一文搞懂Java正则表达式

1 介绍

如果我们想根据特定的模式表示一组字符串，那么我们应该使用正则表达式。

例如，我们可以编写一个正则表达式来表示所有有效的电子邮件地址，或者我们可以编写一个正则表达式来验证有效的电话号码等。

使用正则表达式的最重要的应用领域是：

• 开发验证框架，如Hibernate Validator。
• 开发模式匹配工具或应用程序，如Linux中的Ctrl+F或grap cmd。
• 开发数字电路
• 开发翻译器，如汇编器、编译器和解释器等。
• 开发通信协议TCP/IP、UDP等。

要在Java中使用正则表达式，我们可以利用java.util.regex包，该包包括以下类：

• Pattern——这个类是一组可以用于定义各种类型模式的正则表达式的编译（定义在搜索中使用的模式）。
• Matcher——这个对象用于在Java中执行匹配操作，用于在输入字符串中搜索模式。
• PatternSyntaxException——这个类用于指示正则表达式模式中的语法错误。

这里是一个正则表达式的示例代码片段：

import java.util.regex.*;

public class RegularExpression {

    public static void main(String[] args) {
        int count = 0;
        Pattern pattern = Pattern.compile("ab");
        Matcher matcher = pattern.matcher("abcbcbcababacb");
        while (matcher.find()) {
            ++count;
            System.out.println(matcher.group()+ "...... found at: "+matcher.start());
        }

        System.out.println("The Total number of occurrence is " + count);

    }
}

/****
  Output-
  ab...... found at: 0
  ab...... found at: 7
  ab...... found at: 9
  The Total number of occurrence is 3
****/

2 Pattern

Pattern是一个已编译的正则表达式，即Java中的模式等价物。我们可以使用Pattern类的compile()方法创建一个模式对象。Pattern类的compile()方法的签名如下：

Flags——compile()方法中的标志会改变搜索的方式。以下是其中几个：

• CASE_INSENSITIVE——在执行搜索时将忽略字母的大小写。
• UNICODE_CASE——与CASE_INSENSITIVE标志一起使用，它会忽略英语字母以外的字母的大小写。
• LITERAL——使用时，模式中的特殊字符将不具有任何特殊含义，在执行搜索时只被视为普通字符。

public static Pattern compile(String regex)

以下是Pattern类compile()方法的一个示例：

Pattern pattern = Pattern.compile("ab");

3 Matcher

matcher对象可用于检查目标字符串中的指定模式。使用Pattern类的matcher()方法，我们可以生成一个匹配器对象。Pattern类的matcher()方法具有以下签名：

public Matcher matcher(CharSequence input)

以下是Pattern类matcher()方法的示例：

Matcher matcher = pattern.matcher("abcbcbcababacb");

Matcher类存在于java.util.regex包中。以下是Matcher类一些最重要的方法：

• boolean find()——这个方法尝试查找下一个匹配项，在找到匹配项时返回true，否则返回false。
• int start()——这个方法返回匹配项在输入字符串中的起始索引。
• int end()——这个方法返回匹配项在输入字符串中的结束索引。
• String group()——这个方法返回匹配的模式。

注意：Pattern和Matcher类存在于java.util.regex包中，从java1.4v开始引入。

4 字符类

• [abc]——要么是’a’、’b’或’c’
• [^abc]——除了’a’、’b’和’c’
• [a-z]——任何从a到z的小写字母符号
• [A-Z]——任何从A到Z的大写字母符号
• [a-zA-Z]——任何字母符号
• [0–9]——任何0到9的数字
• [a-zA-Z0–9]——任何字母数字符号
• [^a-zA-Z0–9]——除了字母数字符号（仅限特殊字符）

5 预定义字符类

• .——除换行符外的任何字符
• d——数字（0-9）
• D——非数字（0-9）
• w——单词字符（a-z、A-Z、0-9、_）
• W——非单词字符
• s——空格（空格、制表符、换行符）
• S——非空格（空格、制表符、换行符）
• b——单词边界
• B——非单词边界
• uxxxx——由十六进制数xxxx指定的Unicode字符

6 量词符

• *——0次或多次
• +——1次或多次
• ?——0次或1次
• {3}——精确数量3次
• {3,4}——数字范围（最小值，最大值）

我们可以使用量词符指定要匹配的出现次数。

Pattern类的split()方法

要根据特定的模式拆分目标字符串，我们可以使用Pattern类的split()方法。Pattern类的split()方法具有以下签名：

public String[] split(CharSequence input)

为了方便，我在这里包含了Pattern类split()方法的代码片段：

public class RegularExpression {

    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("\s");
        String[] splitString = pattern.split("Pattern class is present in java.util.regex");
        for (String text : splitString) {
            System.out.println(text);
        }

    }
}

/***
  Output -
    Pattern
    class
    is
    present
    in
    java.util.regex
***/

在上面的示例中，根据空格（s）分割了字符串。

String类的split()方法

String类也包含split()方法。字符串类的split()方法用于根据特定模式拆分目标字符串。

public class RegularExpression {

    public static void main(String[] args) {
        String text = "This is example of String class split() method";
        String[] strings = text.split("\s");
        for (String s : strings) {
            System.out.println(s);
        }
    }
}

/***
Output
  This
  is
  example
  of
  String
  class
  split()
  method
***/

在上面的例子中，字符串是根据空白(s)来划分的。

注意：Pattern类的split()方法可以接受一个目标字符串作为参数，而String类的split()方法可以接受一个正则表达式作为参数。

7 StringTokenizer

StringTokenizer是专门用于标记化任务的类。Java.util包中有一个StringTokenizer类。

public class StringTokenizerDemo {

    public static void main(String[] args) {
     
        StringTokenizer tokenizer = new StringTokenizer("StringTokenizer class present in java.util package");
        while (tokenizer.hasMoreTokens()) {
            System.out.println(tokenizer.nextToken());

        }
    }
}

/***
  Output -
    StringTokenizer
    class
    present
    in
    java.util
    package
***/

注意：StringTokenizer的默认正则表达式为空格符(s)。

我们也可以根据需要传递正则表达式，以下是代码片段有助于你更好地理解：

StringTokenizer tokenizer = new StringTokenizer("05-21-2023","-");
while (tokenizer.hasMoreTokens()) {
    System.out.println(tokenizer.nextToken());
}
/***
  Output
    05
    21
    2023
***/

我列了一些常用的编程正则表达式：