Java 正則表示式
Java 正則表示式
正則表示式定義了字串的模式。
正則表示式可以用來搜尋、編輯或處理文字。
正則表示式並不僅限於某一種語言,但是在每種語言中有細微的差別。
正則表示式例項
一個字串其實就是一個簡單的正則表示式,例如 Hello World 正則表示式匹配 "Hello World" 字串。
.(點號)也是一個正則表示式,它匹配任何一個字元如:"a" 或 "1"。
下表列出了一些正則表示式的例項及描述:
正則表示式 | 描述 |
---|---|
this is text |
匹配字串 "this is text" |
this\s+is\s+text |
注意字串中的 \s+。 匹配單詞 "this" 後面的 \s+ 可以匹配多個空格,之後匹配 is 字串,再之後 \s+ 匹配多個空格然後再跟上 text 字串。 可以匹配這個例項:this is text |
^\d+(\.\d+)? |
^ 定義了以什麼開始 \d+ 匹配一個或多個數字 ? 設定括號內的選項是可選的 \. 匹配 "." 可以匹配的例項:"5", "1.5" 和 "2.21"。 |
Java 正則表示式和 Perl 的是最為相似的。
java.util.regex 包主要包括以下三個類:
-
Pattern 類:
pattern 物件是一個正則表示式的編譯表示。Pattern 類沒有公共構造方法。要建立一個 Pattern 物件,你必須首先呼叫其公共靜態編譯方法,它返回一個 Pattern 物件。該方法接受一個正則表示式作為它的第一個引數。
-
Matcher 類:
Matcher 物件是對輸入字串進行解釋和匹配操作的引擎。與Pattern 類一樣,Matcher 也沒有公共構造方法。你需要呼叫 Pattern 物件的 matcher 方法來獲得一個 Matcher 物件。
-
PatternSyntaxException:
PatternSyntaxException 是一個非強制異常類,它表示一個正則表示式模式中的語法錯誤。
以下例項中使用了正則表示式 .*itread01.* 用於查詢字串中是否包了 itread01 子串:
例項
例項輸出結果為:
捕獲組
捕獲組是把多個字元當一個單獨單元進行處理的方法,它通過對括號內的字元分組來建立。
例如,正則表示式 (dog) 建立了單一分組,組裡包含"d","o",和"g"。
捕獲組是通過從左至右計算其開括號來編號。例如,在表示式((A)(B(C))),有四個這樣的組:
- ((A)(B(C)))
- (A)
- (B(C))
- (C)
可以通過呼叫 matcher 物件的 groupCount 方法來查看錶達式有多少個分組。groupCount 方法返回一個 int 值,表示matcher物件當前有多個捕獲組。
還有一個特殊的組(group(0)),它總是代表整個表示式。該組不包括在 groupCount 的返回值中。
例項
下面的例子說明如何從一個給定的字串中找到數字串:
RegexMatches.java 檔案程式碼:
以上例項編譯執行結果如下:
Found value: This order was placed for QT3000! OK? Found value: This order was placed for QT Found value: 3000 Found value: ! OK?
正則表示式語法
在其他語言中,\\ 表示:我想要在正則表示式中插入一個普通的(字面上的)反斜槓,請不要給它任何特殊的意義。
在 Java 中,\\ 表示:我要插入一個正則表示式的反斜線,所以其後的字元具有特殊的意義。
所以,在其他的語言中(如Perl),一個反斜槓 \ 就足以具有轉義的作用,而在 Java 中正則表示式中則需要有兩個反斜槓才能被解析為其他語言中的轉義作用。也可以簡單的理解在 Java 的正則表示式中,兩個 \\ 代表其他語言中的一個 \,這也就是為什麼表示一位數字的正則表示式是 \\d,而表示一個普通的反斜槓是 \\\\。
字元 | 說明 |
---|---|
\ | 將下一字元標記為特殊字元、文字、反向引用或八進位制轉義符。例如,"n"匹配字元"n"。"\n"匹配換行符。序列"\\\\"匹配"\\","\\("匹配"("。 |
^ | 匹配輸入字串開始的位置。如果設定了 RegExp 物件的 Multiline 屬性,^ 還會與"\n"或"\r"之後的位置匹配。 |
$ | 匹配輸入字串結尾的位置。如果設定了 RegExp 物件的 Multiline 屬性,$ 還會與"\n"或"\r"之前的位置匹配。 |
* | 零次或多次匹配前面的字元或子表示式。例如,zo* 匹配"z"和"zoo"。* 等效於 {0,}。 |
+ | 一次或多次匹配前面的字元或子表示式。例如,"zo+"與"zo"和"zoo"匹配,但與"z"不匹配。+ 等效於 {1,}。 |
? | 零次或一次匹配前面的字元或子表示式。例如,"do(es)?"匹配"do"或"does"中的"do"。? 等效於 {0,1}。 |
{n} | n 是非負整數。正好匹配 n 次。例如,"o{2}"與"Bob"中的"o"不匹配,但與"food"中的兩個"o"匹配。 |
{n,} | n 是非負整數。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,}"等效於"o+"。"o{0,}"等效於"o*"。 |
{n,m} | m 和 n 是非負整數,其中 n <= m。匹配至少 n 次,至多 m 次。例如,"o{1,3}"匹配"fooooood"中的頭三個 o。'o{0,1}' 等效於 'o?'。注意:您不能將空格插入逗號和數字之間。 |
? | 當此字元緊隨任何其他限定符(*、+、?、{n}、{n,}、{n,m})之後時,匹配模式是"非貪心的"。"非貪心的"模式匹配搜尋到的、儘可能短的字串,而預設的"貪心的"模式匹配搜尋到的、儘可能長的字串。例如,在字串"oooo"中,"o+?"只匹配單個"o",而"o+"匹配所有"o"。 |
. | 匹配除"\r\n"之外的任何單個字元。若要匹配包括"\r\n"在內的任意字元,請使用諸如"[\s\S]"之類的模式。 |
(pattern) | 匹配 pattern 並捕獲該匹配的子表示式。可以使用 $0…$9 屬性從結果"匹配"集合中檢索捕獲的匹配。若要匹配括號字元 ( ),請使用"\("或者"\)"。 |
(?:pattern) | 匹配 pattern 但不捕獲該匹配的子表示式,即它是一個非捕獲匹配,不儲存供以後使用的匹配。這對於用"or"字元 (|) 組合模式部件的情況很有用。例如,'industr(?:y|ies) 是比 'industry|industries' 更經濟的表示式。 |
(?=pattern) | 執行正向預測先行搜尋的子表示式,該表示式匹配處於匹配 pattern 的字串的起始點的字串。它是一個非捕獲匹配,即不能捕獲供以後使用的匹配。例如,'Windows (?=95|98|NT|2000)' 匹配"Windows 2000"中的"Windows",但不匹配"Windows 3.1"中的"Windows"。預測先行不佔用字元,即發生匹配後,下一匹配的搜尋緊隨上一匹配之後,而不是在組成預測先行的字元後。 |
(?!pattern) | 執行反向預測先行搜尋的子表示式,該表示式匹配不處於匹配 pattern 的字串的起始點的搜尋字串。它是一個非捕獲匹配,即不能捕獲供以後使用的匹配。例如,'Windows (?!95|98|NT|2000)' 匹配"Windows 3.1"中的 "Windows",但不匹配"Windows 2000"中的"Windows"。預測先行不佔用字元,即發生匹配後,下一匹配的搜尋緊隨上一匹配之後,而不是在組成預測先行的字元後。 |
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。匹配包含的任一字元。例如,"[abc]"匹配"plain"中的"a"。 |
[^xyz] | 反向字符集。匹配未包含的任何字元。例如,"[^abc]"匹配"plain"中"p","l","i","n"。 |
[a-z] | 字元範圍。匹配指定範圍內的任何字元。例如,"[a-z]"匹配"a"到"z"範圍內的任何小寫字母。 |
[^a-z] | 反向範圍字元。匹配不在指定的範圍內的任何字元。例如,"[^a-z]"匹配任何不在"a"到"z"範圍內的任何字元。 |
\b | 匹配一個字邊界,即字與空格間的位置。例如,"er\b"匹配"never"中的"er",但不匹配"verb"中的"er"。 |
\B | 非字邊界匹配。"er\B"匹配"verb"中的"er",但不匹配"never"中的"er"。 |
\cx | 匹配 x 指示的控制字元。例如,\cM 匹配 Control-M 或回車符。x 的值必須在 A-Z 或 a-z 之間。如果不是這樣,則假定 c 就是"c"字元本身。 |
\d | 數字字元匹配。等效於 [0-9]。 |
\D | 非數字字元匹配。等效於 [^0-9]。 |
\f | 換頁符匹配。等效於 \x0c 和 \cL。 |
\n | 換行符匹配。等效於 \x0a 和 \cJ。 |
\r | 匹配一個回車符。等效於 \x0d 和 \cM。 |
\s | 匹配任何空白字元,包括空格、製表符、換頁符等。與 [ \f\n\r\t\v] 等效。 |
\S | 匹配任何非空白字元。與 [^ \f\n\r\t\v] 等效。 |
\t | 製表符匹配。與 \x09 和 \cI 等效。 |
\v | 垂直製表符匹配。與 \x0b 和 \cK 等效。 |
\w | 匹配任何字類字元,包括下劃線。與"[A-Za-z0-9_]"等效。 |
\W | 與任何非單詞字元匹配。與"[^A-Za-z0-9_]"等效。 |
\xn | 匹配 n,此處的 n 是一個十六進位制轉義碼。十六進位制轉義碼必須正好是兩位數長。例如,"\x41"匹配"A"。"\x041"與"\x04"&"1"等效。允許在正則表示式中使用 ASCII 程式碼。 |
\num | 匹配 num,此處的 num 是一個正整數。到捕獲匹配的反向引用。例如,"(.)\1"匹配兩個連續的相同字元。 |
\n | 標識一個八進位制轉義碼或反向引用。如果 \n 前面至少有 n 個捕獲子表示式,那麼 n 是反向引用。否則,如果 n 是八進位制數 (0-7),那麼 n 是八進位制轉義碼。 |
\nm | 標識一個八進位制轉義碼或反向引用。如果 \nm 前面至少有 nm 個捕獲子表示式,那麼 nm 是反向引用。如果 \nm 前面至少有 n 個捕獲,則 n 是反向引用,後面跟有字元 m。如果兩種前面的情況都不存在,則 \nm 匹配八進位制值 nm,其中 n 和 m 是八進位制數字 (0-7)。 |
\nml | 當 n 是八進位制數 (0-3),m 和 l 是八進位制數 (0-7) 時,匹配八進位制轉義碼 nml。 |
\un | 匹配 n,其中 n 是以四位十六進位制數表示的 Unicode 字元。例如,\u00A9 匹配版權符號 (?)。 |
根據 Java Language Specification 的要求,Java 原始碼的字串中的反斜線被解釋為 Unicode 轉義或其他字元轉義。因此必須在字串字面值中使用兩個反斜線,表示正則表示式受到保護,不被 Java 位元組碼編譯器解釋。例如,當解釋為正則表示式時,字串字面值 "\b" 與單個退格字元匹配,而 "\\b" 與單詞邊界匹配。字串字面值 "\(hello\)" 是非法的,將導致編譯時錯誤;要與字串 (hello) 匹配,必須使用字串字面值 "\\(hello\\)"。
Matcher 類的方法
索引方法
索引方法提供了有用的索引值,精確表明輸入字串中在哪能找到匹配:
序號 | 方法及說明 |
---|---|
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間,由給定組所捕獲的子序列的初始索引 |
3 |
public int end() 返回最後匹配字元之後的偏移量。 |
4 |
public int end(int group) 返回在以前的匹配操作期間,由給定組所捕獲子序列的最後字元之後的偏移量。 |
查詢方法
查詢方法用來檢查輸入字串並返回一個布林值,表示是否找到該模式:
序號 | 方法及說明 |
---|---|
1 |
public boolean lookingAt() 嘗試將從區域開頭開始的輸入序列與該模式匹配。 |
2 |
public boolean find() 嘗試查詢與該模式匹配的輸入序列的下一個子序列。 |
3 |
public boolean find(int start) 重置此匹配器,然後嘗試查詢匹配該模式、從指定索引開始的輸入序列的下一個子序列。 |
4 |
public boolean matches() 嘗試將整個區域與模式匹配。 |
替換方法
替換方法是替換輸入字串裡文字的方法:
序號 | 方法及說明 |
---|---|
1 |
public Matcher appendReplacement(StringBuffer sb, String replacement) 實現非終端新增和替換步驟。 |
2 |
public StringBuffer appendTail(StringBuffer sb) 實現終端新增和替換步驟。 |
3 |
public String replaceAll(String replacement) 替換模式與給定替換字串相匹配的輸入序列的每個子序列。 |
4 |
public String replaceFirst(String replacement) 替換模式與給定替換字串匹配的輸入序列的第一個子序列。 |
5 |
public static String quoteReplacement(String s) 返回指定字串的字面替換字串。這個方法返回一個字串,就像傳遞給Matcher類的appendReplacement 方法一個字面字串一樣工作。 |
start 和 end 方法
下面是一個對單詞 "cat" 出現在輸入字串中出現次數進行計數的例子:
RegexMatches.java 檔案程式碼:
以上例項編譯執行結果如下:
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
可以看到這個例子是使用單詞邊界,以確保字母 "c" "a" "t" 並非僅是一個較長的詞的子串。它也提供了一些關於輸入字串中匹配發生位置的有用資訊。
Start 方法返回在以前的匹配操作期間,由給定組所捕獲的子序列的初始索引,end 方法最後一個匹配字元的索引加 1。
matches 和 lookingAt 方法
matches 和 lookingAt 方法都用來嘗試匹配一個輸入序列模式。它們的不同是 matches 要求整個序列都匹配,而lookingAt 不要求。
lookingAt 方法雖然不需要整句都匹配,但是需要從第一個字元開始匹配。
這兩個方法經常在輸入字串的開始使用。
我們通過下面這個例子,來解釋這個功能:
RegexMatches.java 檔案程式碼:
以上例項編譯執行結果如下:
Current REGEX is: foo Current INPUT is: fooooooooooooooooo Current INPUT2 is: ooooofoooooooooooo lookingAt(): true matches(): false lookingAt(): false
replaceFirst 和 replaceAll 方法
replaceFirst 和 replaceAll 方法用來替換匹配正則表示式的文字。不同的是,replaceFirst 替換首次匹配,replaceAll 替換所有匹配。
下面的例子來解釋這個功能:
RegexMatches.java 檔案程式碼:
以上例項編譯執行結果如下:
The cat says meow. All cats say meow.
appendReplacement 和 appendTail 方法
Matcher 類也提供了appendReplacement 和 appendTail 方法用於文字替換:
看下面的例子來解釋這個功能:
RegexMatches.java 檔案程式碼:
以上例項編譯執行結果如下:
-foo-foo-foo-kkk
PatternSyntaxException 類的方法
PatternSyntaxException 是一個非強制異常類,它指示一個正則表示式模式中的語法錯誤。
PatternSyntaxException 類提供了下面的方法來幫助我們檢視發生了什麼錯誤。
序號 | 方法及說明 |
---|---|
1 |
public String getDescription() 獲取錯誤的描述。 |
2 |
public int getIndex() 獲取錯誤的索引。 |
3 |
public String getPattern() 獲取錯誤的正則表示式模式。 |
4 |
public String getMessage() 返回多行字串,包含語法錯誤及其索引的描述、錯誤的正則表示式模式和模式中錯誤索引的視覺化指示。 |