从简单例子认识正则表达式匹配
先上代码
public class Demo1 { public static void main(String[] args) { //字符串abc匹配正则表达式"...", 其中"."表示一个字符 //"..."表示三个字符 System.out.println("abc".matches("...")); System.out.println("abcd".matches("...")); } } //输出结果 true false
String类中有个matches(String regex)方法, 返回值为布尔类型, 用于告诉这个字符串是否匹配给定的正则表达式。
在本例中我们给出的正则表达式为..., 其中每个.表示一个字符, 整个正则表达式的意思是三个字符, 显然当匹配abc的时候结果为true, 匹配abcd时结果为false。
Java中对正则表达式的支持(各种语言有相应的实现)
在java.util.regex包下有两个用于正则表达式的类, 一个是Matcher类, 另一个Pattern。
Java官方文档中给出对这两个类的典型用法, 代码如下:
public class Demo2 { public static void main(String[] args) { //[a-z]表示a~z之间的任何一个字符, {3}表示3个字符, 意思是匹配一个长度为3, 并且每个字符属于a~z的字符串 Pattern p = Pattern.compile("[a-z]{3}"); Matcher m = p.matcher("abc"); System.out.println(m.matches()); } } //输出结果 true
如果要深究正则表达式背后的原理, 会涉及编译原理中自动机等知识, 此处不展开描述. 为了达到通俗易懂, 这里用较为形象的语言描述。
Pattern可以理解为一个模式, 字符串需要与某种模式进行匹配. 比如Demo2中, 我们定义的模式是一个长度为3的字符串, 其中每个字符必须是a~z中的一个。
我们看到创建Pattern对象时调用的是Pattern类中的compile方法, 也就是说对我们传入的正则表达式编译后得到一个模式对象. 而这个经过编译后模式对象, 会使得正则表达式使用效率会大大提高, 并且作为一个常量, 它可以安全地供多个线程并发使用。
Matcher可以理解为模式匹配某个字符串后产生的结果. 字符串和某个模式匹配后可能会产生很多个结果, 这个会在后面的例子中讲解。
最后当我们调用m.matches()时就会返回完整字符串与模式匹配的结果。
上面的三行代码可以简化为一行代码
System.out.println("abc".matches("[a-z]{3}"));
但是如果一个正则表达式需要被重复匹配, 这种写法效率较低。
初步认识 . + * ?
在介绍之前首先要说明的是, 正则表达式的具体含义不用强背, 各个符号的含义在Java官方文档的Pattern类描述中或网上有详细的定义. 当然能熟用就更好了。
public class Demo3 { /** * 为了省略每次写打印语句, 这里把输出语句封装起来 * @param o */ private static void p(Object o){ System.out.println(o); } /** * . Any character (may or may not match line terminators), 任意字符 * X? X, once or not at all 零个或一个 * X* X, zero or more times 零个或多个 * X+ X, one or more times 一个或多个 * X{n} X, exactly n times x出现n次 * X{n,} X, at least n times x出现至少n次 * X{n,m} X, at least n but not more than m times 出现n~m次 * @param args */ public static void main(String[] args) { p("a".matches(".")); p("aa".matches("aa")); p("aaaa".matches("a*")); p("aaaa".matches("a+")); p("".matches("a*")); p("a".matches("a?")); // \d A digit: [0-9], 表示数字, 但是在java中对"\"这个符号需要使用\进行转义, 所以出现\\d p("2345".matches("\\d{2,5}")); // \\.用于匹配"." p("192.168.0.123".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}")); // [0-2]指必须是0~2中的一个数字 p("192".matches("[0-2][0-9][0-9]")); } } //输出结果 //全为true
范围
[]用于描述一个字符的范围, 下面是一些例子：
public class Demo4 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { //[abc]指abc中的其中一个字母 p("a".matches("[abc]")); //[^abc]指除了abc之外的字符 p("1".matches("[^abc]")); //a~z或A~Z的字符, 以下三个均是或的写法 p("A".matches("[a-zA-Z]")); p("A".matches("[a-z|A-Z]")); p("A".matches("[a-z[A-Z]]")); //[A-Z&&[REQ]]指A~Z中并且属于REQ其中之一的字符 p("R".matches("[A-Z&&[REQ]]")); } } //输出结果 全部为true
认识\s \w \d \
下面介绍数字和字母的正则表达, 这是编程中使用最多的字符了.
关于\
这里重点介绍最不好理解的\. 在Java中的字符串中, 如果要用到特殊字符, 必须通过在前面加\进行转义。
举个例子, 考虑这个字符串"老师大声说:"同学们,快交作业!"". 如果我们没有转义字符, 那么开头的双引号的结束应该在说:"这里, 但是我们的字符串中需要用到双引号, 所以需要用转义字符。
使用转义字符后的字符串为"老师大声说:\"同学们,快交作业!\"", 这样我们的原意才能被正确识别。
同理如果我们要在字符串中使用\, 也应该在前面加一个\, 所以在字符串中表示为"\\"。
那么如何在正则表达式中表示要匹配\呢, 答案为"\\\\"。
我们分开考虑: 由于正则式中表示\同样需要转义, 所以前面的\\表示正则表达式中的转义字符\, 后面的\\表示正则表达式中\本身, 合起来在正则表达式中表示\.
如果感觉有点绕的话请看下面代码：
public class Demo5 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { /** * \d A digit: [0-9] 数字 * \D A non-digit: [^0-9] 非数字 * \s A whitespace character: [ \t\n\x0B\f\r] 空格 * \S A non-whitespace character: [^\s] 非空格 * \w A word character: [a-zA-Z_0-9] 数字字母和下划线 * \W A non-word character: [^\w] 非数字字母和下划线 */ // \\s{4}表示4个空白符 p(" \n\r\t".matches("\\s{4}")); // \\S表示非空白符 p("a".matches("\\S")); // \\w{3}表示数字字母和下划线 p("a_8".matches("\\w{3}")); p("abc888&^%".matches("[a-z]{1,3}\\d+[%^&*]+")); // 匹配 \ p("\\".matches("\\\\")); } } //输出结果 全部为true
