# Java 正则表达式 正则表达式定义了字符串的模式。 正则表达式可以用来搜索、编辑或处理文本。 正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。 Java正则表达式和Perl的是最为相似的。 java.util.regex包主要包括以下三个类： - Pattern类： 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类： 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。 ------ ## 捕获组 捕获组是把多个字符当一个单独单元进行处理的方法，它通过对括号内的字符分组来创建。 例如，正则表达式(dog) 创建了单一分组，组里包含"d"，"o"，和"g"。 捕获组是通过从左至右计算其开括号来编号。例如，在表达式（（A）（B（C））），有四个这样的组： - ((A)(B(C))) - (A) - (B(C)) - (C) 可以通过调用matcher对象的groupCount方法来查看表达式有多少个分组。groupCount方法返回一个int值，表示matcher对象当前有多个捕获组。 还有一个特殊的组（组0），它总是代表整个表达式。该组不包括在groupCount的返回值中。 ## 实例 下面的例子说明如何从一个给定的字符串中找到数字串： \`\`\`java import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { public static void main( String args\[\] ){ // 按指定模式在字符串查找 String line = "This order was placed for QT3000! OK?"; String pattern = "(.\*)(\\\\d+)(.\*)"; // 创建 Pattern 对象 Pattern r = Pattern.compile(pattern); // 现在创建 matcher 对象 Matcher m = r.matcher(line); if (m.find( )) { System.out.println("Found value: " + m.group(0) ); System.out.println("Found value: " + m.group(1) ); System.out.println("Found value: " + m.group(2) ); } else { System.out.println("NO MATCH"); } } } \`\`\` 以上实例编译运行结果如下： \`\`\`java Found value: This order was placed for QT3000! OK? Found value: This order was placed for QT300 Found value: 0 \`\`\` ------ ## 正则表达式语法 \| 字符 \| 说明 \| \| ------------- \| ------------------------------------------------------------ \| \| \\ \| 将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如，"n"匹配字符"n"。"\\n"匹配换行符。序列"\\\\"匹配"\\"，"\\("匹配"("。 \| \| \^ \| 匹配输入字符串开始的位置。如果设置了 \*\*RegExp\*\* 对象的 \*\*Multiline\*\* 属性，\^ 还会与"\\n"或"\\r"之后的位置匹配。 \| \| $ \| 匹配输入字符串结尾的位置。如果设置了 \*\*RegExp\*\* 对象的 \*\*Multiline\*\* 属性，$ 还会与"\\n"或"\\r"之前的位置匹配。 \| \| \* \| 零次或多次匹配前面的字符或子表达式。例如，zo\* 匹配"z"和"zoo"。\* 等效于 {0,}。 \| \| + \| 一次或多次匹配前面的字符或子表达式。例如，"zo+"与"zo"和"zoo"匹配，但与"z"不匹配。+ 等效于 {1,}。 \| \| ? \| 零次或一次匹配前面的字符或子表达式。例如，"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。 \| \| {\*n\*} \| \*n\* 是非负整数。正好匹配 \*n\* 次。例如，"o{2}"与"Bob"中的"o"不匹配，但与"food"中的两个"o"匹配。 \| \| {\*n\*,} \| \*n\* 是非负整数。至少匹配 \*n\* 次。例如，"o{2,}"不匹配"Bob"中的"o"，而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o\*"。 \| \| {\*n\*,\*m\*} \| \*M\* 和 \*n\* 是非负整数，其中 \*n\* \<= \*m\*。匹配至少 \*n\* 次，至多 \*m\* 次。例如，"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意：您不能将空格插入逗号和数字之间。 \| \| ? \| 当此字符紧随任何其他限定符（\*、+、?、{\*n\*}、{\*n\*,}、{\*n\*,\*m\*}）之后时，匹配模式是"非贪心的"。"非贪心的"模式匹配搜索到的、尽可能短的字符串，而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如，在字符串"oooo"中，"o+?"只匹配单个"o"，而"o+"匹配所有"o"。 \| \| . \| 匹配除"\\r\\n"之外的任何单个字符。若要匹配包括"\\r\\n"在内的任意字符，请使用诸如"\[\\s\\S\]"之类的模式。 \| \| (\*pattern\*) \| 匹配 \*pattern\* 并捕获该匹配的子表达式。可以使用 \*\*$0...$9\*\* 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( )，请使用"\\("或者"\\)"。 \| \| (?:\*pattern\*) \| 匹配 \*pattern\* 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。这对于用"or"字符 (\\\|) 组合模式部件的情况很有用。例如，'industr(?:y\\\|ies) 是比 'industry\\\|industries' 更经济的表达式。 \| \| (?=\*pattern\*) \| 执行正向预测先行搜索的子表达式，该表达式匹配处于匹配 \*pattern\* 的字符串的起始点的字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?=95\\\|98\\\|NT\\\|2000)' 匹配"Windows 2000"中的"Windows"，但不匹配"Windows 3.1"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 \| \| (?!\*pattern\*) \| 执行反向预测先行搜索的子表达式，该表达式匹配不处于匹配 \*pattern\* 的字符串的起始点的搜索字符串。它是一个非捕获匹配，即不能捕获供以后使用的匹配。例如，'Windows (?!95\\\|98\\\|NT\\\|2000)' 匹配"Windows 3.1"中的 "Windows"，但不匹配"Windows 2000"中的"Windows"。预测先行不占用字符，即发生匹配后，下一匹配的搜索紧随上一匹配之后，而不是在组成预测先行的字符后。 \| \| \*x\*\\\|\*y\* \| 匹配 \*x\* 或 \*y\*。例如，'z\\\|food' 匹配"z"或"food"。'(z\\\|f)ood' 匹配"zood"或"food"。 \| \| \[\*xyz\*\] \| 字符集。匹配包含的任一字符。例如，"\[abc\]"匹配"plain"中的"a"。 \| \| \[\^\*xyz\*\] \| 反向字符集。匹配未包含的任何字符。例如，"\[\^abc\]"匹配"plain"中"p"，"l"，"i"，"n"。 \| \| \[\*a-z\*\] \| 字符范围。匹配指定范围内的任何字符。例如，"\[a-z\]"匹配"a"到"z"范围内的任何小写字母。 \| \| \[\^\*a-z\*\] \| 反向范围字符。匹配不在指定的范围内的任何字符。例如，"\[\^a-z\]"匹配任何不在"a"到"z"范围内的任何字符。 \| \| \\b \| 匹配一个字边界，即字与空格间的位置。例如，"er\\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。 \| \| \\B \| 非字边界匹配。"er\\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。 \| \| \\c\*x\* \| 匹配 \*x\* 指示的控制字符。例如，\\cM 匹配 Control-M 或回车符。\*x\* 的值必须在 A-Z 或 a-z 之间。如果不是这样，则假定 c 就是"c"字符本身。 \| \| \\d \| 数字字符匹配。等效于 \[0-9\]。 \| \| \\D \| 非数字字符匹配。等效于 \[\^0-9\]。 \| \| \\f \| 换页符匹配。等效于 \\x0c 和 \\cL。 \| \| \\n \| 换行符匹配。等效于 \\x0a 和 \\cJ。 \| \| \\r \| 匹配一个回车符。等效于 \\x0d 和 \\cM。 \| \| \\s \| 匹配任何空白字符，包括空格、制表符、换页符等。与 \[ \\f\\n\\r\\t\\v\] 等效。 \| \| \\S \| 匹配任何非空白字符。与 \[\^ \\f\\n\\r\\t\\v\] 等效。 \| \| \\t \| 制表符匹配。与 \\x09 和 \\cI 等效。 \| \| \\v \| 垂直制表符匹配。与 \\x0b 和 \\cK 等效。 \| \| \\w \| 匹配任何字类字符，包括下划线。与"\[A-Za-z0-9_\]"等效。 \| \| \\W \| 与任何非单词字符匹配。与"\[\^A-Za-z0-9_\]"等效。 \| \| \\x\*n\* \| 匹配 \*n\*，此处的 \*n\* 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如，"\\x41"匹配"A"。"\\x041"与"\\x04"\&"1"等效。允许在正则表达式中使用 ASCII 代码。 \| \| \\\*num\* \| 匹配 \*num\*，此处的 \*num\* 是一个正整数。到捕获匹配的反向引用。例如，"(.)\\1"匹配两个连续的相同字符。 \| \| \\\*n\* \| 标识一个八进制转义码或反向引用。如果 \\\*n\* 前面至少有 \*n\* 个捕获子表达式，那么 \*n\* 是反向引用。否则，如果 \*n\* 是八进制数 (0-7)，那么 \*n\* 是八进制转义码。 \| \| \\\*nm\* \| 标识一个八进制转义码或反向引用。如果 \\\*nm\* 前面至少有 \*nm\* 个捕获子表达式，那么 \*nm\* 是反向引用。如果 \\\*nm\* 前面至少有 \*n\* 个捕获，则 \*n\* 是反向引用，后面跟有字符 \*m\*。如果两种前面的情况都不存在，则 \\\*nm\* 匹配八进制值 \*nm\*，其中 \*n\* 和 \*m\* 是八进制数字 (0-7)。 \| \| \\nml \| 当 \*n\* 是八进制数 (0-3)，\*m\* 和 \*l\* 是八进制数 (0-7) 时，匹配八进制转义码 \*nml\*。 \| \| \\u\*n\* \| 匹配 \*n\*，其中 \*n\* 是以四位十六进制数表示的 Unicode 字符。例如，\\u00A9 匹配版权符号 (©)。 \| ## Matcher类的方法 ## 索引方法 索引方法提供了有用的索引值，精确表明输入字符串中在哪能找到匹配： \| \*\*序号\*\* \| \*\*方法及说明\*\* \| \| -------- \| ------------------------------------------------------------ \| \| 1 \| \*\*public int start()\*\* 返回以前匹配的初始索引。 \| \| 2 \| \*\*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 \| \| 3 \| \*\*public int end()\*\* 返回最后匹配字符之后的偏移量。 \| \| 4 \| \*\*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。 \| ## 研究方法 研究方法用来检查输入字符串并返回一个布尔值，表示是否找到该模式： \| \*\*序号\*\* \| \*\*方法及说明\*\* \| \| -------- \| ------------------------------------------------------------ \| \| 1 \| \*\*public boolean lookingAt()\*\* 尝试将从区域开头开始的输入序列与该模式匹配。 \| \| 2 \| \*\*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。 \| \| 3 \| \*\*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。 \| \| 4 \| \*\*public boolean matches()\*\* 尝试将整个区域与模式匹配。 \| ## 替换方法 替换方法是替换输入字符串里文本的方法： \| \*\*序号\*\* \| \*\*方法及说明\*\* \| \| -------- \| ------------------------------------------------------------ \| \| 1 \| \*\*public Matcher appendReplacement(StringBuffer sb, String replacement)\*\* 实现非终端添加和替换步骤。 \| \| 2 \| \*\*public StringBuffer appendTail(StringBuffer sb)\*\* 实现终端添加和替换步骤。 \| \| 3 \| \*\*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。 \| \| 4 \| \*\*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。 \| \| 5 \| \*\*public static String quoteReplacement(String s)\*\* 返回指定字符串的字面替换字符串。这个方法返回一个字符串，就像传递给Matcher类的appendReplacement 方法一个字面字符串一样工作。 \| ## start 和end 方法 下面是一个对单词"cat"出现在输入字符串中出现次数进行计数的例子： \`\`\`java import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "\\\\bcat\\\\b"; private static final String INPUT = "cat cat cat cattie cat"; public static void main( String args\[\] ){ Pattern p = Pattern.compile(REGEX); Matcher m = p.matcher(INPUT); // 获取 matcher 对象 int count = 0; while(m.find()) { count++; System.out.println("Match number "+count); System.out.println("start(): "+m.start()); System.out.println("end(): "+m.end()); } } } \`\`\` 以上实例编译运行结果如下： \`\`\`java Match number 1 start(): 0 end(): 3 Match number 2 start(): 4 end(): 7 Match number 3 start(): 8 end(): 11 Match number 4 start(): 19 end(): 22 \`\`\` 可以看到这个例子是使用单词边界，以确保字母 "c" "a" "t" 并非仅是一个较长的词的子串。它也提供了一些关于输入字符串中匹配发生位置的有用信息。 Start方法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，end方法最后一个匹配字符的索引加1。 ## matches 和lookingAt 方法 matches 和lookingAt 方法都用来尝试匹配一个输入序列模式。它们的不同是matches要求整个序列都匹配，而lookingAt 不要求。 这两个方法经常在输入字符串的开始使用。 我们通过下面这个例子，来解释这个功能： \`\`\`java import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "foo"; private static final String INPUT = "fooooooooooooooooo"; private static Pattern pattern; private static Matcher matcher; public static void main( String args\[\] ){ pattern = Pattern.compile(REGEX); matcher = pattern.matcher(INPUT); System.out.println("Current REGEX is: "+REGEX); System.out.println("Current INPUT is: "+INPUT); System.out.println("lookingAt(): "+matcher.lookingAt()); System.out.println("matches(): "+matcher.matches()); } } \`\`\` 以上实例编译运行结果如下： \`\`\`java Current REGEX is: foo Current INPUT is: fooooooooooooooooo lookingAt(): true matches(): false \`\`\` ## replaceFirst 和replaceAll 方法 replaceFirst 和replaceAll 方法用来替换匹配正则表达式的文本。不同的是，replaceFirst 替换首次匹配，replaceAll 替换所有匹配。 下面的例子来解释这个功能： \`\`\`java import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "dog"; private static String INPUT = "The dog says meow. " + "All dogs say meow."; private static String REPLACE = "cat"; public static void main(String\[\] args) { Pattern p = Pattern.compile(REGEX); // get a matcher object Matcher m = p.matcher(INPUT); INPUT = m.replaceAll(REPLACE); System.out.println(INPUT); } } \`\`\` 以上实例编译运行结果如下： \`\`\`java ▼text 复制代码The cat says meow. All cats say meow. \`\`\` ## appendReplacement 和 appendTail 方法 Matcher 类也提供了appendReplacement 和appendTail 方法用于文本替换： 看下面的例子来解释这个功能： \`\`\`java import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "a\*b"; private static String INPUT = "aabfooaabfooabfoob"; private static String REPLACE = "-"; public static void main(String\[\] args) { Pattern p = Pattern.compile(REGEX); // 获取 matcher 对象 Matcher m = p.matcher(INPUT); StringBuffer sb = new StringBuffer(); while(m.find()){ m.appendReplacement(sb,REPLACE); } m.appendTail(sb); System.out.println(sb.toString()); } } \`\`\` 以上实例编译运行结果如下： \`\`\`java -foo-foo-foo- \`\`\` ## PatternSyntaxException 类的方法 PatternSyntaxException 是一个非强制异常类，它指示一个正则表达式模式中的语法错误。 PatternSyntaxException 类提供了下面的方法来帮助我们查看发生了什么错误。 \| \*\*序号\*\* \| \*\*方法及说明\*\* \| \| -------- \| ------------------------------------------------------------ \| \| 1 \| \*\*public String getDescription()\*\* 获取错误的描述。 \| \| 2 \| \*\*public int getIndex()\*\* 获取错误的索引。 \| \| 3 \| \*\*public String getPattern()\*\* 获取错误的正则表达式模式。 \| \| 4 \| \*\*public String getMessage()\*\* 返回多行字符串，包含语法错误及其索引的描述、错误的正则表达式模式和模式中错误索引的可视化指示。 \|