Java正则表达式

9/6/2015来源:Java教程人气:1317

java正则表达式一、概述

  正则表达式是一串描述一个字符序列的字符,可以用来查找其他字符序列中的匹配项。支持正则表达式处理的是两个类:Pattern和Matcher,使用Pattern定义正则表达式,使用Matcher匹配其他序列中的模式。

二、创建正则表达式

  创建正则表达式就是创建一个特殊的字符串。

  正则表达式的编译表达形式:指定为字符串的正则表达式必须首先被编译为此类的实例,然后将得到的模式用于创建Matcher对象。执行匹配所涉及的所有状态都驻留在匹配器中,多个匹配器可以共享同一模式。

public class Test{    public static void main(String[] args)    {        Pattern pat=Pattern.compile("a*b");        Matcher  mat=pat.matcher("aaaaab");        if(mat.matches())        {            System.out.PRint("匹配");        }    }}

  上述代码等同于

if("aaaaab".matches("a*b"))    {        System.out.print("匹配");    }

  Pattern对象可以多次使用,如果某个正则表达式只需要一次使用,可直接使用Pattern类的静态matches方法。

  正则表达式的构造摘要:

构造匹配
字符
x字符 x
\\反斜线字符
\0n带有八进制值 0 的字符 n (0<=n<=7)
\0nn带有八进制值 0 的字符 nn (0<=n<=7)
\0mnn带有八进制值 0 的字符 mnn(0<=m<=3、0<=n<=7)
\xhh带有十六进制值0x 的字符 hh
\uhhhh带有十六进制值0x 的字符 hhhh
\t制表符 ('\u0009')
\n新行(换行)符 ('\u000A')
\r回车符 ('\u000D')
\f换页符 ('\u000C')
\a报警 (bell) 符 ('\u0007')
\e转义符 ('\u001B')
\cx对应于 x 的控制符
字符类
[abc]abc(简单类)
[^abc]任何字符,除了 abc(否定)
[a-zA-Z]azAZ,两头的字母包括在内(范围)
[a-d[m-p]]admp[a-dm-p](并集)
[a-z&&[def]]def(交集)
[a-z&&[^bc]]az,除了 bc[ad-z](减去)
[a-z&&[^m-p]]az,而非 mp[a-lq-z](减去)
预定义字符类
.任何字符(与行结束符可能匹配也可能不匹配)
\d数字:[0-9]
\D非数字: [^0-9]
\s空白字符:[ \t\n\x0B\f\r]
\S非空白字符:[^\s]
\w单词字符:[a-zA-Z_0-9]
\W非单词字符:[^\w]
边界匹配器
^行的开头
$行的结尾
\b单词边界
\B非单词边界
\A输入的开头
\G上一个匹配的结尾
\Z输入的结尾,仅用于最后的结束符(如果有的话)
\z输入的结尾
Greedy 数量词
X?X,一次或一次也没有
X*X,零次或多次
X+X,一次或多次
X{n}X,恰好 n
X{n,}X,至少 n
X{n,m}X,至少 n 次,但是不超过 m
Reluctant 数量词
X??X,一次或一次也没有
X*?X,零次或多次
X+?X,一次或多次
X{n}?X,恰好 n
X{n,}?X,至少 n
X{n,m}?X,至少 n 次,但是不超过 m
Possessive 数量词
X?+X,一次或一次也没有
X*+X,零次或多次
X++X,一次或多次
X{n}+X,恰好 n
X{n,}+X,至少 n
X{n,m}+X,至少 n 次,但是不超过 m
Logical 运算符
XYX 后跟 Y
X|YXY
(X)X,作为捕获组

  正则表达式支持的数量标识符有如下几种模式:

  Greedy(贪婪模式):默认情况下数量表示符采用贪婪模式,该方式会一直匹配下去直到无法匹配为止。

  Reluctant(勉强模式):用问号后缀(?)表示。它只会匹配最少的字符。

  Possessive(占有模式):用加号后缀(+)表示,一般较少使用。

  eg:

public class RegExp{    public static void main(String[] args)    {        Pattern pat1=Pattern.compile("\\w.*ab");        Pattern pat2=Pattern.compile("\\w.*?ab");        Matcher mat1=pat1.matcher("bbbbab aaab jjjjj is");        Matcher mat2=pat2.matcher("bbbbab aaab jjjjj is");        System.out.println("-----贪婪模式-------");        while(mat1.find())        {            System.out.println(mat1.group());  //贪婪模式下会一直匹配,输出"bbbbab aaab"        }        System.out.println("-----勉强模式-------");        while(mat2.find())        {            System.out.println(mat2.group()); //勉强模式下会最小匹配,输出"bbbbab '换行'  aaab"        }    }}

  输出结果:

  

三、使用正则表达式

  Pattern类没有定义构造函数,是在调用compile()方法时创建模式。

  Matcher类也没有构造函数,而是调用Pattern定义的matches方法时创建一个Matcher,只要创建了Mather就可以使用它的方法执行各种模式匹配操作。

  • matches 方法尝试将整个输入序列与该模式匹配。

  • lookingAt 尝试将输入序列从头开始与该模式匹配。

  • find 方法扫描输入序列以查找与该模式匹配的下一个子序列。

  每个方法都返回一个表示成功或者失败的布尔值。通过查询匹配器的状态可以获取更多关于成功匹配的信息。

  Matcher类提供了很多常用的方法,下面代码简单进行解释其用法:

public class RegExp{    public static void main(String[] args)    {        Pattern pat=Pattern.compile("\\w.*?ab");        Matcher mat=pat.matcher("bbbbab aa isabc");        if(mat.matches())//尝试将整个区域与模式匹配        {            System.out.println("模式匹配");        }        else        {            System.out.println("模式不匹配");        }        mat.reset();//重置匹配器        while(mat.find())  //尝试查找与该模式匹配的输入序列的下一个子序列        {            System.out.println(mat.group());//返回由以前匹配操作所匹配的输入子序列            System.out.println("开始位置:"+mat.start()+"---"+"结束位置:"+mat.end());//start()返回以前匹配的初始索引,end()返回最后匹配字符之后的偏移量        }        mat.reset();        if(mat.lookingAt())//尝试将从区域开头开始的输入序列与该模式匹配        {            System.out.println("模式匹配");        }        else        {            System.out.println("模式不匹配");        }    }}

  运行结果:

  

  此外,还可以利用正则表达式对目标字符串进行分割、查找、替换等操作。

  eg:

public class Test{    public static void main(String[] args)    {        Pattern pat=Pattern.compile("\\w.*?ab");        Matcher mat=pat.matcher("bbbbab aa isabc");        System.out.println(mat.replaceAll("替换后"));//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        System.out.println(mat.replaceFirst("替换后"));// 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        Pattern p=Pattern.compile("[ , . !]");//围绕此模式的匹配拆分给定输入序列        String[] str=p.split("one two,alpha9!done.");//遇到空格、逗号、顿号和感叹号就分割并将结果保存在str字符串数组中        for(int i=0;i<str.length;i++)            System.out.println(str[i]);      }}

打印结果为:

四、正则表达式的简单应用1、打印某页面中出现的所有邮箱地址
public class EmailReg{    public static void main(String[] args)    {        BufferedReader br=null;        try        {            br=new BufferedReader(new FileReader("C:\\Users\\Administrator\\Desktop\\resource2.html"));            String line="";            while((line=br.readLine())!=null)                {                    parse(line);                }        }         catch (FileNotFoundException e)        {                    e.printStackTrace();        }         catch (IOException e)        {            e.printStackTrace();        }        finally        {            if(br!=null)            {                try                {                    br.close();                    br=null;                }                 catch (IOException e)                {                    e.printStackTrace();                }            }        }    }    private static void parse(String line)    {        Pattern pat=Pattern.compile("\\w{3,20}+@\\w+\\.(com|org|cn|net|gov)");        Matcher mat=pat.matcher(line);        while(mat.find())        {            System.out.println(mat.group());        }    }}

2、统计某文件夹的.java文件的代码行数、注释行数、空白行行数
import java.io.BufferedReader;import java.io.File;import java.io.FileNotFoundException;import java.io.FileReader;import java.io.IOException;public class WordCount{     static long wordsNumber=0;     static long emptyNumber=0;     static long zhushiNumber=0;    public static void main(String[] args)    {            File f=new File("D:\\src\\"); //文件夹地址            File[] codeFiles=f.listFiles();            for(File child:codeFiles)            {                if(child.getName().matches(".*\\.java$")) //如果是.java文件,则进行处理                {                    parse(child);//处理单个文件                }            }                System.out.println("注释的行数为:"+zhushiNumber);                System.out.println("空行的行数为:"+emptyNumber);                System.out.println("代码行的行数为:"+wordsNumber);    }    private static void parse(File child)    {            BufferedReader br=null;            boolean comment=false;            String line="";            try            {                br=new BufferedReader(new FileReader(child));                while((line=br.readLine())!=null)                {                    line=line.trim();                    if(line.matches("^[\\s&&[^\\n]]*$"))  //匹配空行                        emptyNumber++;                     else if (line.startsWith("/*") && !line.endsWith("*/"))   //以/*开头,不以*/结尾,表明有多行注释                     {                         zhushiNumber ++;                        comment = true;                        }                      else if (line.startsWith("/*") && line.endsWith("*/")) //以/*开头,并且以*/结尾                     {                        zhushiNumber ++;                    }                      else if (true == comment)                      {                        zhushiNumber ++;                        if(line.endsWith("*/"))                         {                            comment = false;                        }                    }                      else if (line.startsWith("//"))   //以//结尾为注释行                     {                        zhushiNumber ++;                    }                    else                        wordsNumber++;                }            }             catch (IOException e)            {                // TODO 自动生成的 catch 块                e.printStackTrace();            }        }    }

运行结果图:

五、常用表达式总结

  此部分内容为转载,来自:http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html。

1、校验数字的表达式
 1 数字:^[0-9]*$ 2 n位的数字:^\d{n}$ 3 至少n位的数字:^\d{n,}$ 4 m-n位的数字:^\d{m,n}$ 5 零和非零开头的数字:^(0|[1-9][0-9]*)$ 6 非零开头的最多带两位小数的数字:^([1-9][0-9]*)+(.[0-9]{1,2})?$ 7 带1-2位小数的正数或负数:^(\-)?\d+(\.\d{1,2})?$ 8 正数、负数、和小数:^(\-|\+)?\d+(\.\d+)?$ 9 有两位小数的正实数:^[0-9]+(.[0-9]{2})?$10 有1~3位小数的正实数:^[0-9]+(.[0-9]{1,3})?$11 非零的正整数:^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$12 非零的负整数:^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$13 非负整数:^\d+$ 或 ^[1-9]\d*|0$14 非正整数:^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$15 非负浮点数:^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$16 非正浮点数:^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$17 正浮点数:^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$18 负浮点数:^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$19 浮点数:^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
2、校验字符的表达式
 1 汉字:^[\u4e00-\u9fa5]{0,}$ 2 英文和数字:^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$ 3 长度为3-20的所有字符:^.{3,20}$ 4 由26个英文字母组成的字符串:^[A-Za-z]+$ 5 由26个大写英文字母组成的字符串:^[A-Z]+$ 6 由26个小写英文字母组成的字符串:^[a-z]+$ 7 由数字和26个英文字母组成的字符串:^[A-Za-z0-9]+$ 8 由数字、26个英文字母或者下划线组成的字符串:^\w+$ 或 ^\w{3,20}$ 9 中文、英文、数字包括下划线:^[\u4E00-\u9FA5A-Za-z0-9_]+$10 中文、英文、数字但不包括下划线等符号:^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$11 可以输入含有^%&',;=?$\"等字符:[^%&',;=?$\x22]+12 禁止输入含有~的字符:[^~\x22]+
3、特殊需求表达式
 1 Email地址:^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$ 2 域名:[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.? 3 InternetURL:[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ 4 手机号码:^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$ 5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX):^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$  6 国内电话号码(0511-4405222、021-87888822):\d{3}-\d{8}|\d{4}-\d{7} 7 身份证号(15位、18位数字):^\d{15}|\d{18}$ 8 短身份证号码(数字、字母x结尾):^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$ 9 帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线):^[a-zA-Z][a-zA-Z0-9_]{4,15}$10 密码(以字母开头,长度在6~18之间,只能包含字母、数字和下划线):^[a-zA-Z]\w{5,17}$11 强密码(必须包含大小写字母和数字的组合,不能使用特殊字符,长度在8-10之间):^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$  12 日期格式:^\d{4}-\d{1,2}-\d{1,2}13 一年的12个月(01~09和1~12):^(0?[1-9]|1[0-2])$14 一个月的31天(01~09和1~31):^((0?[1-9])|((1|2)[0-9])|30|31)$ 15 钱的输入格式:16    1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000":^[1-9][0-9]*$ 17    2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式:^(0|[1-9][0-9]*)$ 18    3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号:^(0|-?[1-9][0-9]*)$ 19    4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分:^[0-9]+(.[0-9]+)?$ 20    5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的:^[0-9]+(.[0-9]{2})?$ 21    6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样:^[0-9]+(.[0-9]{1,2})?$ 22    7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样:^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$ 23    8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须:^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$ 24    备注:这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里25 xml文件:^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$26 中文字符的正则表达式:[\u4e00-\u9fa5]27 双字节字符:[^\x00-\xff]    (包括汉字在内,可以用来计算字符串的长度(一个双字节字符长度计2,ASCII字符计1))28 空白行的正则表达式:\n\s*\r    (可以用来删除空白行)29 HTML标记的正则表达式:<(\S*?)[^>]*>.*?</\1>|<.*? />    (网上流传的版本太糟糕,上面这个也仅仅能部分,对于复杂的嵌套标记依旧无能为力)30 首尾空白字符的正则表达式:^\s*|\s*$或(^\s*)|(\s*$)    (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式)31 腾讯QQ号:[1-9][0-9]{4,}    (腾讯QQ号从10000开始)32 中国邮政编码:[1-9]\d{5}(?!\d)    (中国邮政编码为6位数字)33 ip地址:\d+\.\d+\.\d+\.\d+    (提取IP地址时有用)34 IP地址:((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))