大家好，欢迎来到IT知识分享网。

介绍

概念

一个正则表达式，就是用某种模式去匹配字符串的一个公式。许多语言都提供了对正则表达式的支持

正则表达式初体验

1, 提取某段文字中的所有英语单词

2, 提取数字

3, 提取数字和英语单词

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexpText01 { public static void main(String[] args) { //文本信息 String content = "Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统，" + "其内核由林纳斯·本纳第克特·托瓦兹于1991年10月5日首次发布，它主要受到Minix和Unix" + "思想的启发，是一个基于POSIX的多用户、多任务、支持多线程和多CPU的操作系统。它能运行" + "主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix" + "以网络为核心的设计思想，是一个性能稳定的多用户网络操作系统。Linux有上百种不同的发行版，" + "如基于社区开发的debian、archlinux，和基于商业开发的" + "Red Hat Enterprise Linux、SUSE、Oracle Linux等。\n" + "2021年6月，根据Linux 5.14刚刚进入合并队列的char-misc-next提交，" + "Linux 5.14正式移除了RAW驱动"; //找出其中的全部英语单词 //找出百度热搜的标题：(///S*) //传统方法：使用遍历方式，代码量大，效率不高 //正则表达式： /** * 1,先创建一个Pattern对象，模式对象，可以理解成一个正则表达式对象 * 2,创建一个匹配器对象 * 3,开始循环匹配 */ Pattern patter = Pattern.compile("([0-9]+)|([a-zA-Z]+)"); //匹配数字时，[0-9] //数字+英文单词 ([0-9]+)|([a-zA-Z]+) //按照patter（模式/样式）。到content文本中匹配，找到true。否false Matcher matcher = patter.matcher(content); while (matcher.find()) { //匹配内容，文本放到matcher.group(); 中 System.out.println("找到：" + matcher.group(0)); } } } 

为什么要学习正则表达式

找出文本中的所有数字子串

验证电子邮件和手机号码格式

正则表达式技术是对字符串进行模式匹配的技术

分析Java正则的底层实现原理

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexpText02 { public static void main(String[] args) { //文本信息 String content = "Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统，" + "其内核由林纳斯·本纳第克特·托瓦兹于1991年10月5日首次发布，它主要受到Minix和Unix" + "思想的启发，是一个基于POSIX的多用户、多任务、支持多线程和多CPU的操作系统。它能运行" + "主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix" + "以网络为核心的设计思想，是一个性能稳定的多用户网络操作系统。Linux有上百种不同的发行版，" + "如基于社区开发的debian、archlinux，和基于商业开发的" + "Red Hat Enterprise Linux、SUSE、Oracle Linux等。\n" + "2021年6月，根据Linux 5.14刚刚进入合并队列的char-misc-next提交，" + "Linux 5.14正式移除了RAW驱动"; //目标：匹配所有四个数字 //说明 //1, \\d 表示一个数字 String regStr = "\\d\\d\\d\\d"; //2, 创建模式对象 Pattern patter = Pattern.compile(regStr); //3, 创建匹配器 //说明：创建匹配器matcher， 按照正则表达式的规则去匹配content字符串 Matcher matcher = patter.matcher(content); //4, 开始匹配 while (matcher.find()) { System.out.println("找到：" + matcher.group(0)); } } } find()和group()的实现原理是什么？

matcher.find() 完成的任务：

1. 根据指定的规则，定位满足规则的子字符串 2. 什么是分组，(//d//d)(//d//d)，正则表达式中有（），表示分组。第一个()表示第一组，以此类推…… 3. 找到后，将子字符串的开始索引记录到matcher对象的属性int[] group,groups[0] = 0, 把该子字符串结束的索引+1的值记录到gruops[1] = 4 4. 同时记录oldLast的值为子字符串结束的索引+1的值即4，下次执行find的时候，从4开始匹配

matcher.group():完成的任务：

//JDK源码： public String group(int group) { if (first < 0) throw new IndexOutOfBoundsException("No match found"); if (group <0 || group > groupCount()) throw new IndexOutOfBoundsException("No group" + group); if ((groups[group*2] == -1) || (groups[group*2+1] == -1)) { return null; } return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString; }

1. 根据groups[0] 和 groups[1] = 4的记录位置，从content开始截取子字符串返回就是[0, 4]包含0但是不包含索引为4的位置
2. 关于groups数组的理解：比如匹配(//d//d)(//d//d)，匹配四位数的数字，第一组的值即找到1998。group[1] = 19; group[2] = 98
3. 如果正则表达式分组()，即分组，则匹配规则如下

group[0]：表示匹配到的子字符串

group[1]：表示匹配到的子字符串的第一组子串

group[2]：表示匹配到的子字符串的第二组子串

但是匹配到的子字符串不能越界

正则表达式语法

正则转义符

分类

想要灵活的使用正则表达式，必须了解其中各种元字符(Metacharacter)的功能，从功能上大致分为

1. 限定符
2. 选择匹配符
3. 分组组合和反向引用符
4. 特殊字符
5. 字符匹配符
6. 定位符

转义号 \\

\\：转义字符，表示一个 \ ,

在其他语言中，\表示一个反斜杠

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 转义符的使用 */ public class RegexpText03 { public static void main(String[] args) { String content = "abc$(abc(123("; //匹配( String regStr = "\\("; Pattern patter = Pattern.compile(regStr); Matcher matcher = patter.matcher(content); //开始匹配 while (matcher.find()) { System.out.println("找到" + matcher.group(0)); } } } 

例如：要匹配 . 的正则为 “\\.”， 而不是”.“ 。

字符匹配符

[ ]：可接受的字符列表

eg：[efgh]：e, f, g, h 中的任意一个字符

[^]：不可接受的字符列表

eg：除a, b, c 之外的任意一个字符，包括数字和特殊符号

– ：连字符

eg：A-Z：任意的单个大写字母

. ：匹配除\n以外的任何字符，如果要匹配 . 要用转义符

eg：a..b : 以a开头，b结尾，中间包括2个任意字符的长度为4的字符串，aaab，a67b，a%￥b

\\d : 匹配单个的数字字符，相当于[0-9]

eg：\\d{3}(\\d)? 包含3个或者4个数字的字符串，123，4567

\\D：匹配单个非数字字符串，相当于[\^0-9]

eg：\\D(\\d)*, 以单个非数字字符开头，后接任意个数字字符串，a、A342、b45678

\\w：匹配单个数字，大小写字母字符，相当于[-9a-zA-Z]

eg：\\d{3}\\w{4}, 以3个数字字符开头的长度为7的数字字母字符串，234abcd、12345pe

\\W：匹配单个非数字，大小写字母字符，相当于[\^0-9a-zA-Z]

eg：\\W+\\d{2}, 以至少1个非数字字母字符开头，2个数字字符结尾的字符串，#29、#@!10

\\s: 匹配任何空白字符，（空格，制表符等）

\\S: 相当于对s取反，匹配任何非空白字符

Java的正则表达式是区分字母大小写的，如何实现不区分大小写：

1. (?i)abc 表示abc都不区分大小写
2. a(?i)bc 表示bc都不区分大小写
3. a((>i)b)c 表示b都不区分大小写
4. Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE); 创建正则表达式对象的时候，加入CASE_INSENSITIVE(不敏感，不区分大小写)

选择匹配符

| : 表示选择

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 选择匹配符的使用 */ public class RegexpText05 { public static void main(String[] args) { String content = "韩张三 zhangsan"; String regStr = "san|韩|张"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到" + matcher.group(0)); } } }

限定符

用于指定其前面的字符和字符和组合项连续出现的次数

* : 指定字符重复0此或n此（与具体要求）

eg：(abc), 仅包含任意个abc的字符串，等效于\w\, abc、abcabcabc

+：指定字符重复次或者n次（至少1次）

eg：m+(abc)*, 以至少一个m开头，后接任意个abc的字符串，m、mabc、mabcabc

?：指定字符重复0次或者1次（最多一次）

eg：m+abc?, 以至少一个m开头，后接ab或者abc的字符串，mab、mabc、mmmab、mmabc

{n}：只能输入n个字符

eg：[abcd]{3}, 以abcd组成的任意长度为3的字符串，abc、dbc、acd

{n,}：指定至少n个匹配

eg：[abcd]{3,}, 由abcd中字母组成的任意长度不小于3（>=3）的字符串，aab、dbc、aaabdc

{n,m}：只当至少n个但不多于m个匹配

eg：[abcd]{3,5}，由abcd中字母组成的任意长度不小于3，不大于5(5>=x>=3)的字符串，abc、abcd、badab、badca

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 演示限定符的是使用 */ public class RegexpText06 { public static void main(String[] args) { String content = "a21aaaaaahello"; //String regStr = "a{3}"; //找出三个a //String regStr = "1{4}"; //String regStr = "\\d{2}";//表示两位的任意数字字符 /* java的正则匹配默认是贪婪匹配，尽可能匹配多的字符串 */ //String regStr = "a{3,4}"; //String regStr = "\\d{3,5}"; //1+ //String regStr = "1+"; //匹配1个或者多个1 //1* //String regStr = "1*"; //匹配0个或者多个1 //? 的使用 String regStr = "a1?"; //匹配a或者a1 Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); } } } 

元字符

^: 指定起始字符，^[0-9]+[a-z]*，以至少1个数字开头，后接任意个小写字母，123、6aa、555edf

$：指定结束字符，^[0-9]\\-[a-z]+$，以1个数字开头后接连字符”-“，并以至少一个小写字母结尾的字符串，1-a

\\b：匹配目标字符串的边界，han\\b，这里的字符串的边界指的是子串间有空格，或者是目标字符串的结束位置，hansunping、sphan、nnhan

\B：匹配目标字符串的边界，han\\B，和\b的含义相反，hanshunping,sphan,nnhan

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 定位符的使用 */ public class RegexpText07 { public static void main(String[] args) { //String content = "123abc"; String content = "hanshunping abchan defghan"; //String regStr = "^[0-9]+[a-z]*"; //a123abc, 匹配失败 //String regStr = "^[0-9]+[a-z]+#34;; //以a-z的其中一个结尾 String regStr = "han\\b"; //这里的边界值得是字符串的最后，或者是空格的前面字符串的末尾 Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); } } } 

分组

1. 常用分组

常用分组构造形式

(pattern)：非命名捕获，捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本，其他捕获结果则根据左括号的顺序从1开始自动编号。

(? <name> pattern)：命名捕获，将匹配到的子字符串捕获到一个组名称或编号名称中。用于name的字符串不能包含任何标点符号，并且不能以数字开头。可以使用单引号替代尖括号，例如（?’name’）

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** *分组 */ public class regexpText08 { public static void main(String[] args) { String content = "hanshunping s7789 nn1189han"; //String regStr = "(\\d\\d)(\\d\\d)"; //，匹配四个数字的字符串，相当于d{4}; //非命名分组 //matcher.group(0); 获取整个的字符串 //matcher.group(1); 获取分组的第一个子字符串 //matcher.group(2); 获取分组的第二个子字符串 //一个括号是一个组 //第一个分组是77，第二个分组是89 //命名分组：即可以给分组取名 String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到" + matcher.group(0)); //System.out.println("第一个分组内容" + matcher.group(1)); //System.out.println("第二个分组内容" + matcher.group(2)); System.out.println("第一个分组内容[通过组名]" + matcher.group("g1")); System.out.println("第二个分组内容[通过组名]" + matcher.group("g2")); } } } 

特别分组

(?:pattern)：匹配pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。但这对于“or”字符（|）组合模式部件的情况很有用。例如：’industr(?:y|ies)’是比，’indeustry|industries’更经济的表达式

(?=pattern)：它是一个非捕获匹配。例如，’Windwos(?=95|98|NT|2000)’ 的匹配 “Windows 2000” 中的 “Windows 3.1” 中的”Windows”

(?!patter)：该表达式匹配不处于匹配pattern的字符串的起始点的搜索字符串。他是一个非捕获匹配。例如，’Windwos(?=95|98|NT|2000)’ 匹配“Windows 3.1” 中的”Windows”，但不匹配 “Windows 2000” 中的 “Windows“。

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** *非捕获分组 * 以下三个全为非捕获分组 */ public class RegexpText09 { public static void main(String[] args) { String content = "hello中国人民 中国经济abc def中国发展"; //String regStr = "中国(?:人民|经济)"; //等价于：String regStr = "中国人民|中国经济"; //要求查找中国人民，中国发展，中国经济中的中国 //String regStr = "中国(?=人民|经济)"; //和（？=pattern）结果相反 String regStr = "中国(?!人民|经济)"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); //System.out.println(matcher.group(1)); //非捕获，不能这么操作 } } } 

非贪婪匹配

?：当此字符紧随任何其他限定符（*, +, ?, {n}, {n,}, {n,m}）之后时，匹配模式是”非贪心的“。”非贪心的“模式匹配搜索到的，尽可能短的字符串，默认的”贪心“模式匹配搜索到的，尽可能长的字符串。例如在”oooo”, “o+?”只匹配单个”o”, 而“o+”匹配所有 “o”。

正则表达式应用实例

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 正则表达式应用实例 * 1，验证汉字 * 2，邮政编码 是1-9开头的数字，比如 * 3，号码 是1-9开头的一个（5位数-19位数），比如12389. * 4，手机号码 必须以13，14，15，18开头的11位数。 */ public class RegexpText10 { public static void main(String[] args) { //验证汉字 //String content = "中国人"; //汉字编码范围之内 //String regStr = "^[\u0391-\uffe5]+#34;; //邮政编码 //String content = ""; //String regStr= "^[1-9]\\d{5}#34;; //号码 //String content = ""; //String regStr= "^[1-9]\\d{4,9}#34;; //手机号码 String content = ""; String regStr= "^1[3|4|5|8]\\d{9}#34;; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); if (matcher.find()) { System.out.println("满足格式"); } else { System.out.println("不满足格式"); } } } 

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 验证url */ public class RegexpText11 { public static void main(String[] args) { String content = "https://www.bilibili.com/video/BV1Eq4y1E79W?p=17&spm_id_from=pageDriver"; /** * 思路： * 确定url的开始部分 https:// | http:// * regStr = "^((http|https)://)"; https:// * regStr = "^((http|https)://)([\w-]+\.)+"； https://www.bilibili. * regStr = "^^((http|https)://)([\w-]+\.)+[\w-]+$+#34;; https://www.bilibili.com * regStr = "^((http|https)://)([\w-]+\.)+[\w-]+(\\/[\\w-?=&/%.]*)?#34;; https://www.bilibili.com/video/BV1Eq4y1E79W?p=17&spm_id_from=pageDriver */ String regStr = "^((http|https)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?#34;; //[.]匹配的是 . 本身，等价于\\. 。不加[]时，匹配的是所有字符 Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); if (matcher.find()) { System.out.println("满足格式"); } else { System.out.println("不满足格式"); } } } 

PatternSyntaxException

是一个非强制异常类，表示一个正则表达式模式中的语法错误

反向引用

概念

1. 分组：用圆括号组成一个比较负责的匹配模式，那么一个圆括号的部分我们可以看作是一个子表达式或者一个分组
2. 捕获：把正则表达式中子表达式/分组匹配的内容，保存到内存中以数字编号或显式命名的组里，方便后面引用，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，组0代表的是整个正则式
3. 反向引用：圆括号内的内容被捕获后，可以在这个括号后被使用，从而写出一个比较实用的匹配模式，这个我们称之为反向引用，这种引用既是可以在正则表达式内部，也可以是在正则表达式外部，内部反向引用 \\ 分组号，外部反向引用 $ 分组号

应用案例

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** *匹配两个连续相同的数字 (\\d)\\1 反向引用一次 *匹配五个连续相同的数字 (\\d)\\1{4} 反向引用四次 *匹配个位和千位相同，十位和百位相同的数字 5225，1551 *在字符串中检索商品编号，如：12321- *要求满足前面是一个五位数，然后一个-号，然后一个九位数，连续的三位要相同 */ public class RegexpText12 { public static void main(String[] args) { String content = "22222 h1234ell7896o jac1551k t12321-om11 jack22 xxx yyy"; //匹配两个连续相同的数字 //String regStr = "(\\d)\\1"; //匹配五个连续相同的数字 //String regStr = "(\\d)\\1{4}"; //匹配个位和千位相同，十位和百位相同的数字 5225，1551 //String regStr = "(\\d)(\\d)\\2\\1"; //在字符串中检索商品编号，如：12321- String regStr = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); } } }

结巴去重案例

package com.company.Regexp; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 经典的结巴程序 * 把类似：”我……我要……学学学……编程java“； * 通过正则表达式修改成”我要学编程java“ */ public class RegexpText13 { public static void main(String[] args) { String content = "我...我要...学学学...编程java"; //1，去掉所有的 . Pattern pattern = Pattern.compile("\\."); Matcher matcher = pattern.matcher(content); content = matcher.replaceAll(""); // System.out.println("content = " + content); //2，去掉所有重复的字 /** * 思路： * 1，使用(.)\\1+ * 2，使用反向引用$1来替换匹配到的内容 * 3，使用一条语句去掉重复的字 * 注意：因为正则表达式变化，所以要重置matcher */ // pattern = Pattern.compile("(.)\\1+"); // matcher = pattern.matcher(content); // while (matcher.find()) { // System.out.println(matcher.group(0)); // } // // content = matcher.replaceAll("$1"); // System.out.println("content=" + content); content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1"); System.out.println(content); } }

替换分割匹配

替换

package com.company.Regexp; /** * 替换 */ public class RegexpText14 { public static void main(String[] args) { String content = "2000年5月，JDK1.3、JDK1.4和J2SE1.3相继发布，" + "几周后其获得了Apple公司Mac OS X的工业标准的支持。" + "2001年9月24日，J2EE1.3发布。2002年2月26日，J2SE1.4发布。" + "自此Java的计算能力有了大幅提升，与J2SE1.3相比，其多了近62%的类和接口。" + "在这些新特性当中，还提供了广泛的XML支持、安全套接字（Socket）" + "支持（通过SSL与TLS协议）、全新的I/OAPI、正则表达式、日志与断言。" + "2004年9月30日，J2SE1.5发布，成为Java语言发展史上的又一里程碑。" + "为了表示该版本的重要性，J2SE 1.5更名为Java SE 5.0（内部版本号1.5.0），" + "代号为“Tiger”，Tiger包含了从1996年发布1.0版本以来的最重大的更新，" + "其中包括泛型支持、基本类型的自动装箱、改进的循环、枚举类型、" + "格式化I/O及可变参数。"; //使用正则表达式将JDK1.3和JDK1.4替换成JDK content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK"); System.out.println(content); } } 

分割

 content = ""; if (content.matches("1(38|39)\\d{8}")) { System.out.println("验证成功"); } else { System.out.println("验证失败"); } }

匹配

 //要求按照# - ~ 数字来分割字符串 content = "hello#abc-jack12mith~北京"; String[] split = content.split("#|-|~|\\d+"); for (String s : split) { System.out.println(s); }

练习

验证整数或者小数

package com.company.Regexp; /** * 验证整数或者小数 * 思路： * 先写出正则表达式 * 然后逐步完善 */ public class RegexpText15 { public static void main(String[] args) { String content = "-0.89"; String regStr = "^[-+]?([1-9]\\d*|0)+(\\.\\d+)?#34;; if (content.matches(regStr)) { System.out.println("验证成功"); } else { System.out.println("验证失败"); } } }