一文搞懂正規表示式基礎語法以及如何應用

2022-09-30 14:00:55

一、正規表示式

1、基本介紹

▶ 概述

一個正規表示式，就是用某種模式去匹配字串的一個公式。很多人因為它們看上去比較古怪而且複雜所以不敢去使用，不過，經過練習後就覺得這些複雜的表示式寫起來還是相當簡單的, 而且, 一旦你弄懂它們，你就能把數小時辛苦而且易錯的文書處理工作縮短在幾分鐘（甚至幾秒鐘）內完成。
正規表示式不是隻有java才有，實際上很多程式語言都支援正規表示式進行字串操作!

▶ 快速入門

public class RegTheory {
    public static void main(String[] args) {
        //目標：匹配所有四個數位
        String content = "2002fsd ke ire i2222 ";
 
        //1. \d 表示一個任意的數位
        String regStr = "(\d\d)(\d\d)";
 
        //2. 建立模式物件[即正規表示式物件]
        Pattern pattern = Pattern.compile(regStr);
 
        //3. 建立匹配器
        //說明：建立匹配器 matcher， 按照 正規表示式的規則 去匹配 content 字串
        Matcher matcher = pattern.matcher(content);
 
        //4. 開始匹配
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
            System.out.println("第 1 組()匹配到的值=" + matcher.group(1));
            System.out.println("第 2 組()匹配到的值=" + matcher.group(2));
        }
    }
}

▶ 底層原始碼

matcher.find() 完成的任務（考慮分組），{什麼是分組，比如 (dd)(dd) ,正規表示式中有() 表示分組,第 1 個()表示第 1 組,第 2 個()表示第 2 組...}
1. 根據指定的規則 , 定位滿足規則的子字串 ( 比如 (20)(02))
2. 找到後，將子字串的開始的索引記錄到 matcher 物件的屬性 int[ ] groups;
▷ groups[0] = 0 , 把該子字串的結束的索引+1 的值記錄到 groups[1] = 4
▷ 記錄 1 組 () 匹配到的字串 groups[2] = 0 groups[3] = 2
▷ 記錄 2 組 () 匹配到的字串 groups[4] = 2 groups[5] = 4
▷ 如果有更多的分組.....
3. 同時記錄 oldLast 的值為子字串的結束的索引 +1 的值即 16, 即下次執行 find 時，就從 16 開始匹配。

▶ matcher.group(0) 分析

public String group(int group) {
    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();
}

根據 groups[0]=16 和 groups[1]=20 的記錄的位置，從 content 開始擷取子字串返回

就是 [16,20) 包含 16 但是不包含索引為 20 的位置如果再次指向 find 方法 . 仍然安上面分析來執行。

▶ 小結

        1. 如果正規表示式有() 即分組
        2. 取出匹配的字串規則如下
        3. group(0) 表示匹配到的子字串
        4. group(1) 表示匹配到的子字串的第一組字串
        5. group(2) 表示匹配到的子字串的第 2 組字串
        6. ... 但是分組的數不能越界.

2、正規表示式語法

▶ 基本介紹

如果要想靈活的運用正規表示式，必須瞭解其中各種元字元的功能，元字元從功能上大致分為:

①限定符，②選擇匹配符，③分組組合和反向參照符，④特殊字元，⑤字元匹配符，⑥定位符

▶ 元字元(Metacharacter)-跳脫號

符號說明: 在我們使用正規表示式去檢索某些特殊字元的時候，需要用到跳脫符號。則檢索不到結果，甚至會報錯的。案例:用$ 去匹配 “abc$(" 會怎樣?

在Java的正規表示式中，兩個\ 代表其他語言中的一個

需要用到跳脫符號的字元有以下 : " . * + () $ / ? [ ] ^ { } "

二、正則語法

1、字元匹配符、選擇匹配符

▶ 基本介紹

▶ 程式碼實現

String content = "a11c8abc _ABCy @";
 
String regStr = "[a-z]"; //匹配 a-z 之間任意一個字元
 
String regStr = "[A-Z]"; //匹配 A-Z 之間任意一個字元
 
String regStr = "abc"; //匹配 abc 字串[預設區分大小寫]
 
String regStr = "(?i)abc"; //匹配 abc 字串[不區分大小寫]
 
String regStr = "[0-9]"; //匹配 0-9 之間任意一個字元
 
String regStr = "[^a-z]"; //匹配 不在 a-z 之間任意一個字元
 
String regStr = "[^0-9]"; //匹配 不在 0-9 之間任意一個字元
 
String regStr = "[abcd]"; //匹配 在 abcd 中任意一個字元
 
String regStr = "\D"; //匹配 不在 0-9 的任意一個字元
 
String regStr = "\w"; //匹配 大小寫英文字母, 數位，下劃線
 
String regStr = "\W"; //匹配 等價於 [^a-zA-Z0-9_]
 
// \s 匹配任何空白字元(空格,製表符等)
String regStr = "\s";
 
// \S 匹配任何非空白字元 ,和\s 剛好相反
String regStr = "\S";
 
//. 匹配出 n 之外的所有字元,如果要匹配.本身則需要使用 \.
String regStr = ".";

//當建立 Pattern 物件時，指定 Pattern.CASE_INSENSITIVE, 表示匹配是不區分字母大小寫. 
Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);

▶ 選擇匹配符

String content = "study hard"; 
String regStr = "t|a|r";

2、限定符

▶ 基本介紹

▶ 程式碼實現

String content = "a211111aaaaaahello";
 
String regStr = "a{3}"; // 表示匹配 aaa
String regStr = "1{4}"; // 表示匹配 1111
String regStr = "\d{2}"; // 表示匹配 兩位的任意數位字元
 
//細節：java 匹配預設貪婪匹配，即儘可能匹配多的
String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa
String regStr = "1{4,5}"; //表示匹配 1111 或者 11111
String regStr = "\d{2,5}"; //匹配 2 位數或者 3,4,5
 
//1+
String regStr = "1+"; //匹配一個 1 或者多個 1
String regStr = "\d+"; //匹配一個數位或者多個數位
 
//1*
String regStr = "1*"; //匹配 0 個 1 或者多個 1
 
//遵守貪婪匹配
String regStr = "a1?"; //匹配 a 或者 a1

3、定位符

▶ 基本介紹

▶ 程式碼實現

String content = "123-abc sldkjfs s dfsjf";
 
String content = "123-abc";
 
//以至少 1 個數位開頭，後接任意個小寫字母的字串
String regStr = "^[0-9]+[a-z]*";
 
//以至少 1 個數位開頭, 必須以至少一個小寫字母結束
String regStr = "^[0-9]+\-[a-z]+$";
 
//表示匹配邊界的 han[這裡的邊界是指：被匹配的字串最後,也可以是空格的子字串的後面]
String regStr = "han\b";
 
//和\b 的含義剛剛相反
String regStr = "han\B";

4、分組

▶ 基本介紹

▶ 程式碼實現

String content = "hello world s7789 nn1189han";
 
//命名分組： 即可以給分組取名
String regStr = "(?<g1>\d\d)(?<g2>\d\d)";//匹配 4 個數位的字串
 
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
 
while (matcher.find()) {
    System.out.println("找到=" + matcher.group(0));
    System.out.println("第 1 個分組內容=" + matcher.group(1));
    System.out.println("第 1 個分組內容[通過組名]=" + matcher.group("g1"));
    System.out.println("第 2 個分組內容=" + matcher.group(2));
    System.out.println("第 2 個分組內容[通過組名]=" + matcher.group("g2"));
}

三、常用類

1、基本介紹

▶ 概述

▷ java.util.regex 包主要包括以下三個類Pattern 類、Matcher 類和 PatternSyntaxException ▷ Pattern 類
        pattern 物件是一個正規表示式物件。Pattern 類沒有公共構造方法。要建立一個Pattern 物件呼叫其公共靜態方法，它返回一個Pattern 物件。該方法接受一個正規表示式作為它的第一個引數，比如: Pattern r=Pattern.compile(pattern);
▷ Matcher類
        Matcher物件是對輸入字串進行解釋和匹配的引擎。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, 它表示一個正規表示式模式中的語法錯誤。

▶ 程式碼範例

public class PatternMethod {
    public static void main(String[] args) {
        String content = "hello abc hello, 努力學習";
 
        //String regStr = "hello";
 
        String regStr = "hello.*";
 
        boolean matches = Pattern.matches(regStr, content);
 
        System.out.println("整體匹配= " + matches);
    }
}

▶ Matcher 常用類

public class MatcherMethod {
    public static void main(String[] args) {
        String content = "hello edu jack edutom hello smith hello edu edu";
 
        String regStr = "hello";
 
        Pattern pattern = Pattern.compile(regStr);
 
        Matcher matcher = pattern.matcher(content);
 
        while (matcher.find()) {
            System.out.println(matcher.start());
            System.out.println(matcher.end());
            System.out.println("找到: " + content.substring(matcher.start(), matcher.end()));
        }
 
        //整體匹配方法，常用於，去校驗某個字串是否滿足某個規則
        System.out.println("整體匹配=" + matcher.matches());
 
        //完成如果 content 有 edu 替換成 努力學習
        regStr = "edu";
        pattern = Pattern.compile(regStr);
        matcher = pattern.matcher(content);
 
        //注意：返回的字串才是替換後的字串 原來的 content 不變化
        String newContent = matcher.replaceAll("努力學習");
 
        System.out.println("newContent=" + newContent);
        System.out.println("content=" + content);
    }
}

2、分組、捕獲、反向參照

▶ 基本介紹

1、分組

我們可以用圓括號組成一個比較複雜的匹配模式，那麼一個圓括號的部分我們可以看作是一個子表示式(一個分組)。

2、捕獲

把正規表示式中子表示式(分組匹配)的內容，儲存到記憶體中以數位編號或顯式命名的組裡, 方便後面參照, 從左向右，以分組的左括號為標誌，第一個出現的分組的組號為1，第二個為2，以以此類推，組0代表的是整個正則式。

3、反向參照

圓括號的內容被捕獲後，可以在這個括號後被使用, 從而寫出一個比較實用的匹配式，這個我們稱為反向參照，這種參照既可以是在正規表示式內部，也可以是在正規表示式外部，內部反向參照\分組號，外部反向參照$分組號。

▶ 經典案例

public class RegExp13 {
    public static void main(String[] args) {
        String content = "我....我要....學學學學....程式設計 java!";
 
        //1. 去掉所有的.
        Pattern pattern = Pattern.compile("\.");
        Matcher matcher = pattern.matcher(content);
        content = matcher.replaceAll("");
 
        //2. 去掉重複的字 我我要學學學學程式設計 java！
        //(1) 使用 (.)\1+
        //(2) 使用 反向參照$1 來替換匹配到的內容
        // 注意：因為正規表示式變化，所以需要重置 matcher
 
        pattern = Pattern.compile("(.)\1+");//分組的捕獲內容記錄到$1
 
        matcher = pattern.matcher(content);
 
        //使用 反向參照$1 來替換匹配到的內容
        content = matcher.replaceAll("$1");
 
        System.out.println("content=" + content);
    }
}

3、String 類中使用正規表示式

▶ 替換功能

String 類： public String replaceAll(String regex,String replacement)

▶ 判斷功能

String 類： public boolean matches(String regex){} // 使用 Pattern 和 Matcher 類

▶ 分割功能

String 類： public String[] split(String regex)

▶ 程式碼範例

String content = "2000 年 5 月，JDK1.3、JDK1.4 和 J2SE1.3 相繼釋出。";
 
//使用正規表示式方式，將 JDK1.3 和 JDK1.4 替換成 JDK
content = content.replaceAll("JDK1\.3|JDK1\.4", "JDK");
 
System.out.println(content);

//要求 驗證一個 手機號， 要求必須是以 138 139 開頭的
content = "13888889999";
 
if (content.matches("1(38|39)\d{8}")) {
    System.out.println("驗證成功");
} else {
    System.out.println("驗證失敗");
}

//要求按照 # 或者 - 或者 ~ 或者 數位 來分割
content = "hello#abc-jack12smith~北京";
 
String[] split = content.split("#|-|~|\d+");
 
for (String s : split) {
    System.out.println(s);
}