Java 正则表达式

micktiger
Java
7天前
38热度
0评论

1、Java使用正则表达式

java.util.regex 包是 Java 标准库中用于支持正则表达式操作的包。^[1]

包括以下三个类：

Pattern 类：
Pattern 对象是一个正则表达式的编译表示。调用 Pattern 对象的 compile 方法来获得一个 Pattern 对象。
如：Pattern pattern = Pattern.compile("[0-9]*");
Matcher 类：
Matcher 对象是对输入字符串进行解释和匹配操作的引擎。调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。
如：Matcher isNum = pattern.matcher(str);
PatternSyntaxException：
PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

1.1、matches() 判断字符串中是否匹配

字符串与正则表达式匹配，完全匹配：true，不完全匹配：false

// 1. 编译正则表达式，生成Pattern对象
Pattern pattern = Pattern.compile("a*b");
        
// 2. 创建Matcher对象，关联待匹配的字符串
Matcher matcher = pattern.matcher("aaaaab");
        
// 3. 执行匹配操作
boolean matchFound = matcher.matches();

System.out.println(matchFound); // 输出: true

1.2、find() 查找匹配项

查找匹配的元素

find()：返回是否有找到

group()：返回查找到的下一个

start()：返回起始索引

end()：返回结束索引

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("dde123eee456fff");
while (matcher.find()) {
    System.out.println("找到："+matcher.group()+", 开始位置："+matcher.start()+"，结束位置："+matcher.end());
}
// 输出:
// 找到：123, 开始位置：3，结束位置：6
// 找到：456, 开始位置：9，结束位置：12

1.3、lookingAt() 前缀匹配模式

判断字符串是否以XX开头，是：true，否：false

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("123eee");
System.out.println(matcher.lookingAt()); 

//输出： true

2、正则表达式语法

元字符匹配^[2]

字符	描述
.	匹配除换行符以外的任意字符
^	匹配字符串的开始位置
$	匹配字符串的结束位置
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
{n}	匹配前面的子表达式恰好n次
{n,}	匹配前面的子表达式至少n次
{n,m}	匹配前面的子表达式至少n次，至多m次
[]	匹配方括号中指定的任意一个字符
[^]	匹配不在方括号中指定的任意一个字符
()	标记一个子表达式的开始和结束位置
\|	表示或关系，匹配两个或多个选项之一

预定义字符匹配

字符	表达式	描述
\d	[0-9]	匹配一个数字字符
\D	[^0-9]	匹配一个非数字字符
\w	[a-zA-Z_0-9]	匹配一个单词字符（字母、数字、下划线）
\W	[^a-zA-Z_0-9]	匹配一个非单词字符
\s	[ \t\n\x0B\f\r]	匹配一个空白字符（空格、制表符、换行符等）
\S	[^ \t\n\x0B\f\r]	匹配一个非空白字符

3、注意事项

复用Pattern对象
避免在循环中重复编译相同的正则表达式，应将编译后的Pattern对象缓存并复用。
优先使用String类的方法
对于简单的字符串操作，如startsWith()、endsWith()、indexOf()等，应优先使用String类的方法，比正则表达式效率更高。

4、常见案例

4.1、使用圆括号()分别提取

使用圆括号()可以将正则表达式中的部分内容分组，每个分组可以被单独捕获和引用。分组编号从1开始，0表示整个匹配结果。^[2]

比如：分别提取邮箱的用户名和域名

public class GroupExample { 
   public static void main(String[] args) {
        String email = "test.user@example.com";
        String regex = "([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+\\.[a-zA-Z]{2,})";
        
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(email);
        
        if (matcher.matches()) {
            System.out.println("完整匹配: " + matcher.group(0));  // 整个匹配结果
            System.out.println("用户名: " + matcher.group(1));    // 第一组
            System.out.println("域名: " + matcher.group(2));      // 第二组
        }
   } 
}

//完整匹配: test.user@example.com 
//用户名: test.user 
//域名: example.com

4.2、贪婪匹配与非贪婪匹配

贪婪匹配
默认情况下，正则表达式的量词（如*、+、{n,m}）是贪婪的，会尽可能多地匹配字符。例如，<.*> 会匹配整个 HTML 标签。
非贪婪匹配
在量词后面加上?，可以将贪婪匹配转换为非贪婪匹配，尽可能少地匹配字符。如 <.*?>，只匹配最短的内容。

public class GreedyVsNonGreedy {
    public static void main(String[] args) {
        String text = "<html><body><h1>Hello</h1></body></html>";
        
        // 贪婪匹配
        String greedyRegex = "<.*>";
        Pattern greedyPattern = Pattern.compile(greedyRegex);
        Matcher greedyMatcher = greedyPattern.matcher(text);
        
        if (greedyMatcher.find()) {
            System.out.println("贪婪匹配: " + greedyMatcher.group());
        }
        
        // 非贪婪匹配
        String nonGreedyRegex = "<.*?>";
        Pattern nonGreedyPattern = Pattern.compile(nonGreedyRegex);
        Matcher nonGreedyMatcher = nonGreedyPattern.matcher(text);
        
        while (nonGreedyMatcher.find()) {
            System.out.println("非贪婪匹配: " + nonGreedyMatcher.group());
        }
    }
}


//输出：
贪婪匹配: <html><body><h1>Hello</h1></body></html>
非贪婪匹配: <html>
非贪婪匹配: <body>
非贪婪匹配: <h1>
非贪婪匹配: </h1>
非贪婪匹配: </body>
非贪婪匹配: </html>

4.3、断言

(?=...) 正向前瞻
匹配后面跟着特定模式的地方，比如：a(?=b) 匹配 a，但要求其后必须是 b
(?!...) 负向前瞻
匹配后面不跟着特定模式的地方，比如：a(?!b) 匹配 a，但要求其后不跟 b

4.4、常见正则表达式

匹配	正则
邮箱	^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$
身份证	^[1-9]\\d{5}(18\|19\|20)\\d{2}(0[1-9]\|1[0-2])(0[1-9]\|[12]\\d\|3[01])\\d{3}[0-9Xx]$
URL	^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-])\/?$
日期（YYYY-MM-DD）	^\d{4}-\d{2}-\d{2}$
IPv4地址	^((25[0-5]\|2[0-4]\d\|[01]?\d\d?)\.){3}(25[0-5]\|2[0-4]\d\|[01]?\d\d?)$
HTML标签	<([a-z]+)([^<]+)(?:>(.?)<\/\1>\|\s*\/>)
中文字符	^[\u4e00-\u9fa5]+$
邮政编码（中国）	^\d{6}$
密码强度（8位且含字母和数字）	^(?=.\d)(?=.[a-zA-Z]).{8,}$
正整数	^[1-9]\d*$
负整数	^-\d+$
整数	^-?[1-9]\d*$
整数（含前导零）	^-?\d+$
小数	^-?(?:0\|[1-9]\d*)\.\d+$
科学计数法	^-?\d+(?:\.\d+)?[eE][+-]?\d+$
简写小数（允许 .5 或 0.5 格式）	^-?\d*\.?\d+$

^[3]

左手平凡