正则表达式及Java对其的支持

简述正则表达式

​ 今天我们来讲下正则表达式，先来看下正则表达式中的数量表示

字符	说明	举例
?	零次或一次匹配？前的字符或子表达式，等价于{0,1}	gong(shan)?匹配gong或gongshan
*	零次或多次匹配*前的字符或子表达式，等价于{0,}	sm*匹配sm或者s
+	一次或多次匹配*前的字符或子表达式，等价于{1,}	zoo+匹配zoo或者zooo等
{n}	n为非负整数，正好匹配n次	zo{2}匹配zoo
{n,}	n为非负整数，至少匹配n次	zo{1,}可匹配zo，zoo，zooo等
{n,m}	n和m均为非负整数，表示至少匹配n次，至多匹配m次	zo{1,2}则只匹配zo或者zoo

常用特殊字符

字符	说明	举例
[xyz]	字符集。匹配包含的任一字符	[abc] 匹配 java 中的a
[^xyz]	反字符集。匹配未被包含的任一字符	[^abc] 匹配 java 中的 j和v
[x-y]	字符范围。匹配从x到y（指定范围内）的所有字符	[a-z]匹配从a到z的所有小写字母
\d	匹配一个数字，等价于[0-9]	he\d{2} 匹配 he33
\D	匹配一个非数字，等价于[^0-9]	he\D{4} 匹配 heyang
\s	匹配任何空白字符
\S	匹配任何非空白字符
\w	匹配任何字类字符，包括下划线，等价于[a-zA-Z0-9_]
\W	匹配任何非字类字符，等价于[^a-zA-Z0-9_]

常用逻辑操作

字符	说明	举例
xy	x并y	[xy]
x|y	x或y	(x|y)
(X)	将X定义为一个组	[xy(bc)]，(x|y)

其他预定义字符以及不是特别常用的字符，详见 java正则表达式

java对正则表达式的支持

在java中要想使用正则表达式，有三种方式：

• String类对正则表达式的支持

public boolean matches(String regex)

• 单独使用java.util.regex.Pattern

public static boolean matches(String regex, CharSequence input)

• java.util.regex包下的Pattern类配合Matcher类使用（推荐采用此方式）

下面我们依次来使用这三种方式：

第一种：String类对正则表达式的支持 matches(String regex)

public void testString() {
    String str = "Java";
    boolean flag = str.matches("(J|x)ava");
    System.out.println(flag);
}
输出结果：true

这种方式虽然也能实现正则匹配，但是功能单一，只能返回是否匹配，而且字符串必须整体匹配才能返回true，以下面的代码来说明这个问题

public void testString2() {
    String str = "Java is a programming language.";
    boolean flag = str.matches("Java");
    System.out.println(flag);
}
输出结果：false

查看String类的源码可以发现，String类的matches方法实际上就是调用的下面要讲的第二种方式Pattern.matches(String regex,CharSequence input)

public boolean matches(String regex) {
	return Pattern.matches(regex, this);
}

第二种：单独使用Pattern进行正则匹配

public void testPattern() {
    String str = "Java is a programming language.";
    String regex = "Java";
    boolean flag = Pattern.matches(regex, str);
    System.out.println(flag);
}
输出结果：false

这里为什么也返回了false？原因和第一种方式一样，因为Pattern的静态方法matches(String regex,CharSequence input)也是整体匹配。
实际上，如果我们去查看Pattern的源码的话，可以发现：

public static boolean matches(String regex, CharSequence input) {
    Pattern p = Pattern.compile(regex);
    Matcher m = p.matcher(input);
    return m.matches();
}

这种方式实际上使用的是下面的第三种方式

第三种：Pattern和Matcher的结合使用

public void testPatternAndMatcher() {
    String str = "I love Java and xava.";
    String regex = "(J|x)ava";
    Pattern p = Pattern.compile(regex);
    Matcher m = p.matcher(str);
    System.out.println(m.matches());
    while(m.find()) {
        System.out.println(m.group());
	}
}
输出结果：
false
Java
xava

通过以上分析，我们可以发现，第一种方式是对第二种方式的调用，而第二种方式的实现又是采用的第三种方式。

因此，在以后的使用中，推荐直接使用第三种方式，其功能远强于第一种和第二种方式。

详解Pattern和Matcher

Pattern的常用方法如下：

public static Pattern compile(String regex)
public Matcher matcher(CharSequence input)

由于Pattern只有私有构造方法，我们不能直接实例化它，故每次必须通过其compile方法取得Pattern对象，继而通过matcher方法获取Matcher对象。

Matcher的常用方法

①索引方法：

public int start()//返回之前匹配的起始索引
public int start(int group)
public int end()//返回最后匹配字符之后的偏移量，例如用\d{4}匹配he2018，则end()返回6
public int end(int group)

实例如下：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexTest {
	public static void main(String[] args) {
		String regex = "\\d{4}";
		String str = "he2018shan0423yang11gong456shan";
		Pattern pattern = Pattern.compile(regex);
		Matcher matcher = pattern.matcher(str);
		while(matcher.find()) {
			System.out.println("匹配字段："+matcher.group());
			System.out.println("开始索引："+matcher.start());
			System.out.println("结束索引："+matcher.end());
		}
	}
}

输出结果：

匹配字段：2018
开始索引：2
结束索引：6
匹配字段：0423
开始索引：10
结束索引：14

②研究方法

public boolean find()
public boolean find(int start)
public boolean lookingAt()
public boolean matches()

③替换方法

public static String quoteReplacement(String s)
public Matcher appendReplacement(StringBuffer sb, String replacement)
public StringBuffer appendTail(StringBuffer sb)
public String replaceAll(String replacement)
public String replaceFirst(String replacement)

附录

常用的正则表达式

规则	正则表达式语法
电子邮箱	[\w!#$%^&`+=/(|)’?,~*-]+@([a-z0-9]+\.)+[a-z]+
中文字符	[\u4e00-\u9fa5]
QQ号	[1-9][0-9]{4,}
身份证号	\d{6}(19|20)\d{2}((0[1-9])|(1[0-2]))(([0-2]\d)|(3[0-1]))\d{3}(\d|x|X){1}