1. 正则表达式
1.1 什么是正则表达式
正则表达式
: 定义一个搜索模式的字符串。
正则表达式可以用于搜索、编辑和操作文本。
正则对文本的分析或修改过程为：首先正则表达式应用的是文本字符串（text/string），它会以定义的模式从左到右匹配文本，每个源字符只匹配一次。
1.2 示例
正则表达式
匹配
this is text
精确匹配字符串 "this is text"
this\s+is\s+text
匹配单词 "this" 后跟一个或多个空格字符，后跟词 "is" 后跟一个或多个空格字符，后跟词 "text"
^\d+(.\d+)?
^ 定义模式必须匹配字符串的开始，d+ 匹配一个或多个数字，? 表明小括号内的语句是可选的，. 匹配 "."，小括号表示分组。例如匹配："5"、"1.5" 和 "2.21"
2. 正则表达式的编写规则
2.1 常见匹配符号
正则表达式
描述
.
匹配所有单个字符，除了换行符（Linux 中换行是 \n，Windows 中换行是 \r\n）
^regex
正则必须匹配字符串开头
regex$
正则必须匹配字符串结尾
[abc]
复选集定义，匹配字母 a 或 b 或 c
[abc][vz]
复选集定义，匹配字母 a 或 b 或 c，后面跟着 v 或 z
[^abc]
当插入符 ^ 在中括号中以第一个字符开始显示，则表示否定模式。此模式匹配所有字符，除了 a 或 b 或 c
[a-d1-7]
范围匹配，匹配字母 a 到 d 和数字从 1 到 7 之间，但不匹配 d1
XZ
匹配 X 后直接跟着 Z
X|Z
匹配 X 或 Z
2.2 元字符
元字符是一个预定义的字符。
正则表达式
描述
\d
匹配一个数字，是 [0-9] 的简写
\D
匹配一个非数字，是 [^0-9] 的简写
\s
匹配一个空格，是 [ \t\n\x0b\r\f] 的简写
\S
匹配一个非空格
\w
匹配一个单词字符（大小写字母、数字、下划线），是 [a-zA-Z_0-9] 的简写
\W
匹配一个非单词字符（除了大小写字母、数字、下划线之外的字符），等同于 [^\w]
2.3 限定符
限定符定义了一个元素可以发生的频率。
正则表达式
描述
举例
匹配 >=0 个，是 {0,} 的简写
X* 表示匹配零个或多个字母 X，.* 表示匹配任何字符串
匹配 >=1 个，是 {1,} 的简写
X+ 表示匹配一个或多个字母 X
?
匹配 1 个或 0 个，是 {0,1} 的简写
X? 表示匹配 0 个或 1 个字母 X
{X}
只匹配 X 个字符
\d{3} 表示匹配 3 个数字，.{10} 表示匹配任何长度是 10 的字符串
{X,Y}
匹配 >=X 且 <=Y 个
\d{1,4} 表示匹配至少 1 个最多 4 个数字
*?
如果 ? 是限定符 * 或 + 或 ? 或 {} 后面的第一个字符，那么表示非贪婪模式（尽可能少的匹配字符），而不是默认的贪婪模式
2.4 分组和反向引用
小括号 () 可以达到对正则表达式进行分组的效果。
模式分组后会在正则表达式中创建反向引用。反向引用会保存匹配模式分组的字符串片断，这使得我们可以获取并使用这个字符串片断。
在以正则表达式替换字符串的语法中，是通过 0 是匹配完整模式的字符串（注意在 JavaScript 中是用
1 是第一个分组的反向引用；$2 是第二个分组的反向引用，以此类推。
示例：
···
package com.wuxianjiezh.demo.regex;
public class RegexTest {
public static void main(String[] args) {
// 去除单词与 , 和 . 之间的空格
String Str = "Hello , World .";
String pattern = "(\\w)(\\s+)([.,])";
// $0 匹配 `(\w)(\s+)([.,])` 结果为 `o空格,` 和 `d空格.`
// $1 匹配 `(\w)` 结果为 `o` 和 `d`
// $2 匹配 `(\s+)` 结果为 `空格` 和 `空格`
// $3 匹配 `([.,])` 结果为 `,` 和 `.`
System.out.println(Str.replaceAll(pattern, "$1$3")); // Hello, World.
}
}
···
上面的例子中，我们使用了 [.] 来匹配普通字符 . 而不需要使用 [\.]。因为正则对于 [] 中的 .，会自动处理为 [.]，即普通字符 . 进行匹配。
2.4.1 仅分组但无反向引用
当我们在小括号 () 内的模式开头加入 ?:，那么表示这个模式仅分组，但不创建反向引用。
示例：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "img.jpg";
// 分组且创建反向引用
Pattern pattern = Pattern.compile("(jpg|png)");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
}
}
}
运行结果：
jpg
jpg
若源码改为：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "img.jpg";
// 分组但不创建反向引用
Pattern pattern = Pattern.compile("(?:jpg|png)");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
}
}
}
运行结果：
jpg
Exception in thread "main" java.lang.IndexOutOfBoundsException: No group 1
at java.util.regex.Matcher.group(Matcher.java:538)
at com.wuxianjiezh.regex.RegexTest.main(RegexTest.java:15)
2.4.2 分组的反向引用副本
Java 中可以在小括号中使用 ?<name> 将小括号中匹配的内容保存为一个名字为 name 的副本。
示例：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "@wxj 你好啊";
Pattern pattern = Pattern.compile("@(?<first>\\w+\\s)"); // 保存一个副本
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
System.out.println(matcher.group(1));
System.out.println(matcher.group("first"));
}
}
}
运行结果：
@wxj
wxj
wxj
2.5 否定先行断言（Negative lookahead）
我们可以创建否定先行断言模式的匹配，即某个字符串后面不包含另一个字符串的匹配模式。
否定先行断言模式通过 (?!pattern) 定义。比如，我们匹配后面不是跟着 "b" 的 "a"：
a(?!b)
2.6 指定正则表达式的模式
可以在正则的开头指定模式修饰符。
(?i) 使正则忽略大小写。
(?s) 表示单行模式（"single line mode"）使正则的 . 匹配所有字符，包括换行符。
(?m) 表示多行模式（"multi-line mode"），使正则的 ^ 和 $ 匹配字符串中每行的开始和结束。
2.7 Java 中的反斜杠
反斜杠 \ 在 Java 中表示转义字符，这意味着 \ 在 Java 拥有预定义的含义。
这里例举两个特别重要的用法：
在匹配 . 或 { 或 [ 或 ( 或 ? 或 $ 或 ^ 或 * 这些特殊字符时，需要在前面加上 \，比如匹配 . 时，Java 中要写为 \.，但对于正则表达式来说就是 .。
在匹配 \ 时，Java 中要写为 \\，但对于正则表达式来说就是 \。
注意：Java 中的正则表达式字符串有两层含义，首先 Java 字符串转义出符合正则表达式语法的字符串，然后再由转义后的正则表达式进行模式匹配。
2.8 易错点示例
[jpg|png] 代表匹配 j 或 p 或 g 或 p 或 n 或 g 中的任意一个字符。
(jpg|png) 代表匹配 jpg 或 png。
3. 在字符串中使用正则表达式
3.1 内置的字符串正则处理方法
在 Java 中有四个内置的运行正则表达式的方法，分别是 matches()、split())、replaceFirst()、replaceAll()。注意 replace() 方法不支持正则表达式。
方法
描述
s.matches("regex")
当仅且当正则匹配整个字符串时返回 true
s.split("regex")
按匹配的正则表达式切片字符串
s.replaceFirst("regex", "replacement")
替换首次匹配的字符串片段
s.replaceAll("regex", "replacement")
替换所有匹配的字符
3.2 示例
示例代码：
package com.wuxianjiezh.regex;
public class RegexTest {
public static void main(String[] args) {
System.out.println("wxj".matches("wxj"));
System.out.println("----------");
String[] array = "w x j".split("\\s");
for (String item : array) {
System.out.println(item);
}
System.out.println("----------");
System.out.println("w x j".replaceFirst("\\s", "-"));
System.out.println("----------");
System.out.println("w x j".replaceAll("\\s", "-"));
}
}
运行结果：
true
----------
w
x
j
----------
w-x j
----------
w-x-j
4. 模式和匹配
Java 中使用正则表达式需要用到两个类，分别为 java.util.regex.Pattern 和 java.util.regex.Matcher。
第一步，通过正则表达式创建模式对象 Pattern。
第二步，通过模式对象 Pattern，根据指定字符串创建匹配对象 Matcher。
第三步，通过匹配对象 Matcher，根据正则表达式操作字符串。
来个例子，加深理解：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String text = "Hello Regex!";
Pattern pattern = Pattern.compile("\\w+");
// Java 中忽略大小写，有两种写法：
// Pattern pattern = Pattern.compile("\\w+", Pattern.CASE_INSENSITIVE);
// Pattern pattern = Pattern.compile("(?i)\\w+"); // 推荐写法
Matcher matcher = pattern.matcher(text);
// 遍例所有匹配的序列
while (matcher.find()) {
System.out.print("Start index: " + matcher.start());
System.out.print(" End index: " + matcher.end() + " ");
System.out.println(matcher.group());
}
// 创建第两个模式，将空格替换为 tab
Pattern replace = Pattern.compile("\\s+");
Matcher matcher2 = replace.matcher(text);
System.out.println(matcher2.replaceAll("\t"));
}
}
运行结果：
Start index: 0 End index: 5 Hello
Start index: 6 End index: 11 Regex
Hello Regex!
5. 若干个常用例子
5.1 中文的匹配
[\u4e00-\u9fa5]+ 代表匹配中文字。
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "閑人到人间";
Pattern pattern = Pattern.compile("[\\u4e00-\\u9fa5]+");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
}
运行结果：
閑人到人间
5.2 数字范围的匹配
比如，匹配 1990 到 2017。
注意：这里有个新手易范的错误，就是正则 [1990-2017]，实际这个正则只匹配 0 或 1 或 2 或 7 或 9 中的任一个字符。
正则表达式匹配数字范围时，首先要确定最大值与最小值，最后写中间值。
正确的匹配方式：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "1990\n2010\n2017";
// 这里应用了 (?m) 的多行匹配模式，只为方便我们测试输出
// "^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$" 为判断 1990-2017 正确的正则表达式
Pattern pattern = Pattern.compile("(?m)^1990$|^199[1-9]$|^20[0-1][0-6]$|^2017$");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
}
}
}
运行结果：
1990
2010
2017
5.3 img 标签的匹配
比如，获取图片文件内容，这里我们考虑了一些不规范的 img 标签写法：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "<img src='aaa.jpg' /><img src=bbb.png/><img src=\"ccc.png\"/>" +
"<img src='ddd.exe'/><img src='eee.jpn'/>";
// 这里我们考虑了一些不规范的 img 标签写法，比如：空格、引号
Pattern pattern = Pattern.compile("<img\\s+src=(?:['\"])?(?<src>\\w+.(jpg|png))(?:['\"])?\\s*/>");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("src"));
}
}
}
运行结果：
aaa.jpg
bbb.png
ccc.png
5.4 贪婪与非贪婪模式的匹配
比如，获取 div 标签中的文本内容：
package com.wuxianjiezh.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexTest {
public static void main(String[] args) {
String str = "<div>文章标题</div><div>发布时间</div>";
// 贪婪模式
Pattern pattern = Pattern.compile("<div>(?<title>.+)</div>");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("title"));
}
System.out.println("--------------");
// 非贪婪模式
pattern = Pattern.compile("<div>(?<title>.+?)</div>");
matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group("title"));
}
}
}
运行结果：
文章标题</div><div>发布时间
--------------
文章标题
发布时间
6. 推荐两个在线正则工具
- JavaScript、Python 等的在线表达式工具：https://regex101.com/
- Java 在线表达式工具：http://www.regexplanet.com/advanced/java/index.html
