Java正则表达式笔记

正则表达式

1.概念

正则表达式，又称规则表达式。（英语：Regular Expression，在代码中常简写为regex、regexp或RE），计算机科学的一个概念。正则表通常被用来检索、替换那些符合某个模式(规则)的文本。

• 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑。
• 给定一个正则表达式和另一个字符串，我们可以达到如下的目的：
  • 1.给定的字符串是否符合正则表达式的过滤逻辑（称作“匹配”）；
  • 2.可以通过正则表达式，从字符串中获取我们想要的特定部分。（爬虫应用）
• 相关类：

java.lang.String

java.util.regex.Pattern

java.util.regex.Matcher

2.正则表达式(常见的规则)

• 两个特殊的符号'^'和'$'。他们的作用是分别指出一个字符串的开始和结束。例子如下：

//两个特殊的符号'^'和'$'。他们的作用是分别指出一个字符串的开始和结束
"^The"：表示所有以"The"开始的字符串（"There"，"The cat"等）；
"of despair$"：表示所以以"of despair"结尾的字符串；
"^abc$"：表示开始和结尾都是"abc"的字符串——呵呵，只有"abc"自己了；
"notice"：表示任何包含"notice"的字符串。
// * ? +来表示次数
"ab*"：表示一个字符串有一个a后面跟着零个或若干个b。（"a", "ab", "abbb",……）；
"ab+"：表示一个字符串有一个a后面跟着至少一个b或者更多；
"ab?"：表示一个字符串有一个a后面跟着零个或者一个b；
"a?b+$"：表示在字符串的末尾有零个或一个a跟着一个或几个b。
   
// {}指定范围
"ab{2}"：表示一个字符串有一个a跟着2个b（"abb"）；
"ab{2,}"：表示一个字符串有一个a跟着至少2个b；
"ab{3,5}"：表示一个字符串有一个a跟着3到5个b。
 
// . 可以代替任何字符  
"a.[0-9]"：表示一个字符串有一个"a"后面跟着一个任意字符和一个数字；
"^.{3}$"：表示有任意三个字符的字符串（长度为3个字符）；
方括号表示某些字符允许在一个字符串中的某一特定位置出现：
"[ab]"：表示一个字符串有一个"a"或"b"（相当于"a¦b"）；
"[a-d]"：表示一个字符串包含小写的'a'到'd'中的一个（相当于"a¦b¦c¦d"或者"[abcd]"）；
"^[a-zA-Z]"：表示一个以字母开头的字符串；
"[0-9]%"：表示一个百分号前有一位的数字；
",[a-zA-Z0-9]$"：表示一个字符串以一个逗号后面跟着一个字母或数字结束。

 可以在方括号里用'^'表示不希望出现的字符，'^'应在方括号里的第一位。
（如："%[^a-zA-Z]%"表示两个百分号中不应该出现字母）。为了逐字表达，你必须在"^.$()|*+?{\"这些字符前加上转移字符'\'。

字符类 
[abc] ----   a、b 或 c（简单类） （某一位上只能是a,b,c）
[^abc] ----   任何字符，除了 a、b 或 c（否定） 
[a-zA-Z] ----  a 到 z 或 A 到 Z，两头的字母包括在内（范围） 
[a-d[m-p]] ----  a 到 d 或 m 到 p：[a-dm-p]（并集） 
[a-z&&[def]] ----  d、e 或 f（交集） 
[a-z&&[^bc]] ----  a 到 z，除了 b 和 c：[ad-z]（减去） 
[a-z&&[^m-p]] ----  a 到 z，而非 m 到 p：[a-lq-z]（减去） 

预定义字符类 
.   ----  任何字符（与行结束符可能匹配也可能不匹配） 
\d  ----  数字：[0-9] 
\D  ----  非数字： [^0-9] 
\s  ----  空白字符：[ \t\n\x0B\f\r] 
\S  ----  非空白字符：[^\s] 
\w  ----  单词字符：[a-zA-Z_0-9] 
\W  ----  非单词字符：[^\w] 

边界匹配器 
^  ---- 行的开头    
$  ---- 行的结尾       
\b  ---- 单词边界      

\B  ---- 非单词边界 
\A ---- 输入的开头 
\G ---- 上一个匹配的结尾 
\Z ---- 输入的结尾，仅用于最后的结束符（如果有的话） 
\z ---- 输入的结尾 

Greedy 数量词 
X?  ---- X，一次或一次也没有   （举例演示）
X*  ---- X，零次或多次 
X+  ---- X，一次或多次 
X{n} ---- X，恰好 n 次 
X{n,} ---- X，至少 n 次 
X{n,m} ---- X，至少 n 次，但是不超过 m 次

3.常用操作

//1、匹配其实使用的就是String类中的matches()方法
"15115282455".matches("1[3-9]\\d{9}")
//2、切割其实使用的就是String类中的split()方法
System.out.println(Arrays.toString("lzp.is.666".split("\\.")));
System.out.println(Arrays.toString("lzp  is 666".split(" +")));
System.out.println(Arrays.toString("zhangsantttxiaowangqqqlaowangzzz".split("(.)\\1+")));    //[zhangsan, xiaowang, laowang] 重复字符出现多个时分为一组看次数来分割
//3、替换其实使用的就是String类中的replaceAll()方法
System.out.println("zhangsantttxiaowangqqqlaowangzzz".replaceAll("(.)\\1+","$1")); //zhangsantxiaowangqlaowangz  将字符串中重复的多个字符用一个字符替换

4.案例

4.1匹配手机号

String regex = "1[3-9][0-9]{9}";
String regex = "1[3-9]\\d{9}";
System.out.println("15115282455".matches(regex));

4.2匹配三个字母组成的单词

public static void main(String[] args) throws IOException {
    //获取三个字母组成的单词
    String str = "da jia hao,ming tian bu fang jia";
    //String regex = "[a-z]{3}";
    String regex = "\\b[a-z]{3}\\b";//  单词边界 \\b

    //1、将正则规则进行对象的封装
    Pattern p = Pattern.compile(regex);
    //2、通过正则对象获取匹配器对象
    Matcher m = p.matcher(str);
    //3、使用Matcher对象的方法对字符串进行操作。
    // 既然要获取三个字母组成的单词
    // 查找find();
    //    	m.find();
    //    	System.err.println(m.group());//获取匹配的子序列
    System.out.println(str);
    while(m.find()){
        System.out.println(m.group());//获取匹配的子序列
        System.out.println(m.start()+" : "+m.end());
    }
}

4.3匹配必须包含字母、数字

username.matches("[^a-z]+|[^A-Z]+|[^0-9]+")   //如果不包含大写、小写、数字中的任何一个则为true

4.4匹配身份证（自制）

idCard.matches("\\d{6}\\d{4}(([0][1-9])|([1][0-2]))(([0][1-9])|([1][0-9])|([2][0-9])|([3][0-1]))[0-9]{3}[xX0-9]")   //没考虑闰年和年份