正则表达式一般用于字符串匹配, 字符串查找和字符串替换. 别小看它的作用, 在工作学习中灵活运用正则表达式处理字符串能够大幅度提高效率, 编程的快乐来得就是这么简单。
一下子给出一堆匹配的规则可能会让人恐惧, 下面将由浅入深讲解正则表达式的使用。
先上代码
public class Demo1 { public static void main(String[] args) { //字符串abc匹配正则表达式"...", 其中"."表示一个字符 //"..."表示三个字符 System.out.println("abc".matches("...")); System.out.println("abcd".matches("...")); } } //输出结果 true false
String
类中有个 matches(String regex)
方法, 返回值为布尔类型, 用于告诉这个字符串是否匹配给定的正则表达式。
在本例中我们给出的正则表达式为 ...
, 其中每个 .
表示一个字符, 整个正则表达式的意思是三个字符, 显然当匹配 abc
的时候结果为 true
, 匹配 abcd
时结果为 false
。
在 java.util.regex
包下有两个用于正则表达式的类, 一个是 Matcher
类, 另一个 Pattern
。
Java官方文档中给出对这两个类的典型用法, 代码如下:
public class Demo2 { public static void main(String[] args) { //[a-z]表示a~z之间的任何一个字符, {3}表示3个字符, 意思是匹配一个长度为3, 并且每个字符属于a~z的字符串 Pattern p = Pattern.compile("[a-z]{3}"); Matcher m = p.matcher("abc"); System.out.println(m.matches()); } } //输出结果 true
如果要深究正则表达式背后的原理, 会涉及编译原理中自动机等知识, 此处不展开描述. 为了达到通俗易懂, 这里用较为形象的语言描述。
Pattern
可以理解为一个模式, 字符串需要与某种模式进行匹配. 比如 Demo2
中, 我们定义的模式是 一个长度为3的字符串, 其中每个字符必须是a~z中的一个
。
我们看到创建 Pattern
对象时调用的是 Pattern
类中的 compile
方法, 也就是说对我们传入的正则表达式编译后得到一个模式对象. 而这个经过编译后模式对象, 会使得正则表达式使用效率会大大提高, 并且作为一个常量, 它可以安全地供多个线程并发使用。
Matcher
可以理解为模式匹配某个字符串后产生的结果. 字符串和某个模式匹配后可能会产生很多个结果, 这个会在后面的例子中讲解。
最后当我们调用 m.matches()
时就会返回完整字符串与模式匹配的结果。
上面的三行代码可以简化为一行代码
System.out.println("abc".matches("[a-z]{3}"));
但是如果一个正则表达式需要被重复匹配, 这种写法效率较低。
在介绍之前首先要说明的是, 正则表达式的具体含义不用强背, 各个符号的含义在Java官方文档的 Pattern
类描述中或网上有详细的定义. 当然能熟用就更好了。
public class Demo3 { /** * 为了省略每次写打印语句, 这里把输出语句封装起来 * @param o */ private static void p(Object o){ System.out.println(o); } /** * . Any character (may or may not match line terminators), 任意字符 * X? X, once or not at all 零个或一个 * X* X, zero or more times 零个或多个 * X+ X, one or more times 一个或多个 * X{n} X, exactly n times x出现n次 * X{n,} X, at least n times x出现至少n次 * X{n,m} X, at least n but not more than m times 出现n~m次 * @param args */ public static void main(String[] args) { p("a".matches(".")); p("aa".matches("aa")); p("aaaa".matches("a*")); p("aaaa".matches("a+")); p("".matches("a*")); p("a".matches("a?")); // /d A digit: [0-9], 表示数字, 但是在java中对"/"这个符号需要使用/进行转义, 所以出现/d p("2345".matches("/d{2,5}")); // /.用于匹配"." p("192.168.0.123".matches("/d{1,3}/./d{1,3}/./d{1,3}/./d{1,3}")); // [0-2]指必须是0~2中的一个数字 p("192".matches("[0-2][0-9][0-9]")); } } //输出结果 //全为true
[]
用于描述一个字符的范围, 下面是一些例子:
public class Demo4 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { //[abc]指abc中的其中一个字母 p("a".matches("[abc]")); //[^abc]指除了abc之外的字符 p("1".matches("[^abc]")); //a~z或A~Z的字符, 以下三个均是或的写法 p("A".matches("[a-zA-Z]")); p("A".matches("[a-z|A-Z]")); p("A".matches("[a-z[A-Z]]")); //[A-Z&&[REQ]]指A~Z中并且属于REQ其中之一的字符 p("R".matches("[A-Z&&[REQ]]")); } } //输出结果 全部为true
下面介绍数字和字母的正则表达, 这是编程中使用最多的字符了.
/
这里重点介绍最不好理解的 /
. 在Java中的字符串中, 如果要用到特殊字符, 必须通过在前面加 /
进行转义。
举个例子, 考虑这个字符串 "老师大声说:"同学们,快交作业!""
. 如果我们没有转义字符, 那么开头的双引号的结束应该在 说:"
这里, 但是我们的字符串中需要用到双引号, 所以需要用转义字符。
使用转义字符后的字符串为 "老师大声说:/"同学们,快交作业!/""
, 这样我们的原意才能被正确识别。
同理如果我们要在字符串中使用 /
, 也应该在前面加一个 /
, 所以在字符串中表示为 "//"
。
那么如何在正则表达式中表示要匹配 /
呢, 答案为 "////"
。
我们分开考虑: 由于正则式中表示 /
同样需要转义, 所以前面的 //
表示正则表达式中的转义字符 /
, 后面的 //
表示正则表达式中 /
本身, 合起来在正则表达式中表示 /
.
如果感觉有点绕的话请看下面代码:
public class Demo5 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { /** * /d A digit: [0-9] 数字 * /D A non-digit: [^0-9] 非数字 * /s A whitespace character: [ /t/n/x0B/f/r] 空格 * /S A non-whitespace character: [^/s] 非空格 * /w A word character: [a-zA-Z_0-9] 数字字母和下划线 * /W A non-word character: [^/w] 非数字字母和下划线 */ // /s{4}表示4个空白符 p(" /n/r/t".matches("/s{4}")); // /S表示非空白符 p("a".matches("/S")); // /w{3}表示数字字母和下划线 p("a_8".matches("/w{3}")); p("abc888&^%".matches("[a-z]{1,3}/d+[%^&*]+")); // 匹配 / p("/".matches("//")); } } //输出结果 全部为true
^
在中括号内表示取反的意思 [^]
, 如果不在中括号里则表示字符串的开头
public class Demo6 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { /** * ^ The beginning of a line 一个字符串的开始 * $ The end of a line 字符串的结束 * /b A word boundary 一个单词的边界, 可以是空格, 换行符等 */ p("hello sir".matches("^h.*")); p("hello sir".matches(".*r$")); p("hello sir".matches("^h[a-z]{1,3}o/b.*")); p("hellosir".matches("^h[a-z]{1,3}o/b.*")); } }
拿到一篇文章, 如何判断里面有多少个空白行? 用正则表达式能方便地进行匹配, 注意空白行中可能包括空格, 制表符等。
p(" /n".matches("^[/s&&[^/n]]*/n$"));
解释: ^[//s&&[^/n]]*
是空格符号但不是换行符, //n$
最后以换行符结束
下面是匹配邮箱:
p("liuyj24@126.com".matches("[/w[.-]]+@[/w[.-]]+/.[/w]+"));
解释: [//w[.-]]+
以一个或多个数字字母下划线 .
或 -
组成, @
接着是个@符号, 然后同样是 [//w[.-]]+
, 接着 //.
匹配 .
, 最后同样是 [//w]+
matches()
, find()
和 lookingAt()
matches()
方法会将整个字符串与模板进行匹配.
find()
则是从当前位置开始进行匹配, 如果传入字符串后首先进行 find()
, 那么当前位置就是字符串的开头, 对当前位置的具体分析可以看下面的代码示例
lookingAt()
方法会从字符串的开头进行匹配.
public class Demo8 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern pattern = Pattern.compile("/d{3,5}"); String s = "123-34345-234-00"; Matcher m = pattern.matcher(s); //先演示matches(), 与整个字符串匹配. p(m.matches()); //结果为false, 显然要匹配3~5个数字会在-处匹配失败 //然后演示find(), 先使用reset()方法把当前位置设置为字符串的开头 m.reset(); p(m.find());//true 匹配123成功 p(m.find());//true 匹配34345成功 p(m.find());//true 匹配234成功 p(m.find());//false 匹配00失败 //下面我们演示不在matches()使用reset(), 看看当前位置的变化 m.reset();//先重置 p(m.matches());//false 匹配整个字符串失败, 当前位置来到- p(m.find());// true 匹配34345成功 p(m.find());// true 匹配234成功 p(m.find());// false 匹配00始边 p(m.find());// false 没有东西匹配, 失败 //演示lookingAt(), 从头开始找 p(m.lookingAt());//true 找到123, 成功 } }
start()
和 end()
如果一次匹配成功的话 start()
用于返回匹配开始的位置, end()
用于返回匹配结束字符的后面一个位置
public class Demo9 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern pattern = Pattern.compile("/d{3,5}"); String s = "123-34345-234-00"; Matcher m = pattern.matcher(s); p(m.find());//true 匹配123成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//true 匹配34345成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//true 匹配234成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//false 匹配00失败 try { p("start: " + m.start() + " - end:" + m.end()); }catch (Exception e){ System.out.println("报错了..."); } p(m.lookingAt()); p("start: " + m.start() + " - end:" + m.end()); } } //输出结果 true start: 0 - end:3 true start: 4 - end:9 true start: 10 - end:13 false 报错了... true start: 0 - end:3
想要替换字符串首先要找到被替换的字符串, 这里要新介绍 Matcher
类中的一个方法 group()
, 它能返回匹配到的字符串.
下面我们看一个例子, 把字符串中的 java
转换为大写.
public class Demo10 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern p = Pattern.compile("java"); Matcher m = p.matcher("java Java JAVA JAva I love Java and you"); p(m.replaceAll("JAVA"));//replaceAll()方法会替换所有匹配到的字符串 } } //输出结果 JAVA Java JAVA JAva I love Java and you
为了在匹配的时候不区分大小写, 我们要在创建模板模板时指定大小写不敏感
public static void main(String[] args) { Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);//指定为大小写不敏感的 Matcher m = p.matcher("java Java JAVA JAva I love Java and you"); p(m.replaceAll("JAVA")); } //输出结果 JAVA JAVA JAVA JAVA I love JAVA and you
这里演示把查找到第奇数个字符串转换为大写, 第偶数个转换为小写
这里会引入 Matcher
类中一个强大的方法 appendReplacement(StringBuffer sb, String replacement)
, 它需要传入一个StringBuffer进行字符串拼接.
public static void main(String[] args) { Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE); Matcher m = p.matcher("java Java JAVA JAva I love Java and you ?"); StringBuffer sb = new StringBuffer(); int index = 1; while(m.find()){ //m.appendReplacement(sb, (index++ & 1) == 0 ? "java" : "JAVA"); 较为简洁的写法 if((index & 1) == 0){//偶数 m.appendReplacement(sb, "java"); }else{ m.appendReplacement(sb, "JAVA"); } index++; } m.appendTail(sb);//把剩余的字符串加入 p(sb); } //输出结果 JAVA java JAVA java I love JAVA and you ?
先从一个问题引入, 看下面这段代码
public static void main(String[] args) { Pattern p = Pattern.compile("/d{3,5}[a-z]{2}"); String s = "123aa-5423zx-642oi-00"; Matcher m = p.matcher(s); while(m.find()){ p(m.group()); } } //输出结果 123aa 5423zx 642oi
其中正则表达式 "//d{3,5}[a-z]{2}"
表示3~5个数字跟上两个字母, 然后打印出每个匹配到的字符串
如果想要打印每个匹配串中的数字, 如何操作呢.
首先你可能想到把匹配到的字符串再进行匹配, 但是这样太麻烦了, 分组机制可以帮助我们在正则表达式中进行分组.
规定使用()进行分组, 这里我们把字母和数字各分为一组 "(//d{3,5})([a-z]{2})"
然后在调用 m.group(int group)
方法时传入组号即可
注意, 组号从0开始, 0组代表整个正则表达式, 从0之后, 就是在正则表达式中从左到右每一个左括号对应一个组. 在这个表达式中第1组是数字, 第2组是字母.
public static void main(String[] args) { Pattern p = Pattern.compile("(/d{3,5})([a-z]{2})");//正则表达式为3~5个数字跟上两个字母 String s = "123aa-5423zx-642oi-00"; Matcher m = p.matcher(s); while(m.find()){ p(m.group(1)); } } //输出结果 123 5423 642
假设我们手头上有一些优质的资源, 打算分享给网友, 于是便到贴吧上发出一个留邮箱发资源的帖子. 没想到网友热情高涨, 留下了近百个邮箱. 但逐个复制发送太累了, 我们考虑用程序实现.
这里不展开讲发邮件部分, 重点应用已经学到的正则表达式从网页中截取所有的邮箱地址.
首先获取一个帖子的html代码 随便找了一个, 点击跳转 , 在浏览器中点击右键保存html文件
接下来看代码:
public class Demo12 { public static void main(String[] args) { BufferedReader br = null; try { br = new BufferedReader(new FileReader("C:/emailTest.html")); String line = ""; while((line = br.readLine()) != null){//读取文件的每一行 parse(line);//解析其中的email地址 } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); }finally { if(br != null){ try { br.close(); br = null; } catch (IOException e) { e.printStackTrace(); } } } } private static void parse(String line){ Pattern p = Pattern.compile("[/w[.-]]+@[/w[.-]]+/.[/w]+"); Matcher m = p.matcher(line); while(m.find()){ System.out.println(m.group()); } } } //输出结果 2819531636@qq.com 2819531636@qq.com 2405059759@qq.com 2405059759@qq.com 1013376804@qq.com ...
最后的一个实战案例: 统计一个项目中一共有多少行代码, 多少行注释, 多少个空白行. 不妨对自己做过的项目进行统计, 发现不知不觉中也是个写过成千上万行代码的人了…
我在github上挑选了一个项目, 是纯java写的小项目, 方便统计. 点击跳转
下面是具体的代码, 除了判断空行用了正则表达式外, 判断代码行和注释行用了String类的api
public class Demo13 { private static long codeLines = 0; private static long commentLines = 0; private static long whiteLines = 0; private static String filePath = "C:/TankOnline"; public static void main(String[] args) { process(filePath); System.out.println("codeLines : " + codeLines); System.out.println("commentLines : " + commentLines); System.out.println("whiteLines : " + whiteLines); } /** * 递归查找文件 * @param pathStr */ public static void process(String pathStr){ File file = new File(pathStr); if(file.isDirectory()){//是文件夹则递归查找 File[] fileList = file.listFiles(); for(File f : fileList){ String fPath = f.getAbsolutePath(); process(fPath); } }else if(file.isFile()){//是文件则判断是否是.java文件 if(file.getName().matches(".*/.java$")){ parse(file); } } } private static void parse(File file) { BufferedReader br = null; try { br = new BufferedReader(new FileReader(file)); String line = ""; while((line = br.readLine()) != null){ line = line.trim();//清空每行首尾的空格 if(line.matches("^[/s&&[^/n]]*$")){//注意不是以/n结尾, 因为在br.readLine()会去掉/n whiteLines++; }else if(line.startsWith("/*") || line.startsWith("*") || line.endsWith("*/")){ commentLines++; }else if(line.startsWith("//") || line.contains("//")){ commentLines++; }else{ if(line.startsWith("import") || line.startsWith("package")){//导包不算 continue; } codeLines++; } } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { if(null != br){ try { br.close(); br = null; } catch (IOException e) { e.printStackTrace(); } } } } } //输出结果 codeLines : 1139 commentLines : 124 whiteLines : 172
经过两个实战后, 相信大家已经掌握了正则表达式的基本使用了, 下面介绍贪婪模式与非贪婪模式.
通过查看官方api我们发现 Pattern
类中有如下定义:
Greedy quantifiers 贪婪模式 X? X, once or not at all X* X, zero or more times X+ X, one or more times X{n} X, exactly n times X{n,} X, at least n times X{n,m} X, at least n but not more than m times Reluctant quantifiers 非贪婪模式(勉强的, 不情愿的) X?? X, once or not at all X*? X, zero or more times X+? X, one or more times X{n}? X, exactly n times X{n,}? X, at least n times X{n,m}? X, at least n but not more than m times Possessive quantifiers 独占模式 X?+ X, once or not at all X*+ X, zero or more times X++ X, one or more times X{n}+ X, exactly n times X{n,}+ X, at least n times X{n,m}+ X, at least n but not more than m times
这三种模式表达的意思是一样的, 在前面的讲解中我们全部使用的是贪婪模式. 那么其他两种模式的写法有什么区别呢? 通过下面的代码示例进行讲解.
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}[0-9]"); String s = "aaaa5bbbb6";//10个字符 Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //输出结果 0 - 10
正则表达式的意思是3~10个字符加一个数字. 在贪婪模式下匹配时, 系统会先吞掉10个字符, 这时检查最后一个是否时数字, 发现已经没有字符了, 于是吐出来一个字符, 再次匹配数字, 匹配成功, 得到 0-10
.
下面是非贪婪模式演示(勉强的, 不情愿的)
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}?[0-9]");//添加了一个? String s = "aaaa5bbbb6"; Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //输出结果 0 - 5
在非贪婪模式下, 首先只会吞掉3个(最少3个), 然后判断后面一个是否是数字, 结果不是, 在往后吞一个字符, 继续判断后面的是否数字, 结果是, 输出 0-5
最后演示独占模式, 通常只在追求效率的情况下这么做, 用得比较少
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}+[0-9]");//多了个+ String s = "aaaa5bbbb6"; Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //输出结果 not match!
独占模式会一下吞进10个字符, 然后判断后一个是否是数字, 不管是否匹配成功它都不会继续吞或者吐出一个字符.
愿正则表达式给你带来更愉快的编程体验.