[JAVA · 初级]：偶识【正则表达式】
lbyp0521
8年前
<h2>简介</h2> <p>正则表达式的“祖先”可以一直上溯至对人类神经系统如何工作的早期研究。Warren McCulloch 和 Walter Pitts 这两位神经生理学家研究出一种数学方式来描述这些神经网络。</p> <p>1956 年, 一位叫 Stephen Kleene 的美国数学家在 McCulloch 和 Pitts 早期工作的基础上，发表了一篇标题为“神经网事件的表示法”的论文，引入了正则表达式的概念。正则表达式就是用来描述他称为“正则集的代数”的表达式，因此采用“正则表达式”这个术语。</p> <p>随后，发现可以将这一工作应用于使用Ken Thompson 的计算搜索算法的一些早期研究，Ken Thompson是Unix 的主要发明人。正则表达式的第一个实用应用程序就是 Unix 中的qed 编辑器。</p> <p>如他们所说，剩下的就是众所周知的历史了。从那时起直至现在正则表达式都是基于文本的编辑器和搜索工具中的一个重要部分。正如他的名字一样是描述了一个规则，通过这个规则可以匹配一类字符串。</p> <p>如果原来没有使用过正则表达式，那么可能对这个术语和概念会不太熟悉。不过，它们并不是您想象的那么新奇。</p> <p>请回想一下在硬盘上是如何查找文件的。大家肯定会使用 ? 和 * 字符来帮助查找正寻找的文件。? 字符匹配文件名中的单个字符，而 * 则匹配一个或多个字符。一个如 ‘data?.dat’ 的模式可以找到下述文件：</p> <p>data1.dat</p> <p>data2.dat</p> <p>datax.dat</p> <p>dataN.dat</p> <p>如果使用 * 字符代替 ? 字符，则将扩大找到的文件数量。’data*.dat’ 可以匹配下述所有文件名：</p> <p>data.dat</p> <p>data1.dat</p> <p>data2.dat</p> <p>data12.dat</p> <p>datax.dat</p> <p>dataXYZ.dat</p> <p>尽管这种搜索文件的方法肯定很有用，但也十分有限。? 和 * 通配符的有限能力可以使你对正则表达式能做什么有一个概念，文本的复杂处理，不过正则表达式的功能更强大，也更灵活。</p> <h2>优势</h2> <p>在典型的搜索和替换操作中，必须提供要查找的确切文字。这种技术对于静态文本中的简单搜索和替换任务可能足够了，但是由于它缺乏灵活性，因此在搜索动态文本时就有困难了，甚至是不可能的。</p> <p>使用正则表达式，就可以：</p> <p>1.测试字符串的某个模式。例如，可以对一个输入字符串进行测试，看在该字符串是否存在一个电话号码模式或一个信用卡号码模式。这称为数据有效性验证；</p> <p>2.替换文本。可以在文档中使用一个正则表达式来标识特定文字，然后可以全部将其删除，或者替换为别的文字；</p> <p>3.根据模式匹配从字符串中提取一个子字符串。可以用来在文本或输入字段中查找特定文字。</p> <p>例如，如果需要搜索整个 web 站点来删除某些过时的材料并替换某些HTML 格式化标记，则可以使用正则表达式对每个文件进行测试，看在该文件中是否存在所要查找的材料或 HTML 格式化标记。用这个方法，就可以将受影响的文件范围缩小到包含要删除或更改的材料的那些文件。然后可以使用正则表达式来删除过时的材料，最后，可以再次使用正则表达式来查找并替换那些需要替换的标记。</p> <p>另一个说明正则表达式非常有用的示例是一种其字符串处理能力还不为人所知的语言。VBScript 是 Visual Basic 的一个子集，具有丰富的字符串处理功能。与 C 类似的 Jscript 则没有这一能力。正则表达式给 JScript 的字符串处理能力带来了明显改善。不过，可能还是在 VBScript 中使用正则表达式的效率更高，它允许在单个表达式中执行多个字符串操作。</p> <h2>规则</h2> <p>一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。</p> <p>这里有一些可能会遇到的正则表达式示例：</p> <table cellspacing="0" style="width:100%"> <tbody> <tr> <td>JScript</td> <td>VBScript</td> <td>匹配</td> </tr> <tr> <td>/^\[ \t]*$/</td> <td>“^\[ \t]*$”</td> <td>匹配一个空白行。</td> </tr> <tr> <td>/\d{2}-\d{5}/</td> <td>“\d{2}-\d{5}”</td> <td>验证一个ID 号码是否由一个2位数字，一个连字符以及一个5位数字组成。</td> </tr> <tr> <td>/<(.*)>.*<\/\1>/</td> <td>“<(.*)>.*<\/\1>”</td> <td>匹配一个 HTML 标记。</td> </tr> </tbody> </table> <p>下表是元字符及其在正则表达式上下文中的行为的一个完整列表：</p> <table cellspacing="0"> <tbody> <tr> <td>字符</td> <td>描述</td> </tr> <tr> <td>\</td> <td>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 后向引用、或一个八进制转义符。例如，’n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\\’ 匹配 “\” 而 “\(” 则匹配 “(“。</td> </tr> <tr> <td>^</td> <td>匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。</td> </tr> <tr> <td>$</td> <td>匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。</td> </tr> <tr> <td>*</td> <td>匹配前面的子表达式零次或多次。例如，zo* 能匹配 “z” 以及 “zoo”。 * 等价于{0,}。</td> </tr> <tr> <td>+</td> <td>匹配前面的子表达式一次或多次。例如，’zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}。</td> </tr> <tr> <td>?</td> <td>匹配前面的子表达式零次或一次。例如，”do(es)?” 可以匹配 “do” 或 “does” 中的”do” 。? 等价于 {0,1}。</td> </tr> <tr> <td>{n}</td> <td>n 是一个非负整数。匹配确定的 n 次。例如，’o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o。</td> </tr> <tr> <td>{n,}</td> <td>n 是一个非负整数。至少匹配n 次。例如，’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*’。</td> </tr> <tr> <td>{n,m}</td> <td>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。刘， “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。</td> </tr> <tr> <td>?</td> <td>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’。</td> </tr> <tr> <td>.</td> <td>匹配除 “\n” 之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用象 ‘[.\n]‘ 的模式。</td> </tr> <tr> <td>(pattern)</td> <td>匹配pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用 SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 ‘′或′’。</td> </tr> <tr> <td>(?:pattern)</td> <td>匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如， ‘industr(?:y|ies) 就是一个比 ‘industry|industries’ 更简略的表达式。</td> </tr> <tr> <td>(?=pattern)</td> <td>正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如， ‘Windows (?=95|98|NT|2000)’ 能匹配 “Windows 2000″ 中的 “Windows” ，但不能匹配 “Windows 3.1″ 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。</td> </tr> <tr> <td>(?!pattern)</td> <td>负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如’Windows (?!95|98|NT|2000)’ 能匹配 “Windows 3.1″ 中的 “Windows”，但不能匹配 “Windows 2000″ 中的 “Windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始</td> </tr> <tr> <td>x|y</td> <td>匹配 x 或 y。例如，’z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。</td> </tr> <tr> <td>[xyz]</td> <td>字符集合。匹配所包含的任意一个字符。例如， ‘[abc]‘ 可以匹配 “plain” 中的 ‘a’。</td> </tr> <tr> <td>[^xyz]</td> <td>负值字符集合。匹配未包含的任意字符。例如， ‘[^abc]‘ 可以匹配 “plain” 中的’p'。</td> </tr> <tr> <td>[a-z]</td> <td>字符范围。匹配指定范围内的任意字符。例如，’[a-z]‘ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。</td> </tr> <tr> <td>[^a-z]</td> <td>负值字符范围。匹配任何不在指定范围内的任意字符。例如，’[^a-z]‘ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。</td> </tr> <tr> <td>\b</td> <td>匹配一个单词边界，也就是指单词和空格间的位置。例如， ‘er\b’ 可以匹配”never” 中的 ‘er’，但不能匹配 “verb” 中的 ‘er’。</td> </tr> <tr> <td>\B</td> <td>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’。</td> </tr> <tr> <td>\cx</td> <td>匹配由x指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。 x 的值必须为 A-Z 或 a-z 之一。否则，将 c 视为一个原义的 ‘c’ 字符。</td> </tr> <tr> <td>\d</td> <td>匹配一个数字字符。等价于 [0-9]。</td> </tr> <tr> <td>\D</td> <td>匹配一个非数字字符。等价于 [^0-9]。</td> </tr> <tr> <td>\f</td> <td>匹配一个换页符。等价于 \x0c 和 \cL。</td> </tr> <tr> <td>\n</td> <td>匹配一个换行符。等价于 \x0a 和 \cJ。</td> </tr> <tr> <td>\r</td> <td>匹配一个回车符。等价于 \x0d 和 \cM。</td> </tr> <tr> <td>\s</td> <td>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]。</td> </tr> <tr> <td>\S</td> <td>匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。</td> </tr> <tr> <td>\t</td> <td>匹配一个制表符。等价于 \x09 和 \cI。</td> </tr> <tr> <td>\v</td> <td>匹配一个垂直制表符。等价于 \x0b 和 \cK。</td> </tr> <tr> <td>\w</td> <td>匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]‘。</td> </tr> <tr> <td>\W</td> <td>匹配任何非单词字符。等价于 ‘[^A-Za-z0-9_]‘。</td> </tr> <tr> <td>\xn</td> <td>匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如， ‘\x41′ 匹配 “A”。’\x041′ 则等价于 ‘\x04′ & “1″。正则表达式中可以使用 ASCII 编码。.</td> </tr> <tr> <td>\num</td> <td>匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，’(.)\1′ 匹配两个连续的相同字符。</td> </tr> <tr> <td>\n</td> <td>标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。</td> </tr> <tr> <td>\nm</td> <td>标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 (0-7)，则 \nm 将匹配八进制转义值 nm。</td> </tr> <tr> <td>\nml</td> <td>如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。</td> </tr> <tr> <td>\un</td> <td>匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号 (?)。</td> </tr> </tbody> </table> <p><img src="https://simg.open-open.com/show/022667ddd4a2f9f1798b67a848523424.png"></p> <p>JAVA程序中使用正则表达式</p> <p>相关类位于：java.util.regex包下面</p> <p>类 Pattern：</p> <p>正则表达式的编译表示形式。</p> <p>Patternp = Pattern.compile(r,int); //建立正则表达式，并启用相应模式</p> <p>类 Matcher：</p> <p>通过解释 Pattern 对 charactersequence 执行匹配操作的引擎</p> <p>Matcherm = p.matcher(str); //匹配str字符串</p> <p>编程中使用正则表达式常见情况：</p> <p>验证表达式是否匹配整个字符串</p> <p>验证表达式是否可以匹配字符串的子字符串</p> <p>返回给定字符串中匹配给定正则表达式所有子字符串</p> <p>替换给定字符串中匹配正则表达式的子字符串</p> <p>根据正则表达式定义规则截取字符串</p> <pre> <code class="language-java">package test; import java.util.ArrayList; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class TestReg { /** * 验证传入的字符串是否整个匹配正表达式 * @param regex: 正则表达式 * @param decStr：要匹配的字符串 * @return ：若匹配，则返回true;否则，返回false; */ publicstatic boolean validate(String regex, String decStr) { //表达式对象 Patternp = Pattern.compile(regex,Pattern.CASE_INSENSITIVE); //创建 Matcher 对象 Matcherm = p.matcher(decStr); //是否完全匹配 booleanyesorno = m.matches(); //该方法尝试将整个输入序列与该模式匹配 returnyesorno; } /** * 验证传入的字符串是否有子字符串匹配正表达式 * @param regex: 正则表达式 * @param decStr：要匹配的字符串 * @return ：若匹配，则返回true;否则，返回false; */ publicstatic boolean validate2(String regex, String decStr) { //表达式对象 Patternp = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); //创建 Matcher 对象 Matcherm = p.matcher(decStr); //是否完全匹配 booleanyesorno = m.find(); //该方法扫描输入序列以查找与该模式匹配的下一个子序列。 returnyesorno; } /** * 给定字符串中是否有符合给定正则表达式的子字符串，返回匹配的第一个子字符串 * @param regex：正则表达式 * @param decStr：要匹配的字符串 * @return :返回匹配的第一个字符串，若不匹配则null */ publicstatic String search(String regex, String decStr) { Patternp = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); Matcherm = p.matcher(decStr); //是否找到匹配 booleanfound = m.find(); //该方法扫描输入序列以查找与该模式匹配的下一个子序列。 String foundstring=""; if(found){ foundstring = m.group(); String foundstring0 = m.group(0); //group(),group(0)返回符合整个表达式的子字符串 String foundstring1 = m.group(1); //group(1)返回符合整个表达式的子字符串中匹配第一个表达式的子字符串 String foundstring2 = m.group(2); //group(2)返回符合整个表达式的子字符串中匹配第一个表达式的子字符串 // String foundstring3 = m.group(3); System.out.println("foundstring:"+foundstring); System.out.println("foundstring0:"+foundstring0); System.out.println("foundstring1:"+foundstring1); System.out.println("foundstring2:"+foundstring2); // System.out.println("foundstring3:"+foundstring3); } returnfoundstring; } /** * 返回给定字符串中匹配给定正则表达式所有子字符串 * @param regex * @param decStr * @return List：返回所有匹配正则表达式的子字符串 */ publicstatic List searchSubStr(String regex,String decStr) { Patternp = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); Matcherm = p.matcher(decStr); List<String>list = new ArrayList<String>(); while(m.find()){ //12a345b666cwer list.add(m.group()); } for(String string : list) { System.out.println(string); } returnlist; } /** * 替换给定字符串中匹配正则表达式的子字符串 * @param regex：正则表达式 * @param decStr：所要匹配的字符串 * @param replaceStr：将符合正则表达式的子串替换为该字符串 * @return：返回替换以后新的字符串 */ publicstatic String replace(String regex,String decStr,String replaceStr) { Patternp = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); Matcherm = p.matcher(decStr); //替换 Stringnewstring = m.replaceAll(replaceStr); System.out.println(newstring); returnnewstring; } publicstatic void testSplit() { Stringstr = "abc5Adefghi7Ajklmn"; //分割 String[] strs = str.split("(\\d)A"); for(inti=0;i<strs.length;i++) { System.out.println(strs[i]); } } publicstatic void main(String[] args) { replace("\\d","dsfd;sa;ksd12a34b567c890d888e999f","*"); // System.out.println(validate("\\d+","334455aaa")); // System.out.println(validate2("\\d+","334455aaa")); // System.out.println(searchSubStr("(\\d+)([a-z]+)","334455aaa--3232423aaa-32324bbb")); testSplit(); } }</code></pre> <h2>业务思想</h2> <p>在正则学习过程中，感觉很有必要总结梳理一下最近的进程。前面已经提到正则的使用优势，在大环境中，正则的应用显得尤为重要，在实践中不断产生新的认知吧！</p> <p> </p> <p>来自：http://blog.csdn.net/wsl211511/article/details/51296066</p> <p> </p>