Java - 正则
正则表达式:
Regular Expression / regex / regexp / RE
Java 中支持正则的方法:
- split
- replaceAll
- replaceFirst
- matches
- .......
Java 专门用于正则表达式的包:
java.util.regex
元字符:
一次匹配一个位
| 正则 | 功能 |
|---|---|
| . | 匹配除换行符以外的所有符号 |
| \d | 匹配所有的数字 |
| \w | 匹配所有除$以外的有效符号 |
| \s | 匹配所有空白位(空格和\t) |
| [] | 匹配中括号中的字符, 匹配一个位. 其中可以以[0-9]这种形式表示0到9十个数, 根据ascii码值 |
| ^... | 以...开头 |
| ...$ | 以...结尾 |
| ^[] | 以[]中的某一个字符开头 |
| | | 用或符号表示选择其中一个匹配 |
反义符:
| 正则 | 功能 |
|---|---|
| \D | 匹配非数字 |
| \W | 匹配特殊符号 |
| \S | 匹配非空白位 |
| [^] | 不以[]中的某一个字符开头 |
多位匹配:
| 正则 | 功能 |
|---|---|
| * | 匹配0或多个字符 |
| + | 匹配1或多个字符 |
| ? | 匹配0或1个字符 |
| {m} | 匹配m个字符 |
| {m,} | 匹配至少m个字符 |
| {m, n} | 匹配m~n个字符 |
分组:
正则中的二次筛选
将匹配好的正则表达式, 进行括号的筛选,
| 正则 | 功能 |
|---|---|
| () | 分组, 用 Pattern 和 Matcher 将括号里的内容进行分组, 可以返回匹配到的内容中的括号中匹配中的内容 |
匹配邮箱:
"12584wdw@gmail.com"
\\w{4,20}@\\w*\\.com|cn|org
Pattern 类和 Matche r类:
Pattern:
| 方法 | 说明 |
|---|---|
| Pattern Pattern.compile() | 编译正则表达式, 返回一个Pattern对象 |
| Matcher Pattern.matcher() | 返回一个 Matcher 对象 |
Matcher 类的方法
索引方法
索引方法提供了有用的索引值，精确表明输入字符串中在哪能找到匹配：
| 方法 | 说明 |
|---|---|
| int start() | 返回以前匹配的初始索引。 |
| int start(int group) | 返回在以前的匹配操作期间，由给定组所捕获的子序列的初始索引 |
| public int end() | 返回最后匹配字符之后的偏移量。 |
| public int end(int group) | 返回在以前的匹配操作期间，由给定组所捕获子序列的最后字符之后的偏移量。 |
查找方法
查找方法用来检查输入字符串并返回一个布尔值，表示是否找到该模式：
| 方法 | 说明 |
|---|---|
| boolean lookingAt() | 尝试将从区域开头开始的输入序列与该模式匹配 |
| boolean find() | 尝试查找与该模式匹配的输入序列的下一个子序列。 |
| boolean find(int start） | 重置此匹配器，然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列。 |
| boolean matches() | 尝试将整个区域与模式匹配。 |
替换方法
替换方法是替换输入字符串里文本的方法：
| 方法 | 说明 |
|---|---|
| Matcher appendReplacement(StringBuffer sb, String replacement) | 实现非终端添加和替换步骤。 |
| StringBuffer appendTail(StringBuffer sb) | 实现终端添加和替换步骤。 |
| String replaceAll(String replacement) | 替换模式与给定替换字符串相匹配的输入序列的每个子序列。 |
| String replaceFirst(String replacement) | 替换模式与给定替换字符串匹配的输入序列的第一个子序列。 |
| static String quoteReplacement(String s) | 返回指定字符串的字面替换字符串。这个方法返回一个字符串，就像传递给 Matcher 类的 appendReplacement 方法一个字面字符串一样工作。 |
贪婪模式和懒惰模式:
贪婪模式: 尽可能多的匹配能够匹配数据
懒惰模式(非贪婪模式): 会尽可能少的匹配数据
绝大多数编程默认都是采用贪婪模式, 包括 Java, Python
将贪婪模式转换为懒惰模式只需要在多位匹配后面加上一个 "?"
匹配网址:
class Test {
void test() {
String s = "<a class=\"img-spacing\" href='https://xueshu.baidu.com/' target='_blank' name='tj_xueshu'>";
Pattern pattern = Pattern.compile("a.*href='(.*?)'.*");
Matcher matcher = pattern.matcher(s);
while (matcher.find()) {
System.out.println(matcher.group(1));
}
}
}
匹配标签内容:
class Test {
void test() {
String s = """<ul>
< li > 这个是列表1 </li >
<li > 这个是列表2 </li >
<li > 这个是列表3 </li >
<li > 这个是列表4 </li >
<li > 这个是列表5 </li >
<li > 这个是列表6 </li >
<li > 这个是列表7 </li >
<li > 这个是列表8 </li >
</ul > """;
s.replaceAll("</?\\w+>", "");
}
void test2() {
String s = "<ul>\n" +
" <li>这个是列表1</li>\n" +
" <li>这个是列表2</li>\n" +
" <li>这个是列表3</li>\n" +
" <li>这个是列表4</li>\n" +
" <li>这个是列表5</li>\n" +
" <li>这个是列表6</li>\n" +
" <li>这个是列表7</li>\n" +
" <li>这个是列表8</li>\n" +
"</ul>";
Pattern pattern = Pattern.compile("<\\w+>(.*?)</\\w+>");
Matcher matcher = pattern.matcher(s);
while (matcher.find()) {
System.out.print(matcher.group(1));
}
}
}
正则表达式语法表:
| 字符 | 说明 |
|---|---|
| \ | 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如， n匹配字符 n。\n 匹配换行符。序列 \\ 匹配 \ ，\( 匹配 (。 |
| ^ | 匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性，^ 还会与"\n"或"\r"之后的位置匹配。 |
| $ | 匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性，$ 还会与"\n"或"\r"之前的位置匹配。 |
| * | 零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。 |
| + | 一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。 |
| ? | 零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。 |
| {n} | n 是非负整数。正好匹配 n 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。 |
| {n,} | n 是非负整数。至少匹配 n 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。 |
| {n,m} | m 和 n 是非负整数，其中 n <= m。匹配至少 n 次，至多 m 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。 |
| ? | 当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。 |
| . | 匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符，请使用诸如"[\s\S]"之类的模式。 |
| (pattern) | 匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\(" "\)"。 |
| (?:pattern) | 匹配 pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (\ |
| (?=pattern) | 执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95\ |
| (?!pattern) | 执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95\ |
| x\ | y |
| [xyz] | 字符集。匹配包含的任一字符。例如，"[abc]"匹配"plain"中的"a"。 |
| [^xyz] | 反向字符集。匹配未包含的任何字符。例如，"[^abc]"匹配"plain"中"p"，"l"，"i"，"n"。 |
| [a-z] | 字符范围。匹配指定范围内的任何字符。例如，"[a-z]"匹配"a"到"z"范围内的任何小写字母。 |
| [^a-z] | 反向范围字符。匹配不在指定的范围内的任何字符。例如，"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。 |
| \b | 匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。 |
| \B | 非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。 |
| \cx | 匹配 x 指示的控制字符。例如，\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。 |
| \d | 数字字符匹配。等效于 [0-9]。 |
| \D | 非数字字符匹配。等效于 [^0-9]。 |
| \f | 换页符匹配。等效于 \x0c 和 \cL。 |
| \n | 换行符匹配。等效于 \x0a 和 \cJ。 |
| \r | 匹配一个回车符。等效于 \x0d 和 \cM。 |
| \s | 匹配任何空白字符，包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。 |
| \S | 匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。 |
| \t | 制表符匹配。与 \x09 和 \cI 等效。 |
| \v | 垂直制表符匹配。与 \x0b 和 \cK 等效。 |
| \w | 匹配任何字类字符，包括下划线。与"[A-Za-z0-9_]"等效。 |
| \W | 与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。 |
| \xn | 匹配 n，此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。 |
| *num* | 匹配 num，此处的 num 是一个正整数。到捕获匹配的反向引用。例如，"(.)\1"匹配两个连续的相同字符。 |
| *n* | 标识一个八进制转义码或反向引用。如果 *n* 前面至少有 n 个捕获子表达式，那么 n 是反向引用。否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。 |
| *nm* | 标识一个八进制转义码或反向引用。如果 *nm* 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。如果 *nm* 前面至少有 n 个捕获，则 n 是反向引用，后面跟有字符 m。如果两种前面的情况都不存在，则 *nm* 匹配八进制值 nm，其中 n 和 m 是八进制数字 (0-7)。 |
| \nml | 当 n 是八进制数 (0-3)，m 和 l 是八进制数 (0-7) 时，匹配八进制转义码 nml。 |
| \un | 匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。例如，\u00A9 匹配版权符号 (©)。 |