简介

正则表达式是一种强大的工具 😎，用于描述和匹配字符串的特定模式，可用于各种编程语言和文本处理工具中，如 Java，Python，JavaScript 等。

语法

正则表达式由元字符组成，下表包含了元字符的完整列表以及它们在正则表达式上下文中的行为：

字符 描述
\ 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 向后引用、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 “(“。
^ 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。
$ 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。
* 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,}。
+ 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,}。
? 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” 。? 等价于 {0,1}。
{n} 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。
{n,} 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*‘。
{n,m} 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。例如，”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。
? 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’。
. 匹配除换行符（\n、\r）之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符，请使用像”(.|\n)”的模式。
(pattern) 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 ‘\(‘ 或 ‘\)’。
(?:pattern) 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。
(?=pattern) 正向肯定预查（look ahead positive assert），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”Windows2000”中的”Windows”，但不能匹配”Windows3.1”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。
(?!pattern) 正向否定预查(negative assert)，在任何不匹配 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”Windows3.1”中的”Windows”，但不能匹配”Windows2000”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。
(?<=pattern) 反向(look behind)肯定预查，与正向肯定预查类似，只是方向相反。例如，”(?<=95|98|NT|2000)Windows”能匹配”2000Windows”中的”Windows”，但不能匹配”3.1Windows”中的”Windows”。
(?<!pattern) 反向否定预查，与正向否定预查类似，只是方向相反。例如”(?<!95|98|NT|2000)Windows”能匹配”3.1Windows”中的”Windows”，但不能匹配”2000Windows”中的”Windows”。
x|y 匹配 x 或 y。例如，’z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。
[xyz] 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’。
[^xyz] 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’、’l’、’i’、’n’。
[a-z] 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。
[^a-z] 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。
\b 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’。
\B 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’。
\cx 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。
\d 匹配一个数字字符。等价于 [0-9]。
\D 匹配一个非数字字符。等价于 [^0-9]。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 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]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。
\W 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。
\xn 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。
\num 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。
\n 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为向后引用。否则，如果 n 为八进制数字 (0-7)，则 n 为一个八进制转义值。
\nm 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式，则 nm 为向后引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的向后引用。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。
\nml 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。
\un 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 (?)。

Java 中的正则表达式

在Java中使用正则表达式需要导入java.util.regex包。
java.util.regex包中主要包含以下三个类：

  • Patter：
    pattern 对象是一个正则表达式的编译表示。Pattern 类没有公共构造方法。要创建一个 Pattern 对象，你必须首先调用其公共静态编译方法，它返回一个 Pattern 对象。该方法接受一个正则表达式作为它的第一个参数。
  • Matcher：
    Matcher 对象是对输入字符串进行解释和匹配操作的引擎。与 Pattern 类一样，Matcher 也没有公共构造方法。你需要调用 Pattern 对象的 matcher 方法来获得一个 Matcher 对象。
  • PatternSyntaxException：
    PatternSyntaxException 是一个非强制异常类，它表示一个正则表达式模式中的语法错误。

由于 Java 中的正则表达式也是字符串，因此转义字符\会在字符串中生效，所以对于\d等元字符要写成\\d之类的。

一个简单的查找样例：

1
2
3
4
5
6
7
8
9
10
11
public class Main{
    public static void main(String[] args){
        String content = "Java8,Java11,Java17,Java21";
        String regex = "((?i)java(?:8|11|17|21))";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(content);
        while (m.find()){
            System.out.println(m.group());
        }
    }
}

Java8
Java11
Java17
Java21

Matcher 类的方法

索引方法

  • public int start()
    返回以前匹配的初始索引。
  • public 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。
1
2
3
4
5
6
7
8
9
10
11
12
public class Main{
    public static void main(String[] args){
        String content = "Java8,Java11,Java17,Java21";
        String regex = "(?i)java(?:8|11|17|21)";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(content);
        while (m.find()){
            System.out.println(m.start());
            System.out.println(m.end());
        }
    }
}

0
5
6
12
13
19
20
26

定组捕获：

1
2
3
4
5
6
7
8
9
10
11
12
public class Main{
    public static void main(String[] args){
        String content = "Java8,Java11,Java17,Java21";
        String regex = "(?i)java(8|11|17|21)";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(content);
        while (m.find()){
            System.out.println(m.start(1));
            System.out.println(m.end(1));
        }
    }
}

4
5
10
12
17
19
24
26

这里返回的索引是”java”后面的版本号的索引。

查找方法

  • public boolean lookingAt()
    尝试将从区域开头开始的输入序列与该模式匹配。
  • public boolean find()
    尝试查找与该模式匹配的输入序列的下一个子序列。
  • public 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。
  • public boolean matches()
    尝试将整个区域与模式匹配。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
public class Main{
    public static void main(String[] args){
        String content1 = "Java";
        String content2 = "JavaJava";
        String regex = "Java";
        Pattern p = Pattern.compile(regex);
        Matcher m1 = p.matcher(content1);
        Matcher m2 = p.matcher(content2);

        System.out.println(m1.matches());
        System.out.println(m2.matches());
        System.out.println(m1.lookingAt());
        System.out.println(m2.lookingAt());
    }
}

true
false
true
true

替换方法

  • public Matcher appendReplacement(StringBuffer sb, String replacement)
    实现非终端添加和替换步骤。
  • public StringBuffer appendTail(StringBuffer sb)
    实现终端添加和替换步骤。
  • public 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。
  • public 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。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
public class Main{
    public static void main(String[] args){
        String content = "Java8,Java11,Java17,Java21";
        String regex = "Java";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(content);

        StringBuffer sb1 = new StringBuffer();
        while (m.find()) {
            m.appendReplacement(sb1, "*_*");
        }
        m.appendTail(sb1);
        System.out.println(sb1);

        m.reset();

        StringBuffer sb2 = new StringBuffer();
        if (m.find()) {
            m.appendReplacement(sb2, "*_*");
        }
        m.appendTail(sb2);
        System.out.println(sb2);
    }
}

*_*8,*_*11,*_*17,*_*21
*_*8,Java11,Java17,Java21

其实replaceAll和replaceFirst的底层就是调用appendReplacement以及appendTail来实现的

1
2
3
4
5
6
7
8
9
10
11
12
13
14
public class Main{
    public static void main(String[] args){
        String content = "Java8,Java11,Java17,Java21";
        String regex = "Java";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(content);

        String s1 = m.replaceAll("*_*");
        String s2 = m.replaceFirst("*_*");

        System.out.println(s1);
        System.out.println(s2);
    }
}

*_*8,*_*11,*_*17,*_*21
*_*8,Java11,Java17,Java21