正文
java正则表达式学习
提示：扫一扫查出行【扫一扫了解最新限行尾号】
复制提示
1.简单认识正则：
public class Test {
public static void main(String[] args) {
//简单认识正则
p("abc".matches("..."));
p("a8729a".replaceAll("\\d", "-"));
}
public static void p(Object o){
System.out.println(o);
}
}
一个.代表一个字母
true
a----a
2.简单认识Pattern和Matcher：
/**
* 比下面一句话的好处：
* 1.Pattern.compile将正则表达式先编译了，速度更快；
* 2.Pattern 和Matcher有更多的方法，是String.matches所没有的；
*/
Pattern p = Pattern.compile("[a-z]{3}");
Matcher m = p.matcher("fgh");
p(m.matches()); p("fgh".matches("[a-z]{3}")); //相当于上面三句话
true
true
解释：
/**
* Pattern：模式，[a-z]{3}的这种模式。
* Matcher：匹配器；[a-z]{3}的这种模式去匹配"fgh"这个字符串；
* 匹配这个字符串的过程之中，要注意有可能产生多个结果，匹配的结果会保留在Matcher对象m里面。
* 这个结果是匹配还是不匹配呢？调用m.matches();
*/
3.初步认识. * + ?
/**
* 初步认识 . * +
* . 任意一个字符
* * 0个或多个
* + 1个或多个
* ? 0个或1个，可有可无。
*/
p("a".matches(".")); //true
p("aa".matches("aa")); //true
p("aaaa".matches("a*")); //true
p("aaaa".matches("a+")); //true
p("".matches("a*")); //true
p("aaaa".matches("a?")); //false
p("".matches("a?")); //true
p("a".matches("a?")); //true
p("214523145234532".matches("\\d{3,100}")); //true
p("192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}")); //false
p("192".matches("[0-2][0-9][0-9]")); //true
解释：
.是一个特殊的字符，用转义字符，所以写\. 可是\在正则表达式里面确实是\，但是在java里面比较特殊，用两个\\。
所以\\.代表.这个字符。
4.范围：
/**
* 范围
* []里面匹配一个字符。中括号里面写的再长，也是匹配一个字符
*/
p("a".matches("[abc]"));
p("a".matches("[^abc]")); //取反，除了abc之外的内容
p("A".matches("[a-zA-Z]")); //大写字母或小写字母
p("A".matches("[a-z]|[A-Z]")); //这种写法和上面写法一样
p("A".matches("[a-z[A-Z]]")); //也是a-z或者A-Z的意思
p("R".matches("[A-Z&&[RFG]]")); //A-Z中的，并且是RFG之一的
true
false
true
true
true
true
5.认识 \s \w \d \
/**
* 认识 \s \w \d \
* \s 空白字符，包含空格，tab、换行、制表符、回车
* \w 构成单词的字符[a-zA-Z_0-9]
* 在java里面字符串\\代表的是一个反斜线\；用正则表达式去匹配一个反斜线\：
* 正则表达式本身要匹配一个反斜线的话，需要用两个反斜线;
* 然后你要用字符串把这个正则表达式表现出来的时候，每一个反斜线都要用两个反斜线替代；
* 在java里面一个反斜线\和后面的字符会合在一起，构成一个转义字符；所以在java里面一个反斜线\必须用两个反斜线来替代;
*/
p(" \n\r\t".matches("\\s{4}"));
p(" ".matches("\\S"));
p("a_8".matches("\\w{3}"));
p("abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+"));
p("\\".matches("\\\\")); //如果写：p("\\".matches("\\"))的话：
//matches("\\")里的\\会被正则表达式认为成它是一个反斜线；
//在正则表达式里面，一个\也会是一个特殊字符，它会和后面的字符合在一起，那第一个双引号"又没有配对的了；
//所以要在正则表达式里，匹配一个\，要写成：\\\\
true
false
true
true
true
解释：
/**
* 怎么用正则表达式匹配一个反斜线呢？
* 在java里面 一个\必须用两个\\来替代。
* 正则表达式本身要匹配一个反斜线，使用\\来匹配的，然后你要用字符串把这个正则表达式表现出来的时候，每一个\都要用两个\\替代；
* 所以要在正则表达式里面匹配一个反斜线，写4个\
*/
6.POSIX Style风格：
//POSIX Style
//参考API \p{Lower} A lower-case alphabetic character: [a-z]
p("a".matches("\\p{Lower}")); //true
6.boundary 边界匹配：
/**
* boundary 边界匹配
* ^ 位于[]外面，代表开头
* \b 一个单词的边界；单词边界：空格、空白字符、各种各样的特殊字符、换行的时候等等，都算单词边界；
*/
p("hello sir".matches("^h.*")); //true
p("hello sir".matches(".*ir$")); //true
p("hello sir".matches("^h[a-z]{1,3}o\\b.*")); //true
p("hellosir".matches("^h[a-z]{1,3}o\\b.*")); //false
7.匹配空白行：
/**
* white lines空白行：
*/
//以空白字符开头的并且不是换行符，紧跟0个或多个，以换行符结尾；
p(" \n".matches("^[\\s&&[^\\n]]*\\n$")); //true
8.匹配Email地址：
/**
* 匹配Email地址的正则表达式
* 构成单词的字符或者是.- 出现1次或多次 @ 单词字符或.- 1次或多次 . 单词字符或.- 1次或多次
* 注意.是元字符代表任意字符，这里表示.要用 \\. 代表
*/
p("asdfasdfsafsf@dsdfsdf.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+")); //true
.写在[ ]里面表示. [.-]表示.或者-
例子：
p("ab4com".matches("[a-z]{2}[.]{1}\\w{3}")); ——false，因为要求两个a-z的字母后面紧接的是. 所以false
9.matches（）、find（）、lookingAt():
/**
* matches find lookingAt
* matches 是否匹配 matches()永远是匹配整个字符串
* m.find(): 找一个和模式相匹配的子串；是找子串，而不是匹配整个字符串；
* 找着一个之后，正则引擎会将找到的子串截掉，然后从剩下的字符串里再找；
* lookingAt(): 每次找，都是从开头位置找；
*/
Pattern p = Pattern.compile("\\d{3,5}");
String s = "123-34345-234-00";
Matcher m = p.matcher(s);
p(m.matches()); //false p(m.find()); //true
p(m.find()); //true
p(m.find()); //false
p(m.find()); //false //上面的结果解释：
//m.matches()运行时，开始分析"123-34345-234-00"，分析到123-发现已经不匹配了，停止，返回false；
//m.find()执行，继续从34345-234-00开始找，find第一个34345返回true；find第二个234返回true，后面两个false
/**
* start():找到的字符串的起始位置；
* end()： 找到的字符串的结束位置；是找到的字符的后面一个位置；
* 必须能够找到，否则打印会报错；
*/
Pattern p = Pattern.compile("\\d{3,5}");
String s = "123-34345-234-00";
Matcher m = p.matcher(s);
p(m.matches()); //false
m.reset();
p(m.find()); //true
p(m.start() + "-" + m.end()); //0-3 p(m.find()); //true
p(m.start() + "-" + m.end()); //4-9 p(m.find()); //true
p(m.start() + "-" + m.end()); //10-13 p(m.find()); //false p(m.lookingAt());
p(m.lookingAt());
p(m.lookingAt());
p(m.lookingAt()); //上面结果解释：
//m.matches()执行，分析到123-发现已经不匹配了，停止，返回false；
//m.reset()执行，m又回到了"123-34345-234-00"的开头位置。从头开始分析(回到初始的状态)；
//m.lookingAt()：每次从开头位置找，每次找到123，就都返回true
10.replacement：
/**
* replacement
* group(): 输出匹配到的子串；整个的正则表达式可以看作组号为0的一个组；
*/
//将下面的字符串中java全都替换成大写的：
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("java Java JAVa JaVa IloveJAVA you hateJava");
p(m.replaceAll("JAVA"));
JAVA JAVA JAVA JAVA IloveJAVA you hateJAVA
//将下面字符串中，找到的java，第奇数个替换成JAVA，第偶数个替换成java
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("java Java JAVa JaVa IloveJAVA you hateJava afasdfasdf");
StringBuffer buf = new StringBuffer();
int count = 0;
while(m.find()){
count++;
if(count%2 == 0){
m.appendReplacement(buf, "java");
}else{
m.appendReplacement(buf, "JAVA");
}
}
m.appendTail(buf);
p(buf);
JAVA java JAVA java IloveJAVA you hatejava afasdfasdf
11.分组：group：
/**
* group 分组
* group(): 返回整个正则表达式所匹配的子串；
*/
Pattern p = Pattern.compile("\\d{3,5}[a-z]{2}");
String s = "123aa-34345bb-234cc-00";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group());
}
123aa
34345bb
234cc
//将上面字符串中，匹配的3-5位的数字拿出来：
//要知道第几组：数左边的小括号，第一个小括号为第1组，第二个小括号为第2组...
Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");
String s = "123aa-34345bb-234cc-00";
Matcher m = p.matcher(s);
while(m.find()){
p(m.group(1));
}
123
34345
234
12.抓取网页Email地址的例子：
package com.cy.regexp; import java.io.BufferedReader;
import java.io.BufferedWriter;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.FileWriter;
import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern; public class EmailSpider { @SuppressWarnings("resource")
public static void main(String[] args) {
try {
BufferedReader br = new BufferedReader(new FileReader("D:\\fromEmail.html"));
BufferedWriter bw = new BufferedWriter(new FileWriter("D:\\findEmail.txt")); String line = "";
while((line = br.readLine()) != null){
writeToFile(line, bw);
}
bw.flush();
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
} public static void writeToFile(String line, BufferedWriter bw) throws IOException{
Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");
Matcher m = p.matcher(line);
while(m.find()){
bw.write(m.group());
bw.newLine();
}
}
}
13.修饰符、限定词：
/**
* qulifiers 修饰符 限定词 在数量后面 加限定词
* Greedy quantifiers 贪婪的；默认的写法都是贪婪的；x? x* x+ x{n} x{n,} x{n,m}都是贪婪的
* Reluctant quantifiers： 勉强的，非贪婪的,和Greedy正好相反：x?? x*? x+? ...
* Possessive quantifiers: 独占的；和贪婪的类似，.{3,10}+，一下吞进去10个字符，不匹配时但是不往外吐,就是找不着;
*/ Pattern p = Pattern.compile(".{3,10}[0-9]");
String s = "aaaa5bbbb6";
Matcher m = p.matcher(s);
if(m.find()){
p(m.start() + "-" + m.end()); //0-10
}else{
p("not match!");
} Pattern p = Pattern.compile(".{3,10}?[0-9]");
String s = "aaaa5bbbb6";
Matcher m = p.matcher(s);
if(m.find()){
p(m.start() + "-" + m.end()); //0-5
}else{
p("not match!");
} Pattern p = Pattern.compile(".{3,10}+[0-9]");
String s = "aaaa5bbbb6";
Matcher m = p.matcher(s);
if(m.find()){
p(m.start() + "-" + m.end());
}else{
p("not match!"); //not match!
} Pattern p = Pattern.compile(".{3,10}+[0-9]");
String s = "aaaa5bbbb68";
Matcher m = p.matcher(s);
if(m.find()){
p(m.start() + "-" + m.end()); //0-11
}else{
p("not match!");
}
14.non-capturing groups 非捕获组：
/**
* non-capturing groups
* 非捕获组： 如果符合这个条件就捕获；如果不符合这个条件就不捕获
*/
//这个正则表达式匹配 3个字母的后面紧跟的是一个a，像这样的才去匹配它；而且这个a不被抓出来
// ?=a 不捕获这个a
//(?=X) X, via zero-width positive lookahead lookahead从头开始看
Pattern p = Pattern.compile(".{3}(?=a)");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //
} //前面是a的，3个字母
Pattern p = Pattern.compile("(?=a).{3}");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //a66
} //(?!a) 前面不是a的，3个字母
Pattern p = Pattern.compile("(?!a).{3}");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //444 66b
} //3个字母, 后面不是a
Pattern p = Pattern.compile(".{3}(?!a)");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //44a 66b
} //3个字母，从后往前数，不能是a
Pattern p = Pattern.compile(".{3}(?<!a)");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //444 a66
} //3个字母，从后往前数，是a, 包含a
Pattern p = Pattern.compile(".{3}(?<=a)");
String s = "444a66b";
Matcher m = p.matcher(s);
while(m.find()) {
p(m.group()); //44a
}
15.back refenrences 向前引用：
/**
* back refenrences
* 向前引用；
* (\\d\\d)匹配两个数字，作为结果；\\1 指的是后面的东西必须和前面第一个group找到的结果一模一样
* 第一个group找到的是12，后面是12，和前面第1个group找到的东西一样, 所以返回true
*/
Pattern p = Pattern.compile("(\\d\\d)\\1");
String s = "1212";
Matcher m = p.matcher(s);
p(m.matches()); //true //第2个group抓到的是2，后面的结果要和第2个group抓到的内容一样
Pattern p = Pattern.compile("(\\d(\\d))\\2");
String s = "122";
Matcher m = p.matcher(s); //true
p(m.matches());
16.flags的简写：
/**
* flags的简写
* DOTALL .可以匹配所有的字符，默认的.是不匹配换行符的；
* CASE_INSENSITIVE 忽略大小写
* API: Case-insensitive matching can also be enabled via the embedded flag expression (?i).
*/
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE); //(?i) 也是非捕获组 跟上面的写法一模一样，上面写法的简写
p("Java".matches("(?i)(java)")); //true
