Java與正則表達式

標簽： Java基礎(chǔ)

---

正則

正如正則的名字所顯示的是描述了一個規(guī)則, 通過這個規(guī)則去匹配字符串. 學習正則就是學習正則表達式的語法規(guī)則

---

正則語法

普通字符

字母, 數(shù)字, 漢字, 下劃線, 以及沒有特殊定義的標點符號都是普通字符. 表達式中的普通字符在匹配一個字符串時, 匹配與之相同的一個字符.

---

轉(zhuǎn)義字符

字符解釋

\n	換行符
\t	制表符
\^ \$ \( \) \{ \} \? \+ \* | \\ \[ \]	匹配這些字符本身

---

標準字符集合

字符匹配

\d	任意一個數(shù)字
\w	任意一個字母/數(shù)字/下劃線
\s	任意一個空格/制表符/換行符等空白字符
.	小數(shù)點在內(nèi)的任意一個字符(除\n外)
[\s\S]	匹配\n在內(nèi)的任意一個字符

• 注意大小寫: 大寫是取反

---

自定義字符集合

[] 方括號匹配方式, 能夠匹配方括號中的任意一個字符.

表達式解釋

[ab5@v]	匹配a b 5 @ v中任意一個
[^ab5@v]	匹配a b 5 @ v之外任意一個
[f-k]	匹配f-k之間任意一個字母
[^f-k]	匹配f-k之外任意一個
[f-k0-3]	匹配f-k或0-3之間任意一個字母
[^f-k0-3]	不匹配f-k或0-3之間任意一個字母

注:

• 正則表達式中的特殊符號, 被包含到[]中, 則失去特殊意義, 除了- ^之外.
  
  • []中的^表示取反的含義.
  • []中的-表示范圍的含義
• 標準字符集合(除小數(shù)點外),如果被包含于中括號中,則自定義集合將包含該集合.
  如[\d.\-+]將匹配: 數(shù)字, 小數(shù)點, -, +

---

量詞

量詞解釋

{n}	表達式重復(fù)n次
{m,n}	表達式至少重復(fù)m次，最多重復(fù)n次
{m,}	表達式至少重復(fù)m次
?	匹配表達式0次或者1次
+	表達式至少出現(xiàn)1次，相當于 {1,}
*	表達式不出現(xiàn)或出現(xiàn)任意次，相當于 {0,}

• 貪婪模式與非貪婪模式
  貪婪模式: 匹配字符越多越好, 默認.
  非貪婪模式: 匹配字符越少越好, 需要在量詞后再加上一個?號.

• 示例

  • 匹配手機號1[358]\d{9}
  • 匹配郵箱 ([\w\-\.]+)@([0-9a-zA-Z\-]+)(\.[a-zA-Z]{2,4}){1,2}

---

字符邊界

零寬匹配: 匹配的不是字符而是位置(符合某種條件的位置),不匹配任何字符.

字符解釋

^	與字符串開始的地方匹配
$	與字符串結(jié)束的地方匹配
\b	匹配一個單詞邊界，也就是單詞和空格之間的位置

注: \b會匹配這樣一個位置: 前面的字符與后面的字符不全是\w

---

選擇符與分組

表達式解釋

|	左右兩邊表達式之間 “或” 關(guān)系,匹配左邊或右邊
() 捕獲組	被修飾時,()中的表達式可以作為整體被修飾; 取匹配結(jié)果時, ()中的表達式匹配到的內(nèi)容可以被單獨得到; 每一對括號會被分配一個編號(以(為準,從左到右: 從1開始)
(?:exp) 非捕獲組	一些表達式中, 不得不使用(), 但又不需保存()中子表達式匹配的內(nèi)容, 這時可以使用非捕獲組來抵消()帶來的副作用

注: 非捕獲組可以用于當處理大量文本時用于優(yōu)化內(nèi)存分配.

• 反引用\nnn
  由上面可知, 捕獲組默認被分配了編號, 通過反向引用, 可以對分組已捕獲的字符串進行引用
• 示例
  (\w{2})\1 匹配類似toto dodo gogo這樣由一個單詞復(fù)制而來得到的字符串
  (img)\w+\1 匹配前后都是img的字符串

---

零寬斷言(預(yù)搜索)

• 零寬度: 只進行子表達式的匹配, 匹配內(nèi)容不計入最終的匹配結(jié)果.
• 位置匹配: 判斷當前位置的前后字符是否符合指定的條件, 但不保留前后的字符.

正則表達式中, 如果子表達式匹配到得是字符內(nèi)容, 而非位置, 并被保留到最終的匹配結(jié)果中, 那么就認為這個子表達式是占有字符的; 如果子表達式匹配的僅僅是位置, 或者匹配的內(nèi)容并不保存到最終的匹配結(jié)果中, 那么就認為這個子表達式是零寬度的(占有字符或零寬度, 是針對匹配的內(nèi)容是否保留到最終結(jié)果而言的)

表達式解釋

(?=exp)	斷言自身出現(xiàn)的位置的后面能夠匹配表達式exp
(?!exp)	斷言自身出現(xiàn)的位置的后面不能匹配表達式exp
(?<=exp)	斷言自身出現(xiàn)的位置的前面能夠匹配表達式exp
(?<\!exp)	斷言自身出現(xiàn)的位置的前面不能匹配表達式exp

• 示例
  [a-z]+(?=ing) 匹配所有以ing結(jié)尾的單詞, 但ing并不放入字符串
  [a-z]+(?=\d+) 匹配所有以數(shù)字結(jié)尾的單詞
  [a-z]+(?!\d+) 匹配不以數(shù)字結(jié)尾的單詞
  (?<=(href=\")) 匹配以href="開頭的字符串

---

Java Pattern與Matcher

• java.util.regex包下提供的Pattern與Matcher兩個類提供了在Java中的正則支持;
• Pattern對象是正則表達式編譯后在內(nèi)存中的表現(xiàn)形式, 因此, 正則表達式字符串必須先被編譯為Pattern對象Pattern pattern = Pattern.compile("\\w+");然后再利用該Pattern對象創(chuàng)建對象的Matcher對象Matcher matcher = pattern.matcher(input);.
• Matcher對象是一個對CharSequence執(zhí)行匹配操作的正則引擎: 執(zhí)行匹配所涉及的狀態(tài)保留在Matcher對象中, 多個Matcher對象可共享同一個Pattern對象.

/*** Created by jifang on 15/12/15.*/ public class LearnRegexp {@Testpublic void testSearch() {String input = "hello1997&&2000";// 將一個正則表達式編譯成Pattern對象Pattern pattern = Pattern.compile("\\w+");Matcher matcher = pattern.matcher(input);// matches嘗試將整個字符序列與該模式匹配System.out.println(matcher.matches());// reset將matcher中的指針重新定位matcher.reset();// find 方法掃描整個字符串, 查找能否找到下一個符合該模式字符串while (matcher.find()) {String group = matcher.group();System.out.println(group);}}/*** 將所有的數(shù)字都替換成'#'*/@Testpublic void testReplace() {String input = "1j2h3h4g5o";Matcher replace = Pattern.compile("[0-9]").matcher(input);input = replace.replaceAll("#");System.out.println(input);}/*** 將字符串按數(shù)字分割*/@Testpublic void testSplit() {String input = "1j24h356h467g589o";String[] strings = input.split("\\d+");for (String str : strings) {System.out.println(str);}} }

由上例可以看到: 其實String中某些方法也支持正則表達式, 如split, replace等(Pattern,Matcher與String的其他用法請參考JDK文檔).

小實驗-抓取網(wǎng)頁中所有的超鏈接

/*** 模仿網(wǎng)絡(luò)爬蟲, 抓取網(wǎng)站html, 將里面所有的超鏈接都分析出來* Created by jifang on 15/12/15.*/ public class HtmlAnalyzer {private final String FILE_PATH = "/Users/jifang/save.txt";@Testpublic void client() throws IOException {String html = downloadHtml("http://www.163.com/", "gbk");// (?<=(href=\"))(?:[\w.\/\:\?\=\&]+)(?=\") 匹配url的正則Set<String> urlSet = analyzeHtml(html, "(?<=(href=\\\"))(?:[\\w.\\/\\:\\?\\=\\&]+)(?=\\\")");saveToFile(urlSet);System.out.println();}private String downloadHtml(String url, String charset) throws IOException {URL readUrl = new URL(url);BufferedReader reader = new BufferedReader(new InputStreamReader(readUrl.openStream(), charset));return CharStreams.toString(reader);}private Set<String> analyzeHtml(String html, String regex) {Set<String> urlSet = new HashSet<>();// 匹配url的正則表達式Matcher matcher = Pattern.compile(regex).matcher(html);while (matcher.find()) {String group = matcher.group();urlSet.add(group);}return urlSet;}private void saveToFile(Set<String> urlSet) throws IOException {PrintStream printer = new PrintStream(new FileOutputStream(FILE_PATH));for (String url : urlSet) {printer.println(url);}printer.flush();printer.close();} }

• 附- 運行上程序需要在pom.xml中添加以下依賴

<dependency><groupId>com.google.guava</groupId><artifactId>guava</artifactId><version>18.0</version> </dependency>

---

推薦幾個正則驗證工具:

• Mac端: RegExRX
• Win端: RegexBuddy
• Web端: 在線正則表達式測試

---

參考

• 揭開正則表達式的神秘面紗
• Java正則表達式教程

總結(jié)

以上是生活随笔為你收集整理的Java与正则表达式的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。