式：**匹配任何1个字符但换行除外；**DOTALL模式：**匹配任意字符
\d	一个数字：[0-9]
\D	非数字：[^0-9]
\h	水平空白字符：[ \t\xA0\u1680\u180e\u2000-\u200a\u202f\u205f\u3000]
\H	非水平空白字符：[^\h]
\s	空白字符：[ \t\n\x0B\f\r]
\S	非空白字符：[^\s]
\v	垂直空白字符：[\n\x0B\f\r\x85\u2028\u2029]
\V	非垂直空白字符：[^\v]
\w	单词字符：[a-z,A-Z,_,0-9]
\W	非单词字符：[^\w]

POSIX 字符类（仅限 US-ASCII）

元字符	描述
\p{Lower}	小写字母字符：[a-z]
\p{Upper}	大写字母字符：[A-Z]
\p{ASCII}	所有 ASCII：[\x00-\x7F]
\p{Alpha}	字母字符：[\p{Lower}\p{Upper}]
\p{Digit}	十进制数：[0-9]
\p{Alnum}	字母数字字符：[\p{Alpha}\p{Digit}]
\p{Punct}	标点符号：!"#$%&'()*+,-./:;<=>?@[\]^_{
\p{Graph}	可见字符：[\p{Alnum}\p{Punct}]
\p{Print}	可打印字符：[\p{Graph}\x20]
\p{Blank}	空格或制表符：[ \t]
\p{Cntrl}	控制字符：[\x00-\x1F\x7F]
\p{XDigit}	十六进制数字：[0-9a-fA-F]
\p{Space}	空白字符：[ \t\n\x0B\f\r]

举例

重庆大学    张三,ZhangSan 	8000元  重庆万州
重庆大学    李四,Lisiq		8800元  重庆万州 
重庆大学    王五,Wangwu 		9800元  四川成都

思考，匹配工资信息

\d\d\d\d

思考，匹配中文姓名

\s\s,
其中,用于辅助定位

思考，匹配英文姓名

3、 转义字符

我们已经学了部分元字符，比如. ? + *等，那如果我们想要查找元字符本身，比如要查找. 或者 * ，就出现了问题：没办法指定它们，因为它们会被解释成别的意思。这时就得使用 \来取消这些字符的特殊意义，从而表示字符字面量。

元字符	转义字符
$	\$
.	\.
+	\+
*	\*
?	\?
^	\^
/	\/
\	\\
(	\(
)	\)
[	\[
]	\]
{	\{
}	\}

举例

<script src="student.js"></script>
<script src="score.xml"></script>

取出文件名

\w+\.\w+
说明：\w+：中的【+】表示，\w重复1次或多次。说人话，能匹配1个或多个字母\.：表示【.】的转义字符，因为【.】在正则表达式中，有特殊的含义

举例

apple's price is $10.01 per kg.
apple's price is $10.02 per kg.

取出价格

\d+\.\d+

4、字符集

在正则表达式语法中，方括号表示字符范围，也称字符集（或者叫字符组）。

字符类	说明
[abc]	a、b、c
[^abc]	^ 表示取反，除 a、b、c 以外的其它字符
[a-zA-Z]	- 表示连续，匹配所有字母字符
[0-9]	- 表示连续，匹配所有数字字符
[a-c[x-z]]	a到c，或 x 到 z，等价于 [a-cx-z]，（并）
[a-z&&[def]]	&&表示and，等价于 [def]，（交）
[a-z&&[^bc]]	a到z，但bc除外，等价于[ad-z]，（差）

举例

124 156 111 1337
92 20 999 666

匹配所有的偶数数字

[02468]

匹配所有的偶数

\d*[02468]
说明：
\d*：【*】匹配\d 0次或多次，说人话：匹配0个或多个数字
[02468]：匹配1个偶数数数字

5、量词

上面我们学会的是单个字符的匹配，如果要表达多个类似的字符，只能通过复制多次的方式，比如我们要查找5个连在一起的数字，要写成\d\d\d\d\d，按程序员的思维，显然不合理，比如我们要表示1000个数字、任意多个数字、…

接下来介绍如何通过量词来表示上面的情形，下面列出了几种量词的写法：

量词	含义	举例
X?	X出现 0次 或 1次	\d? 0个或1个数字
X+	X出现 1次 或 多次	\d+1个或多个数字
X*	X出现 0次 或 n次	\d* 0个或多个数字
X{m}	X出现 m次	\d{3} 3个数字
X{m,}	X出现 至少m次	\d{2,} 至少3个数字
X{m,n}	X出现 m~n次	0\d{2,3} 0后面根2-3个数字

举例

ggle gogle google gooogle goooogle gooooogle goooooogle gooooooogle goooooooogle

匹配上面所有的字符串

go*gle
说明：
o*：o可以出现0次或多次

举例

重庆大学    张三,ZhangSan 	80000元  重庆万州
重庆大学    李四,Lisiq		8800元  重庆万州 
重庆大学    王五,Wangwu 	9800元  四川成都

思考，匹配工资信息

\d+

思考，匹配中文姓名

(\s+),
说明：【,】用于定位，()表示分组，方便后续通过分组编号取出这部分数据

思考，匹配英文姓名

,(\w+)
说明：【,】用于定位，()表示分组，方便后续通过分组编号取出这部分数据

举例

13612345678
13612345678abc
24654897132
12306123456

匹配手机号码

简易版本
1[3456789]\d{9}$
说明：【$】表示以\d{9}，也就是9个数字结尾，具体用法见出面的边界。如果不写【$】13612345678abc也会被匹配

6、边界

如何表示一个字符串的起始位置和结束位置呢，这便是我们要讲的边界，这里先给几个简单的边界表示

边界匹配器	描述
^	一行的开头，^hi.*，以hi开头的行
$	一行的结尾，.+\.jpg$，以.jpg结尾的行
\b	单词，边界，指的是占位的字符左右的间隙位置，\bor\b，匹配两边是边界的or
\B	非单词，边界

注意：

• 单词指的是 \w 可以匹配的字符，即数字、大小写字母以及下划线 [0-9a-zA-Z_]
• 边界 指的是占位的字符左右的间隙位置，边界是零宽断言，只匹配位置, 不匹配字符

举例

Zhangsan like orange or apple

将or替换为and
【老师你也太坏了，不我是让你爱上正则表达式】

查找框里写：\bor\b
替换框里写：and

7、选择、分组和、向后引用

1）选择（或分支）

正则表达式里的选择条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用 | 把不同的规则分隔开。

X|Y	任何一个X或者Y

比如要识别如下两种固话号码，

0991-8585671
023-58102054
[phone]
[phone]

则可以写成

0\d{2,3}-?\d{7,8}|\(0\d{2,3}\)\d{7,8}

2）分组

概念

可以使用小括号( )来指定一个子表达式(也叫分组)，例如：

(http)(www.*com)

(http)?(www.*com)  http作为一个整体，可有可无  

组号

捕获组通过从左到右计算它们的左括号来编号

例如，在表达式 ((A)(B(C))) 中，有四个这样的组：
1号分组：((A)(B(C)))
2号分组： (A)
3号分 ：(B(C))
4号分组 ：(C)
注意：分组编号是从1开始的，0号分组代表整个表达式

例子

还记得刚写的两种固话的匹配吗，可以写成

(\(0\d{2,3}\)|0\d{2,3}-?)\d{7,8}

3）分组捕获与后向引用

作用：将前面分组匹配到的结果（内容），以组号的方式引用，给到后续表达式继续使用。
说明：默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。

例子

请找到出左右对称的信息

===welcome===
==hello==
==你好=
==吃了吗===

例子

匹配重复单词的字符串

go go 
kitty kitty

\b(\w+)\b\s+\1\b
说明：\1中的1表示组号，在这里表示(\w+)的匹配结果

8、贪婪、懒惰

先来看个例子：

123abc123456abc

如果想找出123abc和123456abc两个字符串，你兴奋的写下了.*abc，结果发现只匹配了一次，把整个字符串匹配了。这便是我们要讲的匹配模式。

1）贪婪

当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符，这被称为贪婪匹配

示例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索 aabab的话，它会匹配整个字符串aabab。

属于贪婪模式的量词，也叫做匹配优先量词，包括：“{m,n}”、“{m,}”、“?”、“*”和“+”。

2）懒惰

如果想要匹配尽可能少的字符呢，这就是懒惰匹配模式。

只要在量词后面加上一个问号?就可以了。

比如前面的示例，你只需要将正则表达式写为如下形式即可：

.*?abc

懒惰匹配总是出现在有量词的地方，有如下懒惰量词：

语法	描述
*？	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复
{m,n}?	重复m到n次，但尽可能少重复

注意

问号(?)：问号有两种场景

• 一是以量词方式使用，表示?前面的子表达式或者字符出现1次或者0次；
• 二是出现在量词后面，表示懒惰匹配。

三、在String类中使用正则

String类提供了3个实例方法支持正则操作

① matches 匹配

boolean matches(String regex)判断此字符串是否与给定的 正则表达式 匹配。

例如：

// 判断是不是一个正确的电话号码
String tel = "023-58580000";
boolean matches = tel.matches("\\d+-\\d+");
System.out.println(matches);

② split 拆分

String[] split(String regex)围绕给定 正则表达式 的匹配项拆分此字符串。

String[] split(String regex, int limit)围绕给定 正则表达式 的匹配项拆分此字符串。

例如：

// 按正则对字符串进行拆分
String stuInfo = "zhangsan china-cq 1985/11/12";
//String[] rst = stuInfo.split(" |-|/");
String[] rst = stuInfo.split("[ -/]");
for (String item : rst) {System.out.println(item);
}

③ replace相关

String  replace(String  old, String  new)

String  replaceFirst(String  regex, String  replacement)使用replacement替换regex的第一个匹配。

 String  replaceAll(String  regex, String  replacement)使用replacement替换regex的所有匹配。

例如：

(86)023-12345670
021:12345671
010-12345672
需要得到如下结果
[phone]
[phone]
[phone]

String stuInfo = """(86)023-12345670021:12345671010-12345672""";String string = stuInfo.replaceAll("(\\(86\\))?(\\d{3})(-|:)", "($2)");
System.out.println(string);

四、Pattern类和Matcher类

• Matcher类不能单独使用，用于配合Pattern类。
• Pattern类根据正则表达式创建匹配规则，Matcher根据匹配规则执行具体的匹配操作。

1、创建匹配模式（规则）

使用 Pattern.compile() 静态方法，编译正则表达式字符串，形成模式对象（匹配规则）

static Pattern compile(String regex)将给定的正则表达式字符串，编译成一个模式。
static Pattern compile(String regex, int flags)将给定的正则表达式字符串，编译成具有【给定标志】的模式。【flags可以取以下值】Pattern.CANON_EQ 启用规范等价。Pattern.CASE_INSENSITIVE 启用不区分大小写的匹配。【重要】Pattern.COMMENTS 模式中允许空格和注解。Pattern.DOTALL 启用 dotall 模式。【重要】Pattern.LITERAL 启用模式的文字解析。Pattern.MULTILINE 启用多行模式。【重要】Pattern.UNICODE_CASE 启用 Unicode 感知大小写折叠。Pattern.UNICODE_CHARACTER_CLASS 启用Unicode版本预定义字符类和POSIX字符类.Pattern.UNIX_LINES 启用 Unix 行模式。

例如：

String phone = "13100000000";
// 获得模式对象（匹配规则）
Pattern pattern = Pattern.compile("1[345789]\\d{9}");  

2、创建匹配器

根据模式（匹配规则）生成匹配器。使用 Pattern对象的 matcher(CharSequence input) 方法，创建匹配器

Matcher类用于，在给定的Pattern实例的模式控制下进行字符串的匹配工作。

例如：

String phone = "13100000000";
Pattern pattern = Pattern.compile("1[345789]\\d{9}");  // 匹配规则
Matcher matcher = pattern.matcher(phone); // 匹配器

3、匹配器的常用方法

匹配器，Matcher的实例对象

① matches匹配

"abc".matches("\w{3}")
boolean matches()字符串，是否与正则表达式【完全】匹配

例如：

String phone = "13100000000";
Pattern pattern = Pattern.compile("1[345789]\\d{9}");  // 编译后的模式 
Matcher matcher = pattern.matcher(phone);
System.out.println(matcher.matches());

② lookingAt匹配

boolean lookingAt()字符串的【开始位置】，是否有和正则表达式匹配的内容

例如：

③ find匹配

boolean find()字符串中，是否有【与位置无关】和正则表达式匹配的内容
boolean	find(int start)字符串中【从start指定的地方开始】，是否有【与位置无关】和正则表达式匹配的内容

例如：

④ groupCount 匹配

int groupCount()返回匹配到的分组（结果）个数

例如：

⑤ group

获得匹配结果，注意 要先调用匹配方法，后才能获得匹配结果，否则报错

String group();  String group(0);//返回匹配到的【整体】结果
String group(int group);//根据【分组编号，0表示完整结果，组号从1开始】，获取匹配到的结果

例如：

⑥ replaceAll

String replaceAll(String replacement)将正则表达式对应的【所有】【完整匹配】结果，使用字符串替换，并返回替换后的新字符串

例如：

⑦ replaceFirst

String replaceFirst(String replacement)将正则表达式对应的【第一个】【完整匹配】结果，使用字符串替换，并返回替换后的新字符串

例如：

⑧ 其他方法见API手册

4、其它相关用法

① 使用 pattern 匹配字符串

使用 Pattern.matches() 静态方法，判断正则表达式与字符串【完全】匹配。

Static boolean matches(String regex, CharSequence input)

例如：

// 判断手机号格式是否正确
String phone = "13100000000";
System.out.println(Pattern.matches("1[345789]\\d{9}", phone));

② 使用 pattern 拆分字符串

Pattern.compile("[ -/]").split("张三 中国/重庆/巴南 2011-11-11");