Java正则表达式

荧焰
90 阅读9分钟

Java正则表达式

正则表达式的应用场景

最近在看《阿里巴巴 Java 开发手册》，其中有一条提到了正则表达式，这让我死去的记忆又复活了。

正则表达式（Regular Expressions）是一种强大的文本处理工具，广泛运用于对字符串、文本的操作场景，如搜索、编辑或者处理文本，它不是一种语言，而是一种文本模式，在每一种编程语言中的具体实现是有细微差别的，Java 中提供了 java.util.regex 包，它包含了 Pattern 和 Matcher 类，用于处理正则表达式的匹配操作。

正则表达式的语法

  1. 英文句号 . 符号：匹配单个任何字符
    • 如：t.n 可以匹配 ten ，tan , t1n , t*n 等等，但是不能匹配 taan, tn , t然n 等等
  2. 方括号 []：只有方括号里面指定的字符才参与匹配，也只能匹配单个字符
    • 如：t[abcd]n 只可以匹配：tan，tbn，tcn，tdn等等，但不可以匹配：thn，tabn，tn等等
  3. | 符号：相当与“或”，可以匹配指定的字符，但是也只能选择其中一项进行匹配
    • 表达式：t(a|b|c|dd)n 只可以匹配：tan，tbn，tcn，tddn。不可以匹配taan，tn，tabcn等等
  4. 表示匹配次数的符号
    1. {n}匹配表达式重复 n 次，如：\w{2} 表示 \w\w
    2. {n,m}匹配表达式至少重复 n 次，至多重复 m 次
    3. {n,} 匹配表达式至少重复 n 次
    4. ?，匹配表达式 0 次或者 1 次，相当于 {0，1}
    5. +，匹配表达式至少出现1次，相当于{1,}
    6. *，匹配表达式出现0次或者无限次，相当于{0,}
  5. 字母、数字、汉字、下划线、以及没有特殊定义的标点符号，都是 “普通字符”。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符
    1. [abc]匹配[...]中所有的字符
    2. [^abc]匹配除了[...]中所有的字符
    3. [A-Z]匹配 A-Z 区间所有字符中的一个
  6. 转义字符由于其本身有特殊含义，需要前面加个\来表达其真实含义，如\^,\$,\., \\,还有一些有其特殊含义\r表示回车,\n表示换行，\d表示匹配0~9中任意一个数字，\w表示匹配任意一个数字、大小写字母或者下划线，\s匹配空格、制表符、换页符等空格字符中的一个。
  7. 快捷符号速记 1、\d表示[0—9] 2、\D表示[^0—9] 3、\w表示[0—9A—Z_a—z] 4、\W表示[^0—9A—Z_a—z] 5、\s表示[\t\n\r\f] 6、\S表示[^\t\n\r\f]
  8. 其他的一些抽象意义的符号： ^表示字符串开始地方的匹配，￥表示字符串结束地方的匹配，\b匹配一个单词边界

常用的正则表达式

一、校验数字的表达式

  1. 数字：^[0-9]*$
  2. n位的数字：^\d{n}$
  3. 至少n位的数字：^\d{n,}$
  4. m-n位的数字：^\d{m,n}$
  5. 零和非零开头的数字：^(0|[1-9][0-9]*)$
  6. 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
  7. 带1-2位小数的正数或负数：^(-)?\d+(.\d{1,2})?$
  8. 正数、负数、和小数：^(-|+)?\d+(.\d+)?$
  9. 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
  10. 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
  11. 非零的正整数：^[1-9]\d*或([1−9][0−9]∗)1,3 或 ^([1-9][0-9]*){1,3} 或 ^+?[1-9][0-9]*$
  12. 非零的负整数：^-[1-9][]0-9"*或−[1−9]\d∗ 或 ^-[1-9]\d*
  13. 非负整数：^\d+或[1−9]\d∗∣0 或 ^[1-9]\d*|0
  14. 非正整数：^-[1-9]\d*|0或((−\d+)∣(0+)) 或 ^((-\d+)|(0+))
  15. 非负浮点数：^\d+(.\d+)?或[1−9]\d∗\d˙∗∣0\d˙∗[1−9]\d∗∣0?0˙+∣0 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0
  16. 非正浮点数：^((-\d+(.\d+)?)|(0+(.0+)?))或(−([1−9]\d∗\d˙∗∣0\d˙∗[1−9]\d∗))∣0?0˙+∣0 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0
  17. 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]∗)) 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))
  18. 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]∗))) 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))
  19. 浮点数：^(-?\d+)(.\d+)?或−?([1−9]\d∗\d˙∗∣0\d˙∗[1−9]\d∗∣0?0˙+∣0) 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)

二、校验字符的表达式

  1. 汉字：^[\u4e00-\u9fa5]{0,}$
  2. 英文和数字：^[A-Za-z0-9]+或[A−Za−z0−9]4,40 或 ^[A-Za-z0-9]{4,40}
  3. 长度为3-20的所有字符：^.{3,20}$
  4. 由26个英文字母组成的字符串：^[A-Za-z]+$
  5. 由26个大写英文字母组成的字符串：^[A-Z]+$
  6. 由26个小写英文字母组成的字符串：^[a-z]+$
  7. 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
  8. 由数字、26个英文字母或者下划线组成的字符串：^\w+或\w3,20 或 ^\w{3,20}
  9. 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
  10. 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+或[4˘E00−9˘FA5A−Za−z0−9]2,20 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}

其它：

.*匹配除 \n 以外的任何字符。

/[\u4E00-\u9FA5]/ 汉字

/[\uFF00-\uFFFF]/ 全角符号

/[\u0000-\u00FF]/ 半角符号

三、特殊需求表达式

  1. Email地址：^\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*$
  2. 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
  3. InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$
  4. 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
  5. 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^((\d{3,4}-)|\d{3.4}-)?\d{7,8}$
  6. 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
  7. 身份证号(15位、18位数字)：^\d{15}|\d{18}$
  8. 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?或\d8,18∣[0−9x]8,18∣[0−9X]8,18? 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?
  9. 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}$
  10. 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}$
  11. 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]).{8,10}$
  12. 日期格式：^\d{4}-\d{1,2}-\d{1,2}
  13. 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
  14. 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
  15. 钱的输入格式：
  16. 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
  17. 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
  18. 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
  19. 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
  20. 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
  21. 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
  22. 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$

23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$

  1. 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
  2. xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\.[x|X][m|M][l|L]$
  3. 中文字符的正则表达式：[\u4e00-\u9fa5]
  4. 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))
  5. 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
  6. HTML标记的正则表达式：<(\S*?)[^>]>.?</\1>|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
  7. 首尾空白字符的正则表达式：^\s*|\s*或(\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)
  8. 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
  9. 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
  10. IP地址：\d+.\d+.\d+.\d+ (提取IP地址时有用)
  11. IP地址：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
  12. IP-v4地址：\b(?:(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)\b (提取IP地址时有用)
  13. 校验IP-v6地址:(([0-9a-fA-F]{1,4}:){7,7}[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,7}:|([0-9a-fA-F]{1,4}:){1,6}:[0-9a-fA-F]{1,4}|([0-9a-fA-F]{1,4}:){1,5}(:[0-9a-fA-F]{1,4}){1,2}|([0-9a-fA-F]{1,4}:){1,4}(:[0-9a-fA-F]{1,4}){1,3}|([0-9a-fA-F]{1,4}:){1,3}(:[0-9a-fA-F]{1,4}){1,4}|([0-9a-fA-F]{1,4}:){1,2}(:[0-9a-fA-F]{1,4}){1,5}|[0-9a-fA-F]{1,4}:((:[0-9a-fA-F]{1,4}){1,6})|:((:[0-9a-fA-F]{1,4}){1,7}|:)|fe80:(:[0-9a-fA-F]{0,4}){0,4}%[0-9a-zA-Z]{1,}|::(ffff(:0{1,4}){0,1}:){0,1}((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])|([0-9a-fA-F]{1,4}:){1,4}:((25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9])\.){3,3}(25[0-5]|(2[0-4]|1{0,1}[0-9]){0,1}[0-9]))
  14. 子网掩码：((?:(?:25[0-5]|2[0-4]\d|[01]?\d?\d)\.){3}(?:25[0-5]|2[0-4]\d|[01]?\d?\d))
  15. 校验日期:^(?:(?!0000)[0-9]{4}-(?:(?:0[1-9]|1[0-2])-(?:0[1-9]|1[0-9]|2[0-8])|(?:0[13-9]|1[0-2])-(?:29|30)|(?:0[13578]|1[02])-31)|(?:[0-9]{2}(?:0[48]|[2468][048]|[13579][26])|(?:0[48]|[2468][048]|[13579][26])00)-02-29)$(“yyyy-mm-dd“ 格式的日期校验，已考虑平闰年。)
  16. 抽取注释：
  17. 查找CSS属性:^\s*[a-zA-Z\-]+\s*[:]{1}\s[a-zA-Z0-9\s.#]+[;]{1}
  18. 提取页面超链接:(<a\s*(?!.\brel=)[^>])(href="https?:\/\/)((?!(?:(?:www\.)?'.implode('|(?:www\.)?', $follow_list).'))[^" rel="external nofollow" ]+)"((?!.\brel=)[^>])(?:[^>]*)>
  19. 提取网页图片:\< [img][^\\>][src] *= [\"\']{0,1}([^\"\'\ >])
  20. 提取网页颜色代码:^#([A-Fa-f0-9]{6}|[A-Fa-f0-9]{3})$
  21. 文件扩展名效验:^([a-zA-Z]\:|\\)\\([^\\]+\\)[^\/:?"<>|]+\.txt(l)?$
  22. 判断IE版本：^.*MSIE 5-8?(?!.Trident\/[5-9]\.0).$

java.util.regex 包

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

java.util.regex 包主要包括以下三个类：

  • Pattern 类：

    Pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数

  • Matcher 类：

    Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象

  • 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

以下代码中使用正则表达式

import java.util.regex.*;
 
class RegexExample1{
   public static void main(String[] args){
      String content = "I am alan " ;
 
      String pattern = ".*alan*.";
 
      boolean isMatch = Pattern.matches(pattern, content);
      System.out.println("字符串中是否包含了 'alan' 子字符串? " + isMatch);
   }
}

Pattern类用于创建一个正则表达式,也可以说创建一个匹配模式,它的构造方法是私有的,不可以直接创建,但可以通过 Pattern.complie(String regex) 简单工厂方法创建一个正则表达式

Pattern p=Pattern.compile("\\w+"); 
p.pattern();//返回 \w+

compile(String regex) 将正则表达式编译到Pattern中。该方法是个静态方法

pattern() 返回正则表达式的字符串形式,其实就是返回Pattern.complile(String regex)的regex参数

Pattern有一个split(CharSequence input)方法,用于分隔字符串,并返回一个String[],我猜String.split(String regex)就是通过Pattern.split(CharSequence input)来实现的； Java代码示例:

Pattern p=Pattern.compile("\\d+"); 
String[] str=p.split("我的姓名是:456456我的电话是:0532214我的邮箱是:aaa@aaa.com"); 
//结果：str[0]="我的姓名是:" str[1]="我的电话是:" str[2]="我的邮箱是:aaa@aaa.com"

使用find方法查找子字符串：

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("There are 123 apples and 456 oranges.");
while (matcher.find()) {
    System.out.println(matcher.group());  // 输出 123 和 456
}

捕获组用于提取匹配的子字符串。通过在正则表达式中使用圆括号()定义捕获组，并使用group方法获取匹配的子字符串：

Pattern pattern = Pattern.compile("(\\d+)-(\\d+)-(\\d+)");
Matcher matcher = pattern.matcher("2023-06-22");
if (matcher.matches()) {
    System.out.println("Year: " + matcher.group(1));
    System.out.println("Month: " + matcher.group(2));
    System.out.println("Day: " + matcher.group(3));
}

使用replaceAll方法替换匹配的子字符串：

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("There are 123 apples and 456 oranges.");
String result = matcher.replaceAll("#");
System.out.println(result);  // 输出 "There are # apples and # oranges."

非捕获组使用(?:...)语法定义，它们不保存匹配的子字符串，仅用于匹配结构:

Pattern pattern = Pattern.compile("a(?:bc)*d");
Matcher matcher = pattern.matcher("abcbcbcd");
boolean matches = matcher.matches();
System.out.println(matches);  // 输出 true
avatar
文章
阅读
粉丝