Java21 正则表达式

在 Java 21 中，正则表达式主要通过 java.util.regex 包提供支持，其核心组件包括 Pattern、Matcher 和 String 类中自带的方法（如 replaceAll 和 matches）。以下是关于正则表达式在 Java 21 中的详细介绍及一些新的特性或用法。

核心组件

1. `Pattern` 类

Pattern 是正则表达式的编译表示形式。
使用 Pattern.compile(String regex) 编译正则表达式。
提供了优化匹配的标志位（如 CASE_INSENSITIVE、DOTALL）。

Pattern pattern = Pattern.compile("[a-z]+", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("Hello World");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "Hello" 和 "World"
}

2. `Matcher` 类

Matcher 是执行匹配操作的引擎，依赖于 Pattern。
支持多种匹配方式：find()、matches()、lookingAt() 等。

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("Order 123, Item 456");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 123 和 456
}

3. `String` 中的正则方法

matches：检查整个字符串是否匹配正则表达式。
replaceAll 和 replaceFirst：使用正则表达式进行替换。
split：使用正则表达式分割字符串。

String str = "apple,banana,orange";
String[] fruits = str.split(",");
for (String fruit : fruits) {
    System.out.println(fruit);
}

常见标志和特性

常用标志位（`Pattern` 常量）

标志位	含义
`Pattern.CASE_INSENSITIVE`	忽略大小写匹配（等价于 `(?i)`）。
`Pattern.MULTILINE`	允许 `^` 和 `$` 匹配每行的开头和结尾（等价于 `(?m)`）。
`Pattern.DOTALL`	使 `.` 匹配包括换行符在内的所有字符（等价于 `(?s)`）。
`Pattern.UNICODE_CASE`	结合 `CASE_INSENSITIVE`，对 Unicode 字符有效。
`Pattern.COMMENTS`	忽略正则中的空白和注释（等价于 `(?x)`）。

Pattern pattern = Pattern.compile("^hello", Pattern.CASE_INSENSITIVE | Pattern.MULTILINE);
Matcher matcher = pattern.matcher("hello world\nHello Java");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "hello" 和 "Hello"
}

正则表达式语法

基础元字符

元字符	含义
`.`	匹配任意单个字符（除换行符）。
`\d`	匹配数字（0-9）。
`\w`	匹配字母、数字或下划线。
`\s`	匹配空白字符（空格、制表符等）。
`\b`	匹配单词边界。
`^`	匹配行的开头。
`$`	匹配行的结尾。
`[...]`	匹配括号内任意一个字符。
`[^...]`	匹配括号内没有的任意字符。

Pattern pattern = Pattern.compile("\\d{3}-\\d{2}-\\d{4}");
Matcher matcher = pattern.matcher("123-45-6789");
if (matcher.matches()) {
    System.out.println("Valid format!"); // 输出 "Valid format!"
}

高级语法

表达式	含义
`(...)`	分组，捕获子表达式。
`(?:...)`	非捕获分组。
`(?=...)`	正向先行断言（匹配后面紧跟的内容）。
`(?!...)`	负向先行断言（匹配后面不紧跟的内容）。
`(?<=...)`	正向后行断言（匹配前面紧跟的内容）。
`(?<!...)`	负向后行断言（匹配前面不紧跟的内容）。

// 示例：正向先行断言
Pattern pattern = Pattern.compile("\\d+(?= dollars)");
Matcher matcher = pattern.matcher("I owe 100 dollars");
if (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "100"
}

Java 21 中的新特性

Unicode 支持增强
- Java 21 继续支持最新版本的 Unicode，正则表达式对 Unicode 的处理更加全面。
- 例如，\p{Script=Latin} 匹配所有拉丁字符。
更高的性能优化
- Pattern 的编译器在 Java 21 中进一步优化，能够处理更复杂的正则表达式并提供更快的匹配速度。
内置内联正则表达式语法改进
- 可以直接将常用标志（如 CASE_INSENSITIVE、DOTALL）内嵌在正则表达式中，无需额外设置。

实践示例

验证邮箱

Pattern pattern = Pattern.compile("^[\\w.%+-]+@[\\w.-]+\\.[a-zA-Z]{2,}$");
Matcher matcher = pattern.matcher("example@example.com");
System.out.println(matcher.matches()); // 输出 true

替换多行文本

String text = "<tag>\nSome content\n</tag>";
String result = text.replaceAll("(?s)<.*?>", "REPLACED");
System.out.println(result); // 输出 REPLACED

提取 URL 中的域名

Pattern pattern = Pattern.compile("https?://([^/]+)");
Matcher matcher = pattern.matcher("https://www.example.com/path");
if (matcher.find()) {
    System.out.println(matcher.group(1)); // 输出 www.example.com
}