Java :正则表达式的简单运用

/ 0评 / 0

一、基本概念

 

曾经在知乎上看到某大神的一串代码,当时并不知道这是正则表达式。第一反应是这是代码?!

 

[code lang="Java"]

[\w!#$%&'*+/=?^_`{|}~-]+(?:\.[\w!#$%'*+/=?^_`{|}~-]+)*@(?:[\w](?:[\w-]*[\w])?\.)+[\w](?:[\w-]*[\w])

[/code]

好吧,林子大了什么代码都有,代码多了什么林子都能用。

后来才了解到,这个就是正则表达式。什么是正则表达式呢?

 

符合一定规则的表达式,用于专门操作字符串,用特定的符号来表示一些代码操作,简化复杂操作。

 

虽然概念很简单,但是要写一个完完全全功能强大的正则表达式还是很难的。

这里只介绍正则表达式的简单书写方法和基本规范。

 

二、基本语法

 

1、普通字符

 

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符。这包括所有大写和小写字母、所有数字、所有标点符号和一些其他符号。

 

2、非打印字符

 

非打印字符也可以是正则表达式的组成部分。下表列出了表示非打印字符的转义序列:

 

字符 描述
\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。
\f 匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
\S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t 匹配一个制表符。等价于 \x09 和 \cI。
\v 匹配一个垂直制表符。等价于 \x0b 和 \cK。

 

3、特殊字符

 

所谓特殊字符,就是一些有特殊含义的字符,如上面说的"*.txt"中的*,简单的说就是表示任何字符串的意思。如果要查找文件名中有*的文件,则需要对*进行转义,即在其前加一个\。ls \*.txt。

许多元字符要求在试图匹配它们时特别对待。若要匹配这些特殊字符,必须首先使字符"转义",即,将反斜杠字符 (\) 放在它们前面。下表列出了正则表达式中的特殊字符:

 

特别字符 描述
$ 匹配输入字符串的结尾位置。如果设置了 RegExp 对象的 Multiline 属性,则 $ 也匹配 '\n' 或 '\r'。要匹配 $ 字符本身,请使用 \$。
( ) 标记一个子表达式的开始和结束位置。子表达式可以获取供以后使用。要匹配这些字符,请使用 \( 和 \)。
* 匹配前面的子表达式零次或多次。要匹配 * 字符,请使用 \*。
+ 匹配前面的子表达式一次或多次。要匹配 + 字符,请使用 \+。
. 匹配除换行符 \n之外的任何单字符。要匹配 .,请使用 \。
[ 标记一个中括号表达式的开始。要匹配 [,请使用 \[。
? 匹配前面的子表达式零次或一次,或指明一个非贪婪限定符。要匹配 ? 字符,请使用 \?。
\ 将下一个字符标记为或特殊字符、或原义字符、或向后引用、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 "\",而 '\(' 则匹配 "("。
^ 匹配输入字符串的开始位置,除非在方括号表达式中使用,此时它表示不接受该字符集合。要匹配 ^ 字符本身,请使用 \^。
{ 标记限定符表达式的开始。要匹配 {,请使用 \{。
| 指明两项之间的一个选择。要匹配 |,请使用 \|。

 

4、限定符

 

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。有*或+或?或{n}或{n,}或{n,m}共6种。

 

字符 描述
* 匹配前面的子表达式零次或多次。例如,zo* 能匹配 "z" 以及 "zoo"。* 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如,'zo+' 能匹配 "zo" 以及 "zoo",但不能匹配 "z"。+ 等价于 {1,}。
? 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。? 等价于 {0,1}。
{n} n 是一个非负整数。匹配确定的 n 次。例如,'o{2}' 不能匹配 "Bob" 中的 'o',但是能匹配 "food" 中的两个 o。
{n,} n 是一个非负整数。至少匹配n 次。例如,'o{2,}' 不能匹配 "Bob" 中的 'o',但能匹配 "foooood" 中的所有 o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于 'o*'。
{n,m} m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,"o{1,3}" 将匹配 "fooooood" 中的前三个 o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。

 

 三、运算符优先级

 

正则表达式中的每一个字符都可以称之为运算符,只要是运算符肯定有优先级。而正则表达式从左到右进行计算,并遵循优先级顺序,这与算术表达式非常类似。相同优先级的从左到右进行运算,不同优先级的运算先高后低。

 

下表从最高到最低说明了各种正则表达式运算符的优先级顺序:

运算符 描述
\ 转义符
(), (?:), (?=), [] 圆括号和方括号
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, \任何元字符、任何字符 定位点和序列(即:位置和顺序)
| 替换,"或"操作
字符具有高于替换运算符的优先级,使得"m|food"匹配"m"或"food"。若要匹配"mood"或"food",请使用括号创建子表达式,从而产生"(m|f)ood"。

 

 

 

四、基本方法

介绍了运算符及其优先级,那么下面就简单介绍一下正则表达式的一些常用功能。

1、匹配

 

用规则匹配整个字符串,如果不符合规则立即结束,并返回false。

 

boolean b = String.matches(String regex) ;

 

来看下面这段代码:

 

[code lang="Java"]
/*
* 匹配功能 1、QQ:至少六位,不能以0开头,全部为数字
*
*/
public static void checkDemo(String num) {
// [n-m] n到m之间的数字 \d 数字:[0-9] {n,m} n到m位
String checkRegex = "[1-9]\\d{5,}";
boolean flag = num.matches(checkRegex);
if (flag) {
System.out.println("输入正确!");
} else {
System.out.println("输入错误!");
}
}
[/code]

 

上面的checkRegex中就是一个简单的正则表达式,其中:

 

[1-9] : 这个功能是第一位不能是0,只能从1-9中选择一个数字。

 

\\d  : 首先\d 代表十进制中的任意一个数字,前面加了一个\ 是转义字符。

 

{5,} : 这个意思是最低5位,最高不确定。

 

这就完成了QQ号的基本匹配规则。

 

2、切割

 

根据给定的正则表达式匹配拆分字符串。

 

String [] str = String.split(String regex);

 

先来看下面这段代码:

[code lang="Java"]
/*
* 切割功能 2、给定字符串,将其以叠词切割
*
*/
public static void splitDemo(String oldstr) {
System.out.println("原字符串: " + oldstr);
// . 任意字符 ()封装成组 1组别
String splitRegex = "(.)\\1+";
String[] newstr = oldstr.split(splitRegex);
System.out.print("新字符串: ");
// 遍历数组
for (String s : newstr) {
System.out.print(" " + s);
}
}

[/code]

 

上面的代码功能是按照叠词对给定字符串进行切割,那么肯定需要重复使用一个规则。

 

对于一个规则需要重复使用,可以对这个规则封装成组:(regex) , 组的出现都会有标号,标号从1开始。

 

需要使用已有的组通过\n的形式来获取,其中n是组的标号。

 

所以上面的splitRegex的功能是:

 

(.) :  “ . ” 代表任意字符,把任意字符封装成组。

 

\\1 : 表示使用标号为1的组。

 

+ : 表示前面的字符要使用一次或者多次。

 

这样在给定字符串中,匹配到了连续相同字符,就能封装成组,并使用这个组对字符串进行切割。

 

注意:如果遇到嵌套组,那么组的标号看括号就可以了,标号从左往右一次标号。

 

3、替换

 

使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。

String str = String.replaceAll(String regex,String replacement);

先来看下面这段代码:

 

[code lang="Java"]
/*
* 替换功能 3、将叠词中的多个字符替换成单个字符
*
*/
public static void replaceDemo(String oldstr) {
System.out.println("原字符串: " + oldstr);
String replaceRegex = "(.)\\1+";
// 取组中的字符为:$n,n为组的标号,替换为组中的字符
String newstr = oldstr.replaceAll(replaceRegex, "$1");
System.out.print("新字符串: " + newstr);
}
[/code]

 

上面这段代码是将字符串中的叠词换成单个字符。同样的,可以将叠词封装成组,然后取组中的字符:$n , n是组的标号。

 

代码中的replaceRegex的功能跟第二个是一样的,但是在替换过程中,我们取出第一组中的字符进行替换。这样就能将叠词中的多个字符换成单个字符。

 

 

4、获取

 

将字符串中的符合规则的子串取出
步骤:

①将正则表达式封装成对象 : Pattern p = Pattern.compile(regex);
②让正则对象和要操作的字符串相关联 : Matcher m = p.matcher(str) ;
③关联后获取正则匹配引擎 : m.matches();
④通过引擎对符合规则的子串进行取出等操作。

 

来看下面这段代码:

 

[code lang="Java"]
/*
* 获取功能 4、取出一句话中只有三个字符的子串
*
*/

public static void getDemo(String str) {
String getRegex = "\\b[a-z]{3}\\b";
//封装对象
Pattern p = Pattern.compile(getRegex);
//让正则对象和要操作的字符串想相关联
Matcher m = p.matcher(str);
//再循环找到
while(m.find()){
//找到后取出
System.out.print(m.group()+" ");
}
}
[/code]

代码中的getRegex的规则如下:

\\b : 单词分界符,表示为一个空格界限。

[a-z] : 表示从a到z这么多的字符。

{3} : 表示这个字符有三个。

这样的规则可以成功取出字符串中,有三个字符的单词。然后将正则表达式的结果封装成对象,并让正则对象和要操作的字符串相关联,然后循环去找,找到后取出。

 

 

五、注意事项

 

1、正则表达式中的 “  \  ” 一定是成对出现。因为必须要转义。

 

2、正则表达式中原本已经定义的特殊符号,一定要“ \\ ”转义。

 

3、如何判断使用正则表达式的哪一种方法?

 

①如果只想知道该字符串是对是错,用匹配。
②如果想要将已有的字符串编程另外一个字符串,用替换。
③如果想要按照自定的方式将字符串变成多个字符串,用切割。
④如果想要拿到符合需求的字符串子串,用获取。

 

 

项目源码:

https://github.com/IamXiaRui/JavaSE_Demo_Threads/tree/master/xr_java_threads/src/xr_threads_regex

 

 

参考资料:

http://www.runoob.com/regexp/regexp-syntax.html

发表评论

电子邮件地址不会被公开。 必填项已用*标注