Java - 正则

48

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 PatternMatcher 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}mn 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 nm 是八进制数字 (0-7)。
\nmln 是八进制数 (0-3),ml 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 (©)。