Java语法学习 正则表达式

大纲

具体案例

需求：使用正则表达式完成对文本的查询，regular expression（正则表达式）

源码解析group

package com.wantian.regular;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegTheory {
    public static void main(String[] args) {
        String content = "   ";
        // 目标：匹配所有四个数字
        // 说明
        // 1. \\d 表示一个任意的数字
        String regStr = "\\d\\d\\d\\d";
        // 2. 创建模式对象[即正则表达式对象]
        Pattern pattern = Pattern.compile(regStr);
        // 3. 创建一个匹配器
        // 说明：创建匹配器matcher,按照正则表达式的规则，去匹配 content
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()){
            System.out.println("找到: " + matcher.group(0));
        }
        // 4. 开始匹配(下面假设截取的字符串为 String contents = “1998啊是大家每日分红即可”)
        /**
         * matcher.find() 完成任务
         * 1. 根据指定的规则，定位满足规则的字符串
         * 2. 找到后，将 字符串开始的索引记录到 matcher 对象的属性 int[] groups;
         *   groups[0] = 目标字符串开始的第一个的索引(是从0开始，索引)，这里假设是0
         *   groups[1] = 目标字符串结束的最后一个索引加1，这里假设是4
         * 3. 同时记录oldLast 的值为 字符串结束的索引+1，即下次执行find时，就从oldLast开始
         *
         *     private void checkGroup(int group) {
         *         if (group < 0 || group > groupCount())
         *             throw new IndexOutOfBoundsException("No group " + group);
         *     }
         *
         *     private void checkMatch() {
         *         if (!hasMatch())
         *             throw new IllegalStateException("No match found");
         *     }
         *
         *     public String group(int group) {
         *         checkMatch();
         *         checkGroup(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] = 0 和 groups[1] = 4 的记录的位置，从content开始截取字符串返回
         *      就是从[0,4)截取，因为前闭后开
         *
         *      如果再次执行，会重新执行上次操作，从记录的oldLast开始
         *
         *      分组：
         *      比如(\d\d)(\d\d)，正则表达式中(),表示分组，第一个()表示第1组,第二个()表示第二组，以此类推
         *      这里一样使用((\d\d)(\d\d)),String contents = “1998啊是大家每日分红即可”
         *      1. 根据指定的规则，定位满足规则的字符串
         *      2. 找到后，将 字符串开始的索引记录到 matcher 对象的属性 int[] groups;
         *        2.1 groups[0] = 目标字符串开始的第一个的索引(是从0开始，索引)，这里假设是0
         *        2.2 groups[1] = 目标字符串结束的最后一个索引加1，这里假设是4
         *        2.3 记录第一组()匹配到的字符串 groups[2] = 0,groups[3] = 2
         *        2.4 记录第二组()匹配到的字符串 groups[4] = 2,groups[5] = 4;
         *        2.5 如果有更多分组，以此类推
         *     3. 同时记录oldLast 的值为 字符串结束的索引+1，即下次执行find时，就从oldLast开始
         */
    }
}

语法

元字符

转义号

通过转义号\来完成查询，注意在Java的正则表达式里面\，代表其他语言的一个

通过使用转义号，来匹配原来的符号意思

字符匹配符

注意 [ . ]，表示的就是**.**而不是所有字符

限定符

注意：Java匹配是贪婪匹配，如果指定的限制是个范围，优先匹配多的
eg：如果字符串是1111111七个1，匹配的是\d{2,5}，那么最后会匹配到11111，和11，前面五个1结束后，又匹配到两个1，而如果字符串是111111六个1，那么最后只会匹配到11111，后面只剩一个1，不满足最低两个数字的要求
同样对于？也是贪婪匹配

定位符

限定了定位符，就必须不仅满足字符串的要求，还要满足字符串在文本中的位置，如字符串123asd，若匹配到语句是^\d+[a-z]*，代表的是至少以一个数字开头，后面接任意个小写字母，这个能匹配到目标字符串123asd，但是如果字符串是a123asd，那就不能匹配成功，因为不是数字开头，其余定位符同理
对于\b，是字符串的结束位置，或者字符串后面是空格
对于\B，是字符串的开始位置，或者字符串前面是空格

分组

后面这三种是非捕获匹配，即不是分组，也不能用group[?]来取，因为其根本没有编号匹配

对于(?:pattern)完成对是匹配的优化，如要匹配，下节课是数学，下节课是英语，下节课是语文，这三个字符串，用
下节课是(?:数学|英语|语文)
比下节课是数学|下节课是英语|下节课是语文更经济

对于(?=pattern)，完成是对限定后接词语的关键字进行匹配

对于(?!pattern),与(?=pattern)相反，是不包含指定后接限定词语的关键字进行匹配

非贪婪匹配

通过使用？来完成使用非贪婪匹配
例如：\d+对于字符串1234456，会进行贪婪匹配,一次匹配到1234456，但是如果使用\d+?，就会进行非贪婪匹配，每一次分别返回1,2,3,4,4,5,6

正则表达式的类

Pattern

完成对字符串的整体匹配直接调用 Pattern 的 matches (正则表达式，字符串)方法，返回布尔值

Matcher

分组 / 捕获 / 反向引用

String类中的正则表达式

都可以使用正则表达式的语法

实例

检索url

package com.wantian.RegExp;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegExp02 {
    public static void main(String[] args) {
        // 验证url
        String content = "https://www.bilibili.com/video/BV1fh411y7R8?from=search&seid=1831060912083761326";
        /**
         * 1.先确定 url 的 开始部分 https://|http://
         * 2.用 ([\w-]+\.)+[\w-]+ 来匹配 www.bilibili.com
         * 3.(\/[\w-?=&/%.#]*)? 来匹配后面那一块
         */
        String regStr = "^((https|http)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()){
            System.out.print(matcher.group(0));
        }
    }
}

结巴语句

package com.wantian.RegExp;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
 * 1.完成对结巴语句的处理
 */
public class RegExp03 {
    public static void main(String[] args) {
        String content = "我...要要.....学学学学.......java!";
        // 想最后得到输出，“我要学java!”
        // 1. 把.消除
        String regStr = "\\.";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        content = matcher.replaceAll("");

        // 2. 找到重复的字
        regStr = "(.)\\1+";
        pattern = Pattern.compile(regStr);
        matcher = pattern.matcher(content);
        // 3. 把它替换，比如 要要 用 要替换，学学学学 用学替换
        content = matcher.replaceAll("$1");// 在外面使用$来反向引用
        System.out.println(content);

        // 如果使用一句话(从上面第二点到第三点)
        // content = Pattern.compile(regStr).matcher(content).replaceAll("$1");
    }
}

资源(正则表达式)

正则表达式元字符-详细说明（挽天倾版本）
字符 说明
\ 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，“n"匹配字符"n”。“\n"匹配换行符。序列”\\“匹配”\“，”\(“匹配”("。

^ 匹配输入字符串开始的位置。如果设置了RegExp对象的Multiline属性，^ 还会与"\n"或"\r"之后的位置匹配。

$ 匹配输入字符串结尾的位置。如果设置了RegExp对象的Multiline属性，$ 还会与"\n"或"\r"之前的位置匹配。

• 零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。

• 一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。

? 零次或一次匹配前面的字符或子表达式。例如，"do(es)?“匹配"do"或"does"中的"do”。? 等效于 {0,1}。

{n} n是非负整数。正好匹配n次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。

{n,} n是非负整数。至少匹配n次。例如，"o{2,}“不匹配"Bob"中的"o”，而匹配"foooood"中的所有 o。"o{1,}“等效于"o+”。"o{0,}“等效于"o*”。

{n,m} m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。‘o{0,1}’ 等效于 ‘o?’。注意：您不能将空格插入逗号和数字之间。

? 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，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?“只匹配单个"o”，而"o+“匹配所有"o”。

. 匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。

(pattern) 匹配pattern并捕获该匹配的子表达式。可以使用$0…$9属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"(“或者”)"。

(?: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。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如，'industr(?:y|ies) 是比 ‘industry|industries’ 更经济的表达式。

(?=pattern) 执行正向预测先行搜索的子表达式，该表达式匹配处于匹配pattern的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，‘Windows (?=95|98|NT|2000)’ 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

(?!pattern) 执行反向预测先行搜索的子表达式，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。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，‘Windows (?!95|98|NT|2000)’ 匹配"Windows 3.1"中的 “Windows”，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。

x|y 匹配x或y。例如，‘z|food’ 匹配"z"或"food"。‘(z|f)ood’ 匹配"zood"或"food"。

[xyz] 字符集。匹配包含的任一字符。例如，“[abc]“匹配"plain"中的"a”。
[^xyz] 反向字符集。匹配未包含的任何字符。例如，”[^abc]“匹配"plain"中"p”，“l”，“i”，“n”。

[a-z] 字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。

[^a-z] 反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。

\b 匹配一个字边界，即字与空格间的位置。例如，“er\b"匹配"never"中的"er”，但不匹配"verb"中的"er"。

\B 非字边界匹配。“er\B"匹配"verb"中的"er”，但不匹配"never"中的"er"。

\cx 匹配x指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x?的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。

\d 数字字符匹配。等效于 [0-9]。

\D 非数字字符匹配。等效于 [^0-9]。

\f 换页符匹配。等效于 \x0c 和 \cL。

\n 换行符匹配。等效于 \x0a 和 \cJ。

\r 匹配一个回车符。等效于 \x0d 和 \cM。

\s 匹配任何空白字符，包括空格、制表符、换页符等。与 [?\f\n\r\t\v] 等效。

\S 匹配任何非空白字符。与 [^?\f\n\r\t\v] 等效。

\t 制表符匹配。与 \x09 和 \cI 等效。

\v 垂直制表符匹配。与 \x0b 和 \cK 等效。

\w 匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。

\W 与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。

\xn 匹配n，此处的n是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，“\x41"匹配"A”。“\x041"与”\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。

\num 匹配num，此处的num是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。

\n 标识一个八进制转义码或反向引用。如果 \n前面至少有n个捕获子表达式，那么n是反向引用。否则，如果n是八进制数 (0-7)，那么n是八进制转义码。

\nm 标识一个八进制转义码或反向引用。如果 \nm前面至少有nm个捕获子表达式，那么nm是反向引用。如果 \nm前面至少有n个捕获，则n是反向引用，后面跟有字符m。如果两种前面的情况都不存在，则

\nm匹配八进制值nm，其中?n?和?m?是八进制数字 (0-7)。

\nml 当n是八进制数 (0-3)，m?和?l?是八进制数 (0-7) 时，匹配八进制转义码nml。

\un 匹配n，其中n是以四位十六进制数表示的 Unicode 字符。例如，
\u00A9 匹配版权符号 ()。