开发者社区> 翡青> 正文
阿里云
为了无法计算的价值
打开APP
阿里云APP内打开

Java与正则表达式

简介: Java与正则表达式 标签: Java基础 正则 正如正则的名字所显示的是描述了一个规则, 通过这个规则去匹配字符串.
+关注继续查看

Java与正则表达式

标签: Java基础


正则

正如正则的名字所显示的是描述了一个规则, 通过这个规则去匹配字符串. 学习正则就是学习正则表达式的语法规则


正则语法

普通字符

字母, 数字, 汉字, 下划线, 以及没有特殊定义的标点符号都是普通字符. 表达式中的普通字符在匹配一个字符串时, 匹配与之相同的一个字符.


转义字符

字符 解释
\n 换行符
\t 制表符
\^ \$ \( \) \{ \} \? \+ \* | \\ \[ \] 匹配这些字符本身

标准字符集合

字符 匹配
\d 任意一个数字
\w 任意一个字母/数字/下划线
\s 任意一个空格/制表符/换行符等空白字符
. 小数点在内的任意一个字符(除\n外)
[\s\S] 匹配\n在内的任意一个字符
  • 注意大小写: 大写是取反

自定义字符集合

[] 方括号匹配方式, 能够匹配方括号中的任意一个字符.

表达式 解释
[ab5@v] 匹配a b 5 @ v中任意一个
[^ab5@v] 匹配a b 5 @ v之外任意一个
[f-k] 匹配f-k之间任意一个字母
[^f-k] 匹配f-k之外任意一个
[f-k0-3] 匹配f-k0-3之间任意一个字母
[^f-k0-3] 不匹配f-k0-3之间任意一个字母

注:

  • 正则表达式中的特殊符号, 被包含到[]中, 则失去特殊意义, 除了- ^之外.
    • []中的^表示取反的含义.
    • []中的-表示范围的含义
  • 标准字符集合(除小数点外),如果被包含于中括号中,则自定义集合将包含该集合.
    [\d.\-+]将匹配: 数字, 小数点, -, +

量词

量词 解释
{n} 表达式重复n次
{m,n} 表达式至少重复m次,最多重复n次
{m,} 表达式至少重复m次
? 匹配表达式0次或者1次
+ 表达式至少出现1次,相当于 {1,}
* 表达式不出现或出现任意次,相当于 {0,}
  • 贪婪模式与非贪婪模式
    贪婪模式: 匹配字符越多越好, 默认.
    非贪婪模式: 匹配字符越少越好, 需要在量词后再加上一个?.

  • 示例

    • 匹配手机号1[358]\d{9}
    • 匹配邮箱 ([\w\-\.]+)@([0-9a-zA-Z\-]+)(\.[a-zA-Z]{2,4}){1,2}

字符边界

零宽匹配: 匹配的不是字符而是位置(符合某种条件的位置),不匹配任何字符.

字符 解释
^ 与字符串开始的地方匹配
$ 与字符串结束的地方匹配
\b 匹配一个单词边界,也就是单词和空格之间的位置

注: \b会匹配这样一个位置: 前面的字符与后面的字符不全是\w


选择符与分组

表达式 解释
| 左右两边表达式之间 “或” 关系,匹配左边或右边
() 捕获组 被修饰时,()中的表达式可以作为整体被修饰; 取匹配结果时, ()中的表达式匹配到的内容可以被单独得到; 每一对括号会被分配一个编号(以(为准,从左到右: 从1开始)
(?:exp) 非捕获组 一些表达式中, 不得不使用(), 但又不需保存()中子表达式匹配的内容, 这时可以使用非捕获组来抵消()带来的副作用

注: 非捕获组可以用于当处理大量文本时用于优化内存分配.

  • 反引用\nnn
    由上面可知, 捕获组默认被分配了编号, 通过反向引用, 可以对分组已捕获的字符串进行引用
  • 示例
    (\w{2})\1 匹配类似toto dodo gogo这样由一个单词复制而来得到的字符串
    (img)\w+\1 匹配前后都是img的字符串

零宽断言(预搜索)

  • 零宽度: 只进行子表达式的匹配, 匹配内容不计入最终的匹配结果.
  • 位置匹配: 判断当前位置的前后字符是否符合指定的条件, 但不保留前后的字符.

正则表达式中, 如果子表达式匹配到得是字符内容, 而非位置, 并被保留到最终的匹配结果中, 那么就认为这个子表达式是占有字符的; 如果子表达式匹配的仅仅是位置, 或者匹配的内容并不保存到最终的匹配结果中, 那么就认为这个子表达式是零宽度的(占有字符或零宽度, 是针对匹配的内容是否保留到最终结果而言的)

表达式 解释
(?=exp) 断言自身出现的位置的后面能够匹配表达式exp
(?!exp) 断言自身出现的位置的后面不能匹配表达式exp
(?<=exp) 断言自身出现的位置的前面能够匹配表达式exp
(?<\!exp) 断言自身出现的位置的前面不能匹配表达式exp
  • 示例
    [a-z]+(?=ing) 匹配所有以ing结尾的单词, 但ing并不放入字符串
    [a-z]+(?=\d+) 匹配所有以数字结尾的单词
    [a-z]+(?!\d+) 匹配不以数字结尾的单词
    (?<=(href=\")) 匹配以href="开头的字符串

Java Pattern与Matcher

  • java.util.regex包下提供的PatternMatcher两个类提供了在Java中的正则支持;
  • Pattern对象是正则表达式编译后在内存中的表现形式, 因此, 正则表达式字符串必须先被编译为Pattern对象Pattern pattern = Pattern.compile("\\w+");然后再利用该Pattern对象创建对象的Matcher对象Matcher matcher = pattern.matcher(input);.
  • Matcher对象是一个对CharSequence执行匹配操作的正则引擎: 执行匹配所涉及的状态保留在Matcher对象中, 多个Matcher对象可共享同一个Pattern对象.
/**
 * Created by jifang on 15/12/15.
 */
public class LearnRegexp {

    @Test
    public void testSearch() {
        String input = "hello1997&&2000";

        // 将一个正则表达式编译成Pattern对象
        Pattern pattern = Pattern.compile("\\w+");
        Matcher matcher = pattern.matcher(input);

        // matches尝试将整个字符序列与该模式匹配
        System.out.println(matcher.matches());

        // reset将matcher中的指针重新定位
        matcher.reset();
        // find 方法扫描整个字符串, 查找能否找到下一个符合该模式字符串
        while (matcher.find()) {
            String group = matcher.group();
            System.out.println(group);
        }
    }

    /**
     * 将所有的数字都替换成'#'
     */
    @Test
    public void testReplace() {
        String input = "1j2h3h4g5o";
        Matcher replace = Pattern.compile("[0-9]").matcher(input);
        input = replace.replaceAll("#");
        System.out.println(input);
    }

    /**
     * 将字符串按数字分割
     */
    @Test
    public void testSplit() {
        String input = "1j24h356h467g589o";
        String[] strings = input.split("\\d+");
        for (String str : strings) {
            System.out.println(str);
        }
    }
}

由上例可以看到: 其实String中某些方法也支持正则表达式, 如split, replace等(Pattern,Matcher与String的其他用法请参考JDK文档).

小实验-抓取网页中所有的超链接

/**
 * 模仿网络爬虫, 抓取网站html, 将里面所有的超链接都分析出来
 * Created by jifang on 15/12/15.
 */
public class HtmlAnalyzer {

    private final String FILE_PATH = "/Users/jifang/save.txt";

    @Test
    public void client() throws IOException {
        String html = downloadHtml("http://www.163.com/", "gbk");
        // (?<=(href=\"))(?:[\w.\/\:\?\=\&]+)(?=\")  匹配url的正则
        Set<String> urlSet = analyzeHtml(html, "(?<=(href=\\\"))(?:[\\w.\\/\\:\\?\\=\\&]+)(?=\\\")");
        saveToFile(urlSet);
        System.out.println();
    }

    private String downloadHtml(String url, String charset) throws IOException {
        URL readUrl = new URL(url);
        BufferedReader reader = new BufferedReader(new InputStreamReader(readUrl.openStream(), charset));
        return CharStreams.toString(reader);
    }

    private Set<String> analyzeHtml(String html, String regex) {

        Set<String> urlSet = new HashSet<>();
        // 匹配url的正则表达式
        Matcher matcher = Pattern.compile(regex).matcher(html);
        while (matcher.find()) {
            String group = matcher.group();
            urlSet.add(group);
        }

        return urlSet;
    }

    private void saveToFile(Set<String> urlSet) throws IOException {
        PrintStream printer = new PrintStream(new FileOutputStream(FILE_PATH));
        for (String url : urlSet) {
            printer.println(url);
        }
        printer.flush();
        printer.close();
    }
}
  • 附- 运行上程序需要在pom.xml中添加以下依赖
<dependency>
    <groupId>com.google.guava</groupId>
    <artifactId>guava</artifactId>
    <version>18.0</version>
</dependency>

推荐几个正则验证工具:


参考

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
【Java正则表达式】有了这个Java正则表达式学习大全,几乎不用看别的资料了
正则表达式(Regular Expression)是一种文本模式,包括普通字符(例如,a 到 z 之间的字母)和特殊字符(称为"元字符")。它是使用单个字符串来描述、匹配一系列匹配某个句法规则的字符串。它又是繁琐的,但它是强大的,学会之后的应用会让你除了提高效率外,会给你带来绝对的成就感。只要认真阅读本教程,加上应用的时候进行一定的参考,掌握正则表达式不是问题。 作者:zhulin1028 著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。
29 0
Java正则表达式学习
在日常的开发中经常需要使用到正则表达式,它是涉及到的最多的一种数据结构,对字符串进行操作的需求几乎无处不在比如验证一个邮件是否是合法的邮件地址,验证身份证是否合法等等都可以使用正则表达式。
26 0
线程 - Java 多线程编程(下)
线程 - Java 多线程编程(下)
25 0
Java多线程那些事,对Java并发编程2w余字的总结,超详细(从入门到完全掌握)
Java多线程那些事,对Java并发编程2w余字的总结,超详细(从入门到完全掌握)
86 0
java多线程中的死锁、活锁、饥饿、无锁都是什么鬼?
死锁、活锁、饥饿是关于多线程是否活跃出现的运行阻塞障碍问题,如果线程出现了这三种情况,即线程不再活跃,不能再正常地执行下去了。
71 0
五分钟带你玩转多线程(一)java多线程基础知识简介
线程概念 进程:是一个执行中的程序,如打开网易云音乐,网易云音乐就是一个进程 线程:是进程的组成,一个进程包含多个线程,是jvm最小调度单元。如网易云音乐听歌是一个线程,评价是一个线程。
53 0
+关注
翡青
阿里巴巴高级研发工程师
211
文章
34
问答
文章排行榜
最热
最新
相关电子书
更多
低代码开发师(初级)实战教程
立即下载
阿里巴巴DevOps 最佳实践手册
立即下载
冬季实战营第三期:MySQL数据库进阶实战
立即下载