浅谈正则表达式的使用

简介: 在开发中,正则表达式的使用场景是多种多样的,同时也能够支持各种复杂场景,同时,正则表达式也是支持许多种语言,对于字符串的截取,匹配,替换 有着巨大的作用。

前言

在项目开发中,很多需要检查一个字符串是否含有另一个字符串,将一个字符串中的某一部分进行替换,或者取出其中的一部分字符串,有时候这个字符串并不是固定的,那么这时候就可以使用正则表达式来进行一个匹配。

一、使用场景

(1)校验:在进行表单提交时,会进行许多校验,如手机号检验,密码格式检验等等
(2)查找:从大量信息中,找出所需要的信息
(3)替换:以指定的格式查找内容,然后进行替换

二、使用说明

(1)普通字符

[^AC] 匹配除了A C之外其他的内容
[ADH] 匹配A D H这几个字母
[A-Z] 匹配所有的大写字母,a-z则是所有的小写字母
\w 匹配字母、数字、下划线。等价于 [A-Za-z0-9_]
  示例:/^[A-Z]/ 表示以大写字母开头的字符串
       /^[0-9](.*)[a-z]$/ 表示以数字开头,以小写字母结尾的字符串

(2)特殊字符

$ 匹配字符串的结尾
() 一个子表达式的开始和结束位置,如/([0-9])(a-z)/
* 匹配前方子表达式零次或多次,如/1-9*/就是匹配一个正整数
+ 匹配前方子表达式一次或多次
. 匹配除换行符 \n 之外的任何单字符
? 匹配前方子表达式零次或一次
^ 匹配输入字符串的开始位置,在中括号中则是不匹配中括号中的字母
{ 标记限定符表达式的开始
\ 指明两项之间的一个选择
  示例:匹配一个9位数的数字/^[1-9][0-9]{8}$/,{8}表示匹配8次,{8,}表示匹配至少8次,{4,8}表示匹配最少4次,最多8次

(3)转义字符

\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
\n 匹配一个换行符
\r 匹配一个回车符
\f 匹配一个换页符
\s 匹配任何空白字符,包括空格、制表符、换页符等等
\S 匹配任何非空白字符
\t 匹配一个制表符
\v 匹配一个垂直制表符

(4)非捕获单元

?=:exp1(?=exp2) 查找exp2前面的exp1
?<=:(?<=exp2)exp1 查找exp2后面的exp1
?!:exp1(?!exp2) 查找后面不是exp2的exp1
?< !:(?< !exp2)exp1 查找前面不是exp2的exp1

三、使用简介

(1)在Java中有时候需要通过特定的条件对字符串进行一个截取,但是split方法有时候是不太方便的,对于一些复杂的截取,还是需要通过正则表达式来进行截取。

截取左括号之后的内容: 
"aaa(ddd".split("(")这语句是无法实现想要的功能,那么这时候就需要使用正则表达式了

Pattern pattern = Pattern.compile(".*(?=\\()")
Matcher matcher = pattern.matcher("aaa(ddd");
if(matcher.find()){
    System.out.println(matcher.group());
}
这段代码就可以实现所需要功能。

(2)在进行注册功能时,经常会对密码进行格式校验,现在就来以必须使用数字大小下字母一起来组成密码举个例子:

Pattern pattern = Pattern.compile("^(?![0-9]+$)(?![a-zA-Z]+$)[0-9A-Za-z]{7,15}$");
Matcher matcher = pattern.matcher("fasda66FF");

上方这个表达式就能达成所需要的效果。
(?![0-9]+$):?!是一个反向预查,就是在字符串结束前,字符串不能由纯数字组成
(?![a-zA-Z_]+$):这个表达式则是判断字符串不能又纯字母组成
[0-9A-Za-z]{7,15}:字符串由字母数字组成,长度为七到十五

(3)有时候也会对手机号来进行一个校验,下面就对手机号的校验来进行一下说明:
首先,我们要对手机号的格式来进行一个了解,手机号都是从1开始的,第二位则为3到9的数字,其他无限制的一个11位的纯数字结构。

Pattern pattern = Pattern.compile("^[1]([3-9])[0-9]{9}$");
Matcher matcher = pattern.matcher("13596325369");

上方这个表达式,就能完成这个校验。
^[1]:表示字符串以1开始
([3-9]):表示第二位为3到9
[0-9]{9}:表示一个9位的纯数字
这样叠加起来,便能完成一个手机号的校验

相关文章
|
自然语言处理 算法 Java
自然语言处理hanlp------7-1双数组字典树
自然语言处理hanlp------7-1双数组字典树
自然语言处理hanlp------7-1双数组字典树
|
1天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1163 0
|
24天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9523 32
|
10天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
9天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
747 1
|
6天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
494 0
|
23天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2573 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
7天前
|
存储 人工智能 自然语言处理
千问办公官网入口链接在哪?2026年最新QwenWork测评、千问办公怎么样?一文看懂
千问办公(QwenWork)是阿里云推出的AI智能办公平台,提供网页端和阿里云官网双入口。支持PPT/Word/Excel生成、多模态处理、网页全栈搭建、钉钉深度集成等6大核心能力。个人版免费可用,高级版198元/月;企业版198元/人/月。新用户注册即赠2000积分。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
945 0

热门文章

最新文章