正则表达式

一、语法与元字符

1. 基本语法与元字符

• 基本语法与元字符

  

  

• \\s：匹配空白字符

• \\S：与\\s取反，匹配任意非空白字符

• .：匹配除换行符外的所有字符（Java中换行符为 \n）

• (?i) 忽略大小写

  • a(?i)bc 对bc忽略大小写
  • a((?i)b)c 对b忽略大小写

// 在Java中 加上Pattern.CASE_INSENSITIVE 也表示忽略大小写
Pattern pattern = Pattern.compile(regex , Pattern.CASE_INSENSITIVE);

• | ：选择匹配符

  • ab|cd：匹配 ab 或者 cd

2. 限定符

用于指定其之前的字符或组合连续出现的次数

3. 定位符

规定字符在字符串中的位置

• \\b：这里边界指一个单词的结尾 若字符串中有空格，则空格作为分隔符分隔单词
• \\B：指每个单词的开头或中间

4. 捕获分组

• (pattern)

  String regex = "([0-9]{2})(\\d)(\\d)";

• (?<name>pattern)

  String regex = "(?<g1>[0-9]{2})(?<g2>\\d)(?<g3>\\d)";

5.非捕获分组

• (?:pattern)

  String str = "jack=10 bob=19 tom=10";
  
  String regex = "\\w*=(?:10)";
  //得到 jack=10 tom=10

• (?=pattern)

  String regex = "\\w*=(?=10)";
  //得到 jack= tom=

• (?!pattern)

  String regex = "\\w*=(?!10)";
  //得到 bob=

6.反向引用

内部：在正则表达式中引用

外部：在其他方法中引用

• \\n 内部反向引用
  • 表示正则式中第n组匹配的值
  • **n ** 表示一个捕获分组，在group中的组序号

String str = "12312-111222333";
// 匹配如 15237-333444555 的编号
String regex = "\\d{5}-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";

• $n 外部反向引用

  Pattern pattern1 = Pattern.compile("(.)\\1+");
  Matcher matcher1 = pattern1.matcher(s);
  // 使用外部反向引用，$1 表示正则式中的第一个分组捕获的值
  String res = matcher1.replaceAll("$1");

7. 贪婪匹配与懒惰匹配

正则表达式中默认为贪婪匹配

懒惰匹配 -> 尽可能少的匹配

默认为贪婪匹配 -> 尽可能多的匹配

String str = "asd123123ds";
// 默认贪婪匹配
// String regex = "\\d+";
// 得到123123

// 懒惰匹配
// tring regex = "\\d+?";
// 得到 1 2 3 1 2 3

// String regex = "<\\w.+>";
// 得到 <b name=123/><b name=321/>
String str1 = "<b name=123/><b name=321/>";
// 懒惰匹配
String regex = "<\\w.+?>";
// 得到 <b name=123/>和<b name=321/>

三、Java中常用的三个类

1. Pattern

• matches(regex , url) 整体匹配，只能返回Boolean

  boolean isMatch = Pattern.matches(regex, url);

• compile(regex) 返回正则表达式对象 能用于生成匹配器对象 传入匹配器的字符串中只要有符合的就能匹配，能输出结果值

  Pattern pattern = Pattern.compile(regex);
  Matcher matcher = pattern.matcher(str);
  
  while (matcher.find()){
      System.out.println(matcher.group(0));
  }

2. Matcher

matcher 是一个匹配对象

3. String

• replaceAll(regex , s)

  String str = "jdk1.3dadasdasdjdk1.4asdas3423dfsjdk1.5";
  String res = str.replaceAll("jdk\\d+\\.\\d+", "JDK");

• matches(regex) 整体匹配

• split(regex)

  String str2 = "AAA#CCC&AAA~CCC12GGG";
  //用#~&数字分割字符串
  str2.split("[#&~]|\\d+");

二、实际应用

1. 判断汉字

注意汉字的编码范围在 \u0391-\uffe5 ，**\u4e00-\u9fa5**

String str = "你好你好你好";
String regex = "^[\u4e00-\u9fa5]+$";

2. 判断邮编

以1开头的六位数字

String str = "110203";
String regex = "^[1-9]\\d{5}$";

3. 判断URL

^((http)s?://)?([\\w-]+\\.)+[a-zA-Z0-9]+((/[\\w-#]+)+\\?([\\w-]+=[\\w-]+&?)*)?$

• ``^((http)s?://)?`

  • s 可有可无
  • https:// 可有可无

• ([\\w-]+\\.)+

  • 可能存在多级域名
    • abc.dc.aaa.com.cn

• [a-zA-Z0-9]+

  • 域名结尾

• ((/[\\w-#]+)+\\?([\\w-]+=[\\w-]+&?)*)?$

  • (/[\\w-#]+)+

    • 可能存在所层路径
      • /video/aa/bb

  • \\?

    • 路径结尾带有参数

  • ([\\w-]+=[\\w-]+&?)*

    • [\\w-]+ 参数名由这些字符组成
    • = 名与值之间用 = 相连
    • [\\w-]+ 参数值由这些字符组成
    • &? 每对参数之间用 & 相连，若只有一对参数则无需&
    • * 参数可能有一对或多对

  • ?$ 整个域名后的路径或值都可有可无 并都已存在的元素作为整个URL结尾

/**
 * 判断URL是否合法
  */
@Test
public void isUrl(){
    String url = "https://www.bilibili.com" +
            "/video/BV1Eq4y1E79W?p=17&spm_id_from=pageDriver" +
            "&vd_source=1515d4ece87146a640eebb6175354668";
    
    String regex = "^((http)s?://)?([\\w-]+\\.)+[a-zA-Z0-9]+((/[\\w-#]+)+\\?([\\w-]+=[\\w-]+&?)*)?$";
    
    boolean isMatch = Pattern.matches(regex, url);
    if (isMatch) {
        System.out.println("符合！");
    }else{
        System.out.println("不符合！");
    }
}

4. 结巴问题

将 ‘’我我我….要要….吃吃吃吃..饭‘’ 变成 ”我要吃饭“

public void spla() {
    String str = "我我我....要要....吃吃吃吃..饭";
    
    Pattern pattern = Pattern.compile("\\.");
    Matcher matcher = pattern.matcher(str);
//    将所有 . 替换成 空白
    String s = matcher.replaceAll("");

    Pattern pattern1 = Pattern.compile("(.)\\1+");
    Matcher matcher1 = pattern1.matcher(s);
//    使用外部反向引用，$1 表示正则式中的第一个分组捕获的值
    String res = matcher1.replaceAll("$1");
    System.out.println(res);

}

5. 验证数字规范性

识别整数 ， 小数，负数等

• ^[-+]?([1-9]\\d*|0)(\\.\\d+)?$
  • [-+]?
    • 数字符号不一定存在
  • ([1-9\\d*|0])
    • 数字以 1 开头
    • 或以 0 开头的小数且只能由一个 0
  • (\\.\\d+)?
    • 数字的小数部分不一定存在