本文由 ImportNew - ImportNew读者 翻译自 journaldev。欢迎加入翻译小组。转载请见文末要求。
【感谢 @CuGBabyBeaR 的热心翻译。如果其他朋友也有不错的原创或译文，可以尝试投递到 ImportNew。】
当我开始我的Java职业生涯的时候，对于我来说正则表达式简直是个是梦魇。本教程旨在帮助你驾驭Java正则表达式，同时也帮助我复习正则表达式。
什么是正则表达式?
正则表达式定义了字符串的模式。正则表达式可以用来搜索、编辑或处理文本。正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。Java正则表达式和Perl的是最为相似的。
Java正则表达式的类在 java.util.regex 包中，包括三个类：Pattern,Matcher 和 PatternSyntaxException。
- Pattern对象是正则表达式的已编译版本。他没有任何公共构造器，我们通过传递一个正则表达式参数给公共静态方法 compile 来创建一个pattern对象。
- Matcher是用来匹配输入字符串和创建的 pattern 对象的正则引擎对象。这个类没有任何公共构造器，我们用patten对象的matcher方法，使用输入字符串作为参数来获得一个Matcher对象。然后使用matches方法，通过返回的布尔值判断输入字符串是否与正则匹配。
- 如果正则表达式语法不正确将抛出PatternSyntaxException异常。
让我们在一个简单的例子里看看这些类是怎么用的吧
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
package com.journaldev.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexExamples {
public static void main(String[] args) {
// using pattern with flags
Pattern pattern = Pattern.compile("ab", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("ABcabdAb");
// using Matcher find(), group(), start() and end() methods
while (matcher.find()) {
System.out.println("Found the text \"" + matcher.group()
+ "\" starting at " + matcher.start()
+ " index and ending at index " + matcher.end());
}
// using Pattern split() method
pattern = Pattern.compile("\\W");
String[] words = pattern.split("one@two#three:four$five");
for (String s : words) {
System.out.println("Split using Pattern.split(): " + s);
}
// using Matcher.replaceFirst() and replaceAll() methods
pattern = Pattern.compile("1*2");
matcher = pattern.matcher("11234512678");
System.out.println("Using replaceAll: " + matcher.replaceAll("_"));
System.out.println("Using replaceFirst: " + matcher.replaceFirst("_"));
}
} |
上述程序的输出是：
Input String matches regex - true
Exception in thread "main" java.util.regex.PatternSyntaxException: Dangling meta character '*' near index 0
*xx*
^
at java.util.regex.Pattern.error(Pattern.java:1924)
at java.util.regex.Pattern.sequence(Pattern.java:2090)
at java.util.regex.Pattern.expr(Pattern.java:1964)
at java.util.regex.Pattern.compile(Pattern.java:1665)
at java.util.regex.Pattern.(Pattern.java:1337)
at java.util.regex.Pattern.compile(Pattern.java:1022)
at com.journaldev.util.PatternExample.main(PatternExample.java:13)
既然正则表达式总是和字符串有关， Java 1.4对String类进行了扩展，提供了一个matches方法来匹配pattern。在方法内部使用Pattern和Matcher类来处理这些东西，但显然这样减少了代码的行数。
Pattern类同样有matches方法，可以让正则和作为参数输入的字符串匹配，输出布尔值结果。
下述的代码可以将输入字符串和正则表达式进行匹配。
|
1
2
3
|
String str = "bbb";
System.out.println("Using String matches method: "+str.matches(".bb"));
System.out.println("Using Pattern matches method: "+Pattern.matches(".bb", str));
|
所以如果你的需要仅仅是检查输入字符串是否和pattern匹配，你可以通过调用String的matches方法省下时间。只有当你需要操作输入字符串或者重用pattern的时候，你才需要使用Pattern和Matches类。
注意由正则定义的pattern是从左至右应用的，一旦一个原字符在一次匹配中使用过了，将不会再次使用。
例如，正则“121”只会匹配两次字符串“31212142121″，就像这样“_121____121″。
正则表达式通用匹配符号
|
正则表达式 |
说明 |
示例 |
|
. |
Matches any single sign, includes everything 匹配任何单个符号，包括所有字符 |
(“..”, “a%”) – true(“..”, “.a”) – true (“..”, “a”) – false |
|
^xxx |
在开头匹配正则xxx |
(“^a.c.”, “abcd”) – true(“^a”, “a”) – true (“^a”, “ac”) – false |
|
xxx$ |
在结尾匹配正则xxx |
(“..cd$”, “abcd”) – true(“a$”, “a”) – true (“a$”, “aca”) – false |
|
[abc] |
能够匹配字母a,b或c。[]被称为character classes。 |
(“^[abc]d.”, “ad9″) – true(“[ab].d$”, “bad”) – true (“[ab]x”, “cx”) – false |
|
[abc][12] |
能够匹配由1或2跟着的a,b或c |
(“[ab][12].”, “a2#”) – true(“[ab]..[12]“, “acd2″) – true (“[ab][12]“, “c2″) – false |
|
[^abc] |
当^是[]中的第一个字符时代表取反，匹配除了a,b或c之外的任意字符。 |
(“[^ab][^12].”, “c3#”) – true(“[^ab]..[^12]“, “xcd3″) – true (“[^ab][^12]“, “c2″) – false |
|
[a-e1-8] |
匹配a到e或者1到8之间的字符 |
(“[a-e1-3].”, “d#”) – true(“[a-e1-3]“, “2″) – true (“[a-e1-3]“, “f2″) – false |
|
xx|yy |
匹配正则xx或者yy |
(“x.|y”, “xa”) – true(“x.|y”, “y”) – true (“x.|y”, “yz”) – false |
Java正则表达式元字符
|
正则表达式 |
说明 |
|
\d |
任意数字，等同于[0-9] |
|
\D |
任意非数字，等同于[^0-9] |
|
\s |
任意空白字符，等同于[\t\n\x0B\f\r] |
|
\S |
任意非空白字符，等同于[^\s] |
|
\w |
任意英文字符，等同于[a-zA-Z_0-9] |
|
\W |
任意非英文字符，等同于[^\w] |
|
\b |
单词边界 |
|
\B |
非单词边界 |
有两种方法可以在正则表达式中像一般字符一样使用元字符。
- 在元字符前添加反斜杠(\)
- 将元字符置于\Q(开始引用)和\E(结束引用)间
正则表达式量词
量词指定了字符匹配的发生次数。
|
正则表达式 |
说明 |
|
x? |
x没有出现或者只出现一次 |
|
X* |
X出现0次或更多 |
|
X+ |
X出现1次或更多 |
|
X{n} |
X正好出现n次 |
|
X{n,} |
X出席n次或更多 |
|
X{n,m} |
X出现至少n次但不多于m次 |
量词可以和character classes和capturing group一起使用。
例如，[abc]+表示a,b或c出现一次或者多次。
(abc)+表示capturing group “abc”出现一次或多次。我们即将讨论capturing group。
正则表达式capturing group
Capturing group是用来对付作为一个整体出现的多个字符。你可以通过使用()来建立一个group。输入字符串中和capturing group相匹配的部分将保存在内存里，并且可以通过使用Backreference调用。
你可以使用matcher.groupCount方法来获得一个正则pattern中capturing groups的数目。例如((a)(bc))包含3个capturing groups; ((a)(bc)), (a) 和 (bc)。
你可以使用在正则表达式中使用Backreference，一个反斜杠(\)接要调用的group号码。
Capturing groups和Backreferences可能很令人困惑，所以我们通过一个例子来理解。
|
1
2
3
4
|
System.out.println(Pattern.matches("(\\w\\d)\\1", "a2a2")); //true
System.out.println(Pattern.matches("(\\w\\d)\\1", "a2b2")); //false
System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B2AB")); //true
System.out.println(Pattern.matches("(AB)(B\\d)\\2\\1", "ABB2B3AB")); //false
|
在第一个例子里，运行的时候第一个capturing group是(\w\d)，在和输入字符串“a2a2″匹配的时候获取“a2″并保存到内存里。因此\1是”a2”的引用，并且返回true。基于相同的原因，第二行代码打印false。
试着自己理解第三行和第四行代码。:)
现在我们来看看Pattern和Matcher类中一些重要的方法。
我们可以创建一个带有标志的Pattern对象。例如Pattern.CASE_INSENSITIVE可以进行大小写不敏感的匹配。Pattern类同样提供了和String类相似的split(String) 方法
Pattern类toString()方法返回被编译成这个pattern的正则表达式字符串。
Matcher类有start()和end()索引方法，他们可以显示从输入字符串中匹配到的准确位置。
Matcher类同样提供了字符串操作方法replaceAll(String replacement)和replaceFirst(String replacement)。
现在我们在一个简单的java类中看看这些函数是怎么用的。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
|
package com.journaldev.util;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexExamples {
public static void main(String[] args) {
// using pattern with flags
Pattern pattern = Pattern.compile("ab", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("ABcabdAb");
// using Matcher find(), group(), start() and end() methods
while (matcher.find()) {
System.out.println("Found the text \"" + matcher.group()
+ "\" starting at " + matcher.start()
+ " index and ending at index " + matcher.end());
}
// using Pattern split() method
pattern = Pattern.compile("\\W");
String[] words = pattern.split("one@two#three:four$five");
for (String s : words) {
System.out.println("Split using Pattern.split(): " + s);
}
// using Matcher.replaceFirst() and replaceAll() methods
pattern = Pattern.compile("1*2");
matcher = pattern.matcher("11234512678");
System.out.println("Using replaceAll: " + matcher.replaceAll("_"));
System.out.println("Using replaceFirst: " + matcher.replaceFirst("_"));
}
} |
上述程序的输出：
|
1
2
3
4
5
6
7
8
9
10
|
Found the text "AB" starting at 0 index and ending at index 2
Found the text "ab" starting at 3 index and ending at index 5
Found the text "Ab" starting at 6 index and ending at index 8
Split using Pattern.split(): oneSplit using Pattern.split(): twoSplit using Pattern.split(): threeSplit using Pattern.split(): fourSplit using Pattern.split(): fiveUsing replaceAll: _345_678Using replaceFirst: _34512678 |
原文链接： journaldev 翻译： ImportNew.com- ImportNew读者
译文链接： http://www.importnew.com/6810.html