- 正则表达式
- 基本语法
- 二个常用类
- 元字符
- 应用实例
- 实现不区分大小写
- 贪婪匹配、非贪婪匹配（懒惰匹配）
- 常用元字符练习
- 获取汉字
- 获取邮政编码：要求是1-9开头的六位数
- QQ号码：要求1-9开头的一个（5位数-10位数）
- 手机号码：以13、14、15、18开头的11位数
- URL：匹配一个URL网址，可以带端口及不带端口
- 按照如下电子邮件规则编写正则表达式
- 要求匹配到整数或者小数，要求考虑正数及负数
- 对一个url进行解析
- 非捕获分组练习
- 获取Windows10和Windows11中的Windows，不包括Windows12、Windows2018中的Windows
- 获取不包括Windows10和Windows11中的Windows，其他的都要，例如Windows12、Windows2018中的Windows
- 反向引用练习（注意与捕获分组使用）
- 实现匹配1221、2332、4554之类的数字
- 要求满足前面是一个五位数，加一个-号，后续是一个九位数，每3位要相同
- 解决结巴语句，例如：今今…,,天也是…个好..好好好….日日子转换为 今天是个好日子
正则表达式
基本语法
public class RegExpTest {
public static void main(String[] args) {
// 1. 定义一个模板（正则表达式），示例中的正则表达式：表示匹配4个相连的数字
String regex = "(\\d\\d)(\\d\\d)";
Pattern pattern = Pattern.compile(regex);
// 2. 创建需要被匹配的内容
String content = "2022年，今天风和日丽，并且天气也不错1011，你喜欢5410的风景吗？";
// 3. 获取到一个匹配器
Matcher matcher = pattern.matcher(content);
// 4. 循环获取内容，在正则表达式中，每2个小括号，代表一组，示例中有2组
while (matcher.find()) {
String result = matcher.group(0);
System.out.println(result);
}
}
}
源码解析(基于上述代码)
Matcher.find()方法
// 4.1 Matcher.find()方法，若是匹配到了内容，则返回true，否则返回false，每2个小括号，代表一组，示例中有2组
// 接下来将会分析匹配到第一个字符串时，源码中所进行的操作，之后的以此类推。
// 4.1.1 该方法会将匹配字符串的第一个元素的索引赋值给Matcher.groups[0]
// 例如第一次匹配到2022，其中第一个元素的索引为0，那么就赋值为0
// 4.1.2 将匹配到的第一个字符串的最后一个元素的索引+1赋值给Matcher.groups[1]
// 例如第一次匹配到2022，最后一个元素的索引为3，那么就赋值为4
// 4.1.3 将匹配字符串中的”第一组分组“的第一个元素的索引赋值给Matcher.groups[2]
// 例如匹配到的字符串为2022，第一组为20，其中第一个元素的索引为0，因此赋值0
// 4.1.4 将匹配字符串中的”第一组分组“的最后一个元素的索引 + 1赋值给Matcher.groups[3]
// 例如匹配到的字符串为2022，第一组为20，其中最后一个元素的索引为1，因此赋值 1 + 1 = 2
// 4.1.5 将匹配字符串中的”第二组分组“的第一个元素的索引赋值给Matcher.groups[4]
// 例如匹配到的字符串为2022，第二组为22，其中第一个元素的索引为2，因此赋值2
// 4.1.6 将匹配字符串中的”第二组分组“的最后一个元素的索引赋值给Matcher.groups[5]
// 例如匹配到的字符串为2022，第二组为22，其中最后一个元素的索引为3，因此赋值 3 + 1 = 4
Matcher.group(int group)方法
// 5. 使用Matcher.group()方法来获取匹配到的字符串数据
// 接下来将基于第一次匹配到字符串2022时进行分析
// 5.1 当输入group(0)时，执行到getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString()
//5.1.1 这个getSubSequence方法相当于substring方法，用于截取传递的content的数据
//5.1.2 因此当传入0时，groups[group * 2] 相当于 0 * 2 = groups[0] = 0，
// groups[group * 2 + 1] 相当于 0 * 2 + 1 = groups[1] = 4.
// 而substring方法又是包含头而不包含尾的，content.substring(0, 4)，就能取出2022了呗
// 5.2.3 因此当传入1时，groups[group * 2] 相当于 1 * 2 = groups[2] = 0，
// groups[group * 2 + 1] 相当于 1 * 2 + 1 = groups[3] = 2.
// 就相当于content.substring(0, 2)，就能取出第一组：20，接下来的就以此类推了
// 5.2 结论
// group(0) 取出的是匹配的字符串
// group(1) 取出的是第匹配到的字符串的第一组子串
// group(2) 取出的是第匹配到的字符串的第二组子串
/* 源码如下：
if (first < 0)
throw new IllegalStateException("No match found");
if (group < 0 || group > groupCount())
throw new IndexOutOfBoundsException("No group " + group);
if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
return null;
return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
*/
二个常用类
Pattern(相当于一个正则表达式)
Pattern.compile()方法
// 1. 定义一个模板（正则表达式），示例中的正则表达式：表示匹配4个相连的数字
String regex = "(\\d\\d)(\\d\\d)";
Pattern pattern = Pattern.compile(regex);
Pattern.matches()方法
public class RegExp01 {
public static void main(String[] args) {
// 1. 创建一个字符串
String content = "abc abcde abcdefg";
// 2. 定义一个正则表达式
// String regExp = "abc";
String regExp = "abc.*"; // 这个可以匹配整个字符串，所以Pattern.matches(regExp, content);为true
// 3. 进行正则表达式与字符串的整体匹配，也就是看正则表达式能够匹配完一整个字符串。
boolean matches = Pattern.matches(regExp, content);
// 4. 执行输出结果，这里为true
System.out.println("是否完整匹配整个字符串：" + matches);
}
}
Matcher（匹配）
// 2. 创建需要被匹配的内容
String content = "2022年，今天风和日丽，并且天气也不错1011，你喜欢5410的风景吗？";
// 3. 获取到一个匹配器
Matcher matcher = pattern.matcher(content);
元字符
JAVA中的转义字符以及需要转义的字符
- JAVA中的转义字符为两个反斜杠： “\”
- 需要转义的字符如下
- 所有的括号，包括小括号、中括号、大括号： “() [] {}”
- 所有的斜杠，包括正斜杠、反斜杠：”/ “
- 所有的限定符，包括点、问号、加号、大括号（重复）：”. ? + {}”
- 还有一个美元符号跟一个异或符号： “$ ^”
字符匹配符
字符匹配符 作用 正则示例 匹配结果示例 [ ] 可接收的字符列表 “[qwtg]”：表示匹配qwtg中任意的一个字符 q、w、t、g [^ ] 不接收的字符列表 “[^qwtg]”：表示匹配除了qwtg以外的任意字符 a、e、y、d [-] 连字符、可以写[a-z]、[A-Z]、[1-9] “[A-Z]”：表示匹配大写字母A-Z中的任意一个字符 A、B、C、D、Z . 匹配除了\n以外的任意字符 “a..b”：匹配a开头，中间匹配2个除了\n的任意字符，b结尾 abcb、a%&b、a68b \d 匹配数字，等价于[1-9] “\d”：表示匹配任意一个数字 8、9、5、1、2 \D 匹配非数字，等价于[^1-9] “\D”：表示匹配任意一个非数字 U、d、@、$、{ \w 匹配字母数字下划线，等价于[a-zA-Z_] “\w”：表示匹配一个字母或数字或下划线 a、b、e、a、6、1、 \W 匹配非字母数字下划线，等价于[^a-zA-Z] “\W”：表示匹配一个非字母或数字或下划线 !、#、@、%、(、*、/、-
[]字符匹配符的细节
- 在[]中写的任何特殊符号，例如：.?*+=都相当于直接匹配对应的符号（可以理解为放进去就已经转义了）
选择匹配符
选择匹配符 作用 正则示例 匹配结果示例 | 表示可以匹配多个表达式、相当于或 “ab|bc|cd” : 表示可以匹配ab或者bc或者cd ab、bc、cd
限定符
限定符 作用 正则示例 匹配结果示例 ? 表示匹配0个或者1个 “\d[abc]?”：表示匹配一个数字开头、而后可以跟abc中的任意一个字母，也可以不跟 1a、3b、5c、1、5 + 表示匹配1个或多个 “\d[795]+”：表示匹配一个数字开头、而后至少由一个数字7、9、5任意组合的字符串 17、175、395、5957759 * 表示匹配0个或多个 “\w[1-9]*”：表示匹配一个字母或数字、下划线开头，而后跟0个或者人一个1~9之间的字符 z12、w98、s125468 {n} 其中的n代表数量、限定匹配多少个字符 “\d{3}”：匹配连续3个数字 159、512、202、894 {n,} 表示匹配的字符最少为n个，没有最多的限制 “\d{2,}”：匹配最少2个数字或者更多 10、14、6661、23421、2341234、124 {n,m} 表示匹配的字符最少为n个，最多为m个 “\d{2,4}”：匹配最少2个数字，最多4个数字 19、98、559、5598、1125、558
定位符
定位符 作用 正则示例 匹配结果示例 ^ 匹配字符串的开头 “^\d[a-z]{2}”：表示匹配一个数字开头（整个字符串），2个字母结尾 例如1ab13这个字符串能够呗匹配到，但是d1ab这个字符串匹配不到 $ 匹配字符串的结尾 “\d[a-z]{2}$”：表示匹配一个数字开头，2个字母结尾（字符串结尾） 例如1ab这个字符串能够呗匹配到，但是2abc这个字符串匹配不到 \b 匹配字符串的边界 “abc\b”：表示匹配字符串边界的abc，例如一个字符串”abc adsabc asdfabcd abcsw” 可以匹配到2个abc \B 匹配字符串的非边界（反过来） “abc\B”：表示匹配字符串非边界的abc，例如一个字符串”babc adsabc asdfabcd abcsw” 只能匹配到最后一个子串abcsw中的一个abc
分组组合和反向引用符（配合使用）
捕获分组、非捕获分组、反向引用
捕获分组
捕获分组构造形式 作用 正则示例 匹配结果示例 (pattern) 分组捕获 “(\d\d)(\d\d)”：匹配4个数字，分成了2组 可以group(1)和group(2)取出第一组和第二组的字符串 (?
非捕获分组
非捕获分组构造形式 作用 正则示例 匹配结果示例 (?:pattern) 匹配但不捕获该分组，也就是调用group()方法时无法取出该分组 “快乐(?: 水|果|花)”：不会将(?: pattern)中的表达式放入group()分组中 快乐水、快乐果、快乐花 (?=pattern) 非捕获匹配 “Windows(?=2022|2021)” 可以匹配到”Windwos2022″或”Windwos2021″中的”Windows” (?!pattern) 与上一个相反 “Windows(?=2022|2021)” 可以匹配到”Windwos2014″或”Windwos98″中的”Windows”，但就是匹配不到”Windwos2022″或”Windows2021″中的”Windwos”
反向引用（内部、外部）
我们先来看一个需求：需要匹配一串连续的4个数字，并且保证第一位数字与第四位数字相同，第二位数字与第三位数字相同。例如：1001、8448、4554
- 反向引用的语法：
- 在正则表达式内部使用时候只需要 ” \group“,这里的group表示引用 第几组
- 在正则表达式外部时使用” $group“，例如matcher.replaceAll()方法4
- 第几组是根据正则表达式中的捕获分组来决定的，第一个括号是第一组，以此类推
- 具体的使用将会在应用实例中演示
应用实例
实现不区分大小写
如下正则表达式：
- “abc” ：表示匹配abc，区分大小写
- “(?i)abc”： 表示匹配abc，不区分大小写
- “ab(?i)c”： 表示匹配时，c不区分大小写
- “a((?i)b)c”：表示匹配时，b不区分大小写
贪婪匹配、非贪婪匹配（懒惰匹配）
- 如果想要实现非贪婪匹配，需要在限定符后添加一个”?”也就是问号。
- 例如有一个字符串”aaa”，正则表达式为：”a+”，此时默认为贪婪匹配，因此只有一个结果：”aaa”
- 例如有一个字符串”aaa”，正则表达式为：”a+?”，此时为非贪婪匹配，因此可以匹配到3个结果：”a”、”a”、”a”
常用元字符练习
获取汉字
public class RegExp02 {
public static void main(String[] args) {
String content = "今天 你 没想到 吧";
// 正则表达式
String regExp = "[\\u4e00-\\u9fa5]+";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
获取邮政编码：要求是1-9开头的六位数
public class RegExp02 {
public static void main(String[] args) {
String content = "15812 595125 951236 015487 6514 25654 00154";
// 正则表达式
String regExp = "[1-9]\\d{5}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
QQ号码：要求1-9开头的一个（5位数-10位数）
public class RegExp02 {
public static void main(String[] args) {
String content = "2571986664aaf257198666dsf25719#$!02121/*-abcadsf";
// 正则表达式
String regExp = "[1-9]\\d{4,9}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
手机号码：以13、14、15、18开头的11位数
public class RegExp02 {
public static void main(String[] args) {
String content = "15277303777a2134a1427730377734098asdf1527730377adf";
// 正则表达式
String regExp = "1[3|4|5|8]\\d{9}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 记录找到了多少组
int count = 0;
while (matcher.find()) {
System.out.println("找到了，这是第" + ++count + "组：" + matcher.group(0));
}
}
}
URL：匹配一个URL网址，可以带端口及不带端口
public class RegExp02 {
public static void main(String[] args) {
// String content = "https://vip.iqiyi.com/cps_pc.html?a=b&b=c";
String content = "https://vip.iqiyi.com:3918/cps_pc.html?a=b&b=c";
// 正则表达式
String regExp = "^(http|https)://([\\w+.]+)(:\\d+)?/[\\w.]+\\??[\\S]*$";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到了：" + matcher.group(0));
}
}
}
按照如下电子邮件规则编写正则表达式
- 只能有一个@
- @前面是用户名，可以是a-z A-Z 0-9 _ – 等字符
- @后面是域名，域名只能是英文字母，比如sohu.com或baidu.org.cn
public class RegExp02 {
public static void main(String[] args) {
String content = "codeStars@163.com.cn";
// 正则表达式
String regExp = "^[\\w-]+@[a-zA-Z0-9.]*[a-zA-Z0-9]+$";
if (content.matches(regExp)) {
System.out.println("匹配成功");
}else {
System.out.println("匹配失败");
}
}
}
要求匹配到整数或者小数，要求考虑正数及负数
public class RegExp02 {
public static void main(String[] args) {
// 需要限制00.45、-00.45之类的错误输入格式
// 123 -345 34.89 -87.9 -0.01 0.45 -00.45
String content = "-0.01";
// 正则表达式
String regExp = "^[+-]?([\\d+|0?])\\.?\\d+$";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
对一个url进行解析
- 获取到协议： http或https
- 域名是什么？
- 端口是什么？
- 文件名是什么？
public class RegExp02 {
public static void main(String[] args) {
String content = "https://mail.163.com:8080/register/success.htm";
// 正则表达式思路
// 1. 先获取到协议(http|https)，以及增加固定的分隔符 ://
// 2. 获取域名([\\w.]+)
// 3. 获取端口([:\\d]+)
// 4. 过滤不需要捕获的内容(?:[\\w]+/)+
// 5. 获取文件名 ([\\w.]+)
String regExp = "(http|https)://([\\w.]+)([:\\d]+)(?:[\\w]+/)+([\\w.]+)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("协议为：" + matcher.group(1));
System.out.println("域名为：" + matcher.group(2));
System.out.println("端口为：" + matcher.group(3));
System.out.println("资源名称为：" + matcher.group(4));
}
}
}
非捕获分组练习
获取Windows10和Windows11中的Windows，不包括Windows12、Windows2018中的Windows
public class RegExp02 {
public static void main(String[] args) {
String content = "Windows2211 Windows10 Windows11 Windows12 Windows2018";
// 正则表达式 获取Windows10和Windows11中的Windows，不包括Windows12、Windows2018中的Windows
String regExp = "Windows(?=10|11)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
System.out.println("索引开始位置为：" + matcher.start());
System.out.println("索引结束位置为：" + (matcher.end() - 1));
}
}
}
获取不包括Windows10和Windows11中的Windows，其他的都要，例如Windows12、Windows2018中的Windows
public class RegExp02 {
public static void main(String[] args) {
String content = "Windows2211 Windows10 Windows11 Windows12 Windows2018";
// 正则表达式 获取不包括Windows10和Windows11中的Windows，其他的都要，例如Windows12、Windows2018中的Windows
String regExp = "Windows(?!10|11)";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
System.out.println("索引开始位置为：" + matcher.start());
System.out.println("索引结束位置为：" + (matcher.end() - 1));
}
}
}
反向引用练习（注意与捕获分组使用）
实现匹配1221、2332、4554之类的数字
public class RegExp02 {
public static void main(String[] args) {
String content = "4554 2662 1234 8448 9119 1331 5897 2222";
// 正则表达式
String regExp = "(\\d)(\\d)\\2\\1";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
要求满足前面是一个五位数，加一个-号，后续是一个九位数，每3位要相同
例如：13541-555222111、59511-666333444
public class RegExp02 {
public static void main(String[] args) {
String content = "13541-555222111、59511-666333444、12465-123456789";
// 正则表达式
String regExp = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到：" + matcher.group(0));
}
}
}
解决结巴语句，例如：今今…,,天也是…个好..好好好….日日子转换为 今天是个好日子
public class RegExp02 {
public static void main(String[] args) {
String content = "今今...,,天也是...个好..好好好....日日子";
// 正则表达式
// 思路
// 1. 先将所有其他的特殊符号去除掉，由于该字符串中只有. 和 , 所以只放了2个
String regExp = "[.,\\s]+";
Pattern pattern = Pattern.compile(regExp);
Matcher matcher = pattern.matcher(content);
// 1.1 将找到的特殊符号都替换成空字符串，该行执行后content就变成了：今今天也是个好好好好日日子
content = matcher.replaceAll("");
// 编写正则表达式，匹配一个非空字符而后必须有1个或多个与其一样的字符
regExp = "(\\S)\\1+";
// 2. 重新创建Pattern和Matcher
pattern = Pattern.compile(regExp);
matcher = pattern.matcher(content);
// 3. 使用replaceAll方法来替换掉，需要使用到外部引用$
// 上面编写的正则表达式会找到3个字符串，分别为：今今、好好好好、日日
// 底层会循环的调用find()方法，相当于找到一个字符串，就用其第一组的内容替换整个字符串，以此类推就能全部替换
String newContent = matcher.replaceAll("$1");
System.out.println(newContent); // 输出结果：今天也是个好日子
}
}
Original: https://www.cnblogs.com/itdqx/p/16540714.html
Author: code_Stars
Title: JAVA入门基础_从零开始的培训_JAVA中的正则表达式、处理文本的利器（五）
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/594032/
转载文章受原作者版权保护。转载请注明原作者出处！