Java 正则详解

正则

一、转义字符

1. 反斜杠 \
2. 点 .
3. 星号 *
4. 加号 +
5. 问号 ?
6. 左括号 { [ (
7. 右括号 } ] )
8. 竖线 |
9. 脱字符 ^
10. 美元符号 $

.*\\.csv // 匹配以.csv结尾的数据

需要在字符集中转义的字符（普通的元字符不需要在字符集中进行转义）

\ ] - ^

二、正则内容

2.1 特殊符号

一个指定范围内的任意符号：[0-9a-z] [aex] 表示匹配括号中字符集中的字符
一个指定范围外的任意符号：[\^0-9]

\d：[0-9]
\D：[\^0-9]
\w：[0-9a-zA-Z_]
\W：[\^0-9a-zA-Z_]
\s：空白字符
\S：非空白字符

2.2 通配符

1. ? {0,1} + {1,} * {0,}
2. .* 尽可能多地匹配字符 .*?尽可能少地匹配字符

\\w+和.*?的异同：
同：都不能够匹配由空格分隔的连续多个单词

异：\\w+匹配的字符只有字母、数字和下划线，而.*?几乎匹配所有字符。

2.3 内容的重复

E{1,6}：左侧的元素或者组合重复1-6次
E{1,}：左侧的元素至少重复1次
E{，5}：左侧的元素最多重复5次，可以没有
E{5}：左侧元素或者组合只能或者必须重复5次

2.4 边界

^：首

$：尾

\\b：匹配单词边界

2.5 组合

   【组合】
   (...) 一个组合
   ((...)) 组合是可以嵌套的
   (...(.1.)...(.2.)...(.3.))...(.4.)
    0 ->    (...(.1.)...(.2.)...(.3.))...(.4.) 完全整体
    1 ->    ...(.1.)...(.2.)...(.3.)
    2 ->    .1.
    3 ->    .2.
    4 ->    .3.
    5 ->    .4.

三、正则四大功能

3.1 格式匹配

// 判断字符串是否与正则表达式匹配的两个方法
public boolean matches(String regex)
Pattern.matches(String str,String regex)

常见的匹配案例

"123456@qq.com".matches("\\w+@[0-9a-z]{2,10}\\.(com|cn|org)$")
 //邮箱                 1223@  qq/136/hotmail . com 

"^(https?|ftp|file):\\/\\/([\\da-z\\.-]+)\\.([a-z\\.]{2,6})([\\/\\w \\.-]*)*\\/?$"
 //网址 http       :    //      www        .  example.com

"^[\u4e00-\u9fa5]{2,}$"
 //汉字      张三

"^[0-9]{1,}$"
 //数值

"\d{4}-\d{2}-\d{2}"
 //日期 2012-05-06

"\d{2}:\d{2}:\d{2}"
 //时间 20:07:56

"1[3-9]\d{9}"
 //电话

"\d{17}[0-9X]"
//身份证号

"<(S*?)[^>]>.?|<.*? />"
//html标记

"^[+-]?((\\d+(\\.)?)|(\\d*)\\.(\\d+))([eE][+-]?\\d+)?$"
//有效数字

3.2 拆分(正难则反)

"123.456#789?abc,def".split("[^0-9a-zA-Z]+")//注意 反向匹配一般要带+号
  "123.456#789?abc,def".split("\\.|#|\\?|,")

3.3 替换

"123.456#789?abc,def".replaceAll("[^0-9a-zA-Z]+", " ");

3.4 分组提取

• 0表示整个字符串

• 只有用小括号括起来的才能被保留

• 首尾不存在^$说明不要求匹配整个字符串

// 进行分组提取的两个核心方法：
Pattern pat = Pattern.compile("");// 括号内写分组匹配的正则表达式
Matcher mat = pat.matcher(line);// 返回一个模式匹配器

String line = "98662432,320593836,1,96nn52n,6562,2014-12-06 10";

Pattern pat = Pattern.compile("^(\\d+),.*?,([1-4]),.*?,(\\d+),(\\d{4}-\\d{2}-\\d{2}) \\d{2}$");
final Matcher mat = pat.matcher(line);
if(mat.matches()){
   
   
  System.out.println(mat.group(1));
  System.out.println(mat.group(2));
  System.out.println(mat.group(3));
  System.out.println(mat.group(4));
}else{
   
   
  System.out.println("匹配不上");
}

分组提取中正则表达式常见写法：

"(\\\d+\\\.?\\\d+?)"
//整数或小数

"(.*?)"
//字符串

"(true|false)"
// 布尔值

3.5 提取符合条件的部分字符串

public static void main(String[] args) {
   
   
        String str = "<img src=``test.jpg` width=`60px` height=`80px`/>";
        final Pattern p1 = Pattern.compile("src=`.*`");// 此处不能加^ $来表示字符串的边界
        final Pattern p2 = Pattern.compile("src=`.*?`");
        final Matcher m1 = p1.matcher(str);
        final Matcher m2 = p2.matcher(str);
        if(m1.find()){
   
   // matcher()全部匹配,find()部分匹配
            System.out.println("根据p1切分的结果：");
            System.out.println("匹配数量："+m1.groupCount());
            for (int i = 0; i <= m1.groupCount(); i++) {
   
   
                System.out.println(m1.group(i));
            }
        }
        if(m2.find()){
   
   
            System.out.println("根据p2切分的结果：");
            System.out.println("匹配数量："+m2.groupCount());
            for (int i = 0; i <= m2.groupCount(); i++) {
   
   
                System.out.println(m2.group(i));
            }
        }
    }

四、注意

1. 当分隔符位于字符串的前面或者后面的时候，会产生一个空字符串，如果分隔符为空格，此时可以先用trim()去掉首尾的空格，再进行split()
2. 如果字符串中只包含分隔符的话，即使提前trim()过了还是会留有一个空字符串。
3. 在对文本文件中的每一行进行数据处理的时候，应该先进行trim()，是因为文本文件的行两端极易出现空格。
4. 对于replaceAll(line,'[\^A-Za-z ]+',' ');在替换时选择+的原因是进行批量替换效率更高。