正则表达式在我们的日常工作中，无论是前端，后端开始其他IT岗位都是经常需要用到的，虽然他不难但是由于他的知识点比较琐碎，所以我们需要系统的对其进行学习。
正则表达式使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串
正则表达式简单来说就是帮助我们搜索、编辑或者处理文本的一种技术。例如，我们要判断一段文本是否包含b，aab，aaab，我们就可以使用a*b这样的一串正则表达式。
常见分类
字符
| 表达式 | 描述 | 举例/备注 |
|---|---|---|
| [abc] | 字符集合。匹配所包含的任意一个字符。 | 匹配 "plain" 中的 'a' |
| [^abc] | 负值字符集合。匹配未包含的任意字符。 | 匹配 "plain" 中的'p'、'l'、'i'、'n' |
| [a-z] | 字符范围。匹配指定范围内的任意字符。 | 匹配 'a' 到 'z' 范围内的任意小写字母字符 |
| . | 匹配除换行符（\n、\r）之外的任何单个字符。 | 匹配 "plain" 中的'p'、'l'、'a'、'i'、'n' |
| \ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。 | 'n' 匹配字符 "n"。'\n' 匹配一个换行符。序列 '\' 匹配 "" 而 "(" 则匹配 "(" |
| \w | 匹配字母、数字、下划线。 | 等价于'[A-Za-z0-9_]' |
| \W | 匹配非字母、数字、下划线。 | 等价于 '[^A-Za-z0-9_]' |
| \d | 匹配一个数字字符。 | 等价于 [0-9] |
| \D | 匹配一个非数字字符 | 等价于 [^0-9] |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等等。 | 等价于 [ \f\n\r\t\v] |
| \S | 匹配任何非空白字符。 | 等价于 [^ \f\n\r\t\v] |
锚点/边界
| ^ | 匹配输入字符串的开始位置。 | ^a，以a开头 |
|---|---|---|
| $ | 匹配输出字符串的结束位置。 | b$，以b结尾 |
| \b | 匹配一个单词边界，也就是指单词和空格间的位置。 | 'er\b' 可以匹配"never" 中的 'er'，但不能匹配 "verb" 中的 'er'。 |
| \B | 匹配非单词边界。 | 'er\B' 能匹配 "verb" 中的 'er'，但不能匹配 "never" 中的 'er'。 |
数量表示
| * | 匹配前面的子表达式零次或多次。 | zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。 |
|---|---|---|
| + | 匹配前面的子表达式一次或多次。 | 'zo+' 能匹配 "zo" 以及 "zoo"，但不能匹配 "z"。+ 等价于 {1,}。 |
| ? | 匹配前面的子表达式零次或一次。 | "do(es)?" 可以匹配 "do" 或 "does" 。? 等价于 {0,1}。 |
| {n} | n 是一个非负整数。匹配确定的 n 次。 | 'o{2}' 不能匹配 "Bob" 中的 'o'，但是能匹配 "food" 中的两个 o。 |
| {n,} | n 是一个非负整数。至少匹配n 次。 | 'o{2,}' 不能匹配 "Bob" 中的 'o'，但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。 |
| {n,m} | m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。 | "o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。 |
特殊标志
| i | 将匹配设置为不区分大小写 | 搜索时不区分大小写: A 和 a 没有区别。 |
|---|---|---|
| g | 全局匹配 | 查找所有的匹配项。 |
| m | 多行匹配 | 使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是多行，而不是整个字符串的开头和结尾。 |
| s | 特殊字符圆点 . 中包含换行符 \n | 默认情况下的圆点 . 是匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, . 中包含换行符 \n。 |
其他
| ? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的 | 非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串 "oooo"，'o+?' 将匹配单个 "o"，而 'o+' 将匹配所有 'o'。 |
|---|---|---|
| x|y | 匹配 x 或 y。 | z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配 "zood" 或 "food"。 |
正则表达式举例分析
菜鸟教程例子
正则表达式工具
可视化工具
测试工具
在Java中的应用
主要用到Pattern，Matcher这两个类
常见函数
- matches:整个匹配，只有整个字符序列完全匹配成功，才返回True，否则返回False。
- lookingAt:部分匹配，总是从 第一个字符 进行匹配,匹配成功了不再继续匹配，匹配失败了,也不继续匹配。
- find:部分匹配，从 当前位置 开始匹配，找到一个匹配的子串，将移动下次匹配的位置。
- reset:给当前的Matcher对象配上个新的目标，目标是就该方法的参数；如果不给参数，reset会把Matcher设到当前字符串的 开始处 。
- start:返回以前匹配的初始索引。
- end:返回最后匹配字符之后的偏移量。
private static final String REGEX = "foo";
private static final String INPUT = "foooooofooooooooooo";
private static Pattern pattern;
private static Matcher matcher;
public static void main(String args[]) {
pattern = Pattern.compile(REGEX);
matcher = pattern.matcher(INPUT);
System.out.println("Current REGEX is: " + REGEX);
System.out.println("Current INPUT is: " + INPUT);
System.out.println("find01(): " +matcher.find());//find01(): true
System.out.println(matcher.group()+" - "+matcher.start()+"-"+matcher.end());//foo - 0-3
System.out.println("find02(): " +matcher.find());//find02(): true
System.out.println(matcher.group()+" - "+matcher.start()+"-"+matcher.end());//foo - 7-10
matcher.reset();
System.out.println("find03(): " +matcher.find());//find03(): true
System.out.println(matcher.group()+" - "+matcher.start()+"-"+matcher.end());//foo - 0-3
System.out.println("lookingAt(): " + matcher.lookingAt());//lookingAt(): true
System.out.println(matcher.group()+" - "+matcher.start()+"-"+matcher.end());//foo - 0-3
System.out.println("matches(): " + matcher.matches());//matches(): false
}
这里要介绍一下捕获组的概念:
捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。
例如，正则表达式(dog) 创建了单一分组，组里包含"d"，"o"，和"g"。
捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组：
- ((A)(B(C)))
- (A)
- (B(C))
- (C)
可以通过调用matcher对象的groupCount方法来查看表达式有多少个分组。groupCount方法返回一个int值，表示matcher对象当前有多个捕获组。
还有一个特殊的组（组0），它总是代表整个表达式。该组不包括在groupCount的返回值中。
从而引出下面三个函数中参数的使用：
- group(i)中的参数i:表示符合正则表达式捕获组i的字符串
- start(i)中的参数i:表示符合正则表达式捕获组i的字符串起始位置
- end(i)的参数i:表示符合正则表达式捕获组i的字符串结束位置
下面具体分析一个例子：
// 按指定模式在字符串查找
String line = "I was 100 years old 7 you are 200 years old 123456";
String pattern = "(\D+)(\d+)(\D+)";
// 创建 Pattern 对象
Pattern r = Pattern.compile(pattern);
// 现在创建 matcher 对象
Matcher m = r.matcher(line);
int groupCount = m.groupCount();
System.out.println(groupCount);
while (m.find()) {
for (int n = 0; n <= groupCount; n++) {
System.out.println("Found value: " + m.group(n) + ":" + m.start(n) + ":" + m.end(n));
}
System.out.println();
}
//3
//Found value: I was 100 years old :0:20
//Found value: I was :0:6
//Found value: 100:6:9
//Found value: years old :9:20
//Found value: you are 200 years old:21:43
//Found value: you are :21:30
//Found value: 200:30:33
//Found value: years old:33:43
首先我们看一下整个正则表达式能表示的字符串（1个或者多个非数字字符）（1个或多个数字字符）（1个或者多个非数字字符）
组0：1个或者多个非数字字符 连接 1个或多个数字字符 1个或者多个非数字字符
组1：1个或者多个非数字字符
组2：1个或多个数字字符
组3：1个或者多个非数字字符
组0能匹配到字符串=》组1,2,3都可以匹配到字符串，思考一下对不对？是对的吧。
我们可以认为find是去匹配组0的，一旦find匹配到了第一个字符串，也就是I was 100 years old，那group（0）其实就是I was 100 years old，group （1）就是I was，以此类推。并且Java的正则表达式默认是贪婪匹配，总是匹配最长的，所以group（2）才是100，而不是1。
而我们进入下一次的find，匹配到的第二个字符串就是 you are 200 years old，group（0）就是you are 200 years old，group（1）就是you are ,以此类推。
而每一次的start，end就是对应组的起始和结束位置。
假如说组1，组2能匹配到，但是组3匹配不到，那我们可以认为组0其实无法匹配到符合的字符串，那么find其实返回的是false，就无法进入下一次循环。
常见的正则表达式
一、校验数字的表达式
- 数字：^[0-9]*$
- n位的数字：^\d{n}$
- 至少n位的数字：^\d{n,}$
- m-n位的数字：^\d{m,n}$
- 零和非零开头的数字：^(0|[1-9][0-9]*)$
- 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(\.[0-9]{1,2})?$
- 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})$
- 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
- 有两位小数的正实数：^[0-9]+(\.[0-9]{2})?$
- 有1~3位小数的正实数：^[0-9]+(\.[0-9]{1,3})?$
- 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
- 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
- 非负整数：^\d+$ 或 ^[1-9]\d*|0$
- 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
- 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
- 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
- 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
- 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
- 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
二、校验字符的表达式
- - 汉字：^[\u4e00-\u9fa5]{0,}$
- 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
- 长度为3-20的所有字符：^.{3,20}$
- 由26个英文字母组成的字符串：^[A-Za-z]+$
- 由26个大写英文字母组成的字符串：^[A-Z]+$
- 由26个小写英文字母组成的字符串：^[a-z]+$
- 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
- 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
- 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
- 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
- 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
- 禁止输入含有~的字符：[^~]+
三、特殊需求表达式
- Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
- 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(\.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+\.?
- InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
- 手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
- 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
- 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
- 电话号码正则表达式（支持手机号码，3-4位区号，7-8位直播号码，1－4位分机号）: ((\d{11})|^((\d{7,8})|(\d{4}|\d{3})-(\d{7,8})|(\d{4}|\d{3})-(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1})|(\d{7,8})-(\d{4}|\d{3}|\d{2}|\d{1}))$)
- 身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
- 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
- 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
- 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在 8-10 之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z])[a-zA-Z0-9]{8,10}$
- 强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
- 日期格式：^\d{4}-\d{1,2}-\d{1,2}
- 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
- 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
- xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
- 中文字符的正则表达式：[\u4e00-\u9fa5]
- 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
- 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
- HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> ( 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
- 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
- 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
- IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(\.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}
