Java正则表达式完全指南 - 教程

Java正则表达式完全指南

• • 一、正则表达式基础概念
  • • 正则表达式就是1.1 什么
    • 1.2 Java中的正则表达式协助
  • 二、正则表达式基础语法
  • • 2.1 普通字符
    • 2.2 元字符
    • 2.3 预定义字符类
  • 三、Java中正则表达式的基本用法
  • • 3.1 编译正则表达式
    • 3.2 创建Matcher对象并执行匹配
    • 3.3 常用的Matcher方法
  • 四、正则表达式高级应用
  • • 4.1 分组与捕获
    • 4.2 反向引用
    • 4.3 贪婪匹配与非贪婪匹配
    • 4.4 零宽断言
  • 五、正则表达式在实际制作中的应用
  • • 5.1 表单验证
    • • 邮箱验证
      • 手机号验证
      • 身份证号码验证
    • 5.2 文本替换
    • • 替换HTML标签
      • 敏感词过滤
    • 5.3 文本分割
    • • 按逗号或空格分割
      • 按数字分割
  • 六、正则表达式性能优化
  • 七、常见问题与注意事项
  • 总结

正则表达式（Regular Expression，简称Regex）是一种强大的文本处理工具，它可以帮助开发者高效地进行字符串匹配、查找、替换和分割等操作。在Java中正则表达式的应用场景极为广泛，从简单的表单验证到复杂的文本解析，都离不开正则表达式的支持。即使之前我也讲过正则表达式，但过于通用，今天本文将专门全面介绍Java中正则表达式的相关知识，从基础语法到高级应用，并结合丰富实例代码，带你深入理解和掌握这一强大工具。

一、正则表达式基础概念

1.1 什么是正则表达式

正则表达式是一种由字符和特殊符号组成的模式，用于描述字符串的特定格式规则。通过使用正则表达式，可以：

• 检查字符串是否符合特定格式（如邮箱、手机号）
• 从文本中提取感兴趣的内容（如URL、数字）
• 替换文本中的特定部分
• 将文本按特定规则分割

1.2 Java中的正则表达式支撑

Java通过java.util.regex包提供对正则表达式的支持，主要涉及以下三个类：

• Pattern类：用于编译正则表达式，将正则表达式字符串编译为模式对象。
• Matcher类：用于执行匹配操作，对输入字符串进行解释和匹配操作。
• PatternSyntaxException类：用于处理正则表达式语法错误的异常类。

二、正则表达式根本语法

2.1 普通字符

普通字符包括没有显式指定为元字符的所有可打印和不可打印字符，它们直接匹配自身。例如：

• abc匹配字符串 “abc”
• 123匹配字符串 “123”

2.2 元字符

正则表达式中具有特殊含义的字符，常用的元字符及其含义如下：就是元字符

元字符	描述
.	匹配除换行符以外的任意字符
^	匹配字符串的开始位置
$	匹配字符串的结束位置
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
{n}	匹配前面的子表达式恰好n次
{n,}	匹配前面的子表达式至少n次
{n,m}	匹配前面的子表达式至少n次，至多m次
[]	匹配方括号中指定的任意一个字符
[^]	匹配不在方括号中指定的任意一个字符
()	标记一个子表达式的开始和结束位置
|	表示或关系，匹配两个或多个选项之一

2.3 预定义字符类

为了简化常用字符类的定义，Java提供了一些预定义字符类：

预定义字符类	等价表达式	描述
\d	[0-9]	匹配一个数字字符
\D	[^0-9]	匹配一个非数字字符
\w	[a-zA-Z_0-9]	匹配一个单词字符（字母、数字、下划线）
\W	[^a-zA-Z_0-9]	匹配一个非单词字符
\s	[ \t\n\x0B\f\r]	匹配一个空白字符（空格、制表符、换行符等）
\S	[^ \t\n\x0B\f\r]	匹配一个非空白字符

三、Java中正则表达式的基本用法

3.1 编译正则表达式

在Java中利用正则表达式，首先需要将正则表达式字符串编译为Pattern对象：

import java.util.regex.Pattern ; public class RegexExample { public static void main(String[] args) { // 编译正则表达式 Patternpattern= Pattern.compile("a.*c" ) ; } }

3.2 创建Matcher对象并执行匹配

编译后的Pattern对象用于创建Matcher对象，之后凭借Matcher对象执行匹配操作：

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class RegexExample { public static void main(String[] args) { // 编译正则表达式 Patternpattern= Pattern.compile("a.*c" ) ; // 创建Matcher对象 Matchermatcher=pattern.matcher("abc" ) ; // 执行匹配操作 booleanisMatch=matcher.matches( ) ; System.out.println("是否匹配: " +isMatch) ; // 输出: true } }

3.3 常用的Matcher手段

• matches()：尝试将整个输入序列与模式匹配。
• find()：在输入序列中查找下一个匹配的子序列。
• group()：返回当前匹配的子序列。
• start()：返回当前匹配的子序列的起始索引。
• end()：返回当前匹配的子序列的结束索引加1。

示例代码：

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class RegexExample { public static void main(String[] args) { String input = "Hello, world! Hello, Java!" ; Patternpattern= Pattern.compile("Hello" ) ; Matchermatcher=pattern.matcher(input) ; // 查找所有匹配项 while (matcher.find( ) ) { System.out.println("匹配到: " +matcher.group( ) + ", 起始位置: " +matcher.start( ) + ", 结束位置: " +matcher.end( ) ) ; } } }

输出结果：

匹配到: Hello , 起始位置: 0 , 结束位置: 5 匹配到: Hello , 起始位置: 14 , 结束位置: 19

四、正则表达式高级应用

4.1 分组与捕获

使用圆括号()行将正则表达式中的部分内容分组，每个分组行被单独捕获和引用。分组编号从1开始，0表示整个匹配结果。

示例：匹配并提取邮箱地址中的用户名和域名

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class GroupExample { public static void main(String[] args) { String email = "test.user@example.com" ; String regex = "([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+\\.[a-zA-Z]{2,})" ; Patternpattern= Pattern.compile(regex) ; Matchermatcher=pattern.matcher(email) ; if (matcher.matches( ) ) { System.out.println("完整匹配: " +matcher.group(0 ) ) ; // 整个匹配结果 System.out.println("用户名: " +matcher.group(1 ) ) ; // 第一组 System.out.println("域名: " +matcher.group(2 ) ) ; // 第二组 } } }

输出结果：

完整匹配: test.user@example.com 用户名: test.user 域名:example.com

4.2 反向引用

在正则表达式中，可以运用\n（n为数字）引用前面已经捕获的分组。例如，匹配重复的单词：

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class BackreferenceExample { public static void main(String[] args) { String text = "hello hello world world" ; String regex = "\\b(\\w+)\\s+\\1\\b" ; Patternpattern= Pattern.compile(regex) ; Matchermatcher=pattern.matcher(text) ; while (matcher.find( ) ) { System.out.println("重复的单词: " +matcher.group( ) ) ; } } }

输出结果：

重复的单词:hello hello 重复的单词:world world

4.3 贪婪匹配与非贪婪匹配

• 贪婪匹配：默认情况下，正则表达式的量词（如*、+、{n,m}）是贪婪的，会尽可能多地匹配字符。
• 非贪婪匹配：在量词后面加上?，可能将贪婪匹配转换为非贪婪匹配，尽可能少地匹配字符。

示例：

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class GreedyVsNonGreedy { public static void main(String[] args) { String text = "<html><body><h1>Hello</h1></body></html>" ; // 贪婪匹配 StringgreedyRegex= "<.*>" ; PatterngreedyPattern= Pattern.compile(greedyRegex) ; MatchergreedyMatcher=greedyPattern.matcher(text) ; if (greedyMatcher.find( ) ) { System.out.println("贪婪匹配: " +greedyMatcher.group( ) ) ; } // 非贪婪匹配 StringnonGreedyRegex= "<.*?>" ; PatternnonGreedyPattern= Pattern.compile(nonGreedyRegex) ; MatchernonGreedyMatcher=nonGreedyPattern.matcher(text) ; while (nonGreedyMatcher.find( ) ) { System.out.println("非贪婪匹配: " +nonGreedyMatcher.group( ) ) ; } } }

输出结果：

贪婪匹配: <html><body><h1>Hello< /h1> < /body> < /html> 非贪婪匹配: <html> 非贪婪匹配: <body> 非贪婪匹配: <h1> 非贪婪匹配: < /h1> 非贪婪匹配: < /body> 非贪婪匹配: < /html>

4.4 零宽断言

零宽断言用于在特定位置匹配某些内容，但不涵盖匹配的内容本身。Java支持四种零宽断言：

断言类型	语法	描述
正向先行断言	(?=pattern)	匹配后面跟着pattern的位置
负向先行断言	(?!pattern)	匹配后面不跟着pattern的位置
正向后行断言	(?<=pattern)	匹配前面是pattern的位置
负向后行断言	(?<!pattern)	匹配前面不是pattern的位置

示例：匹配所有以"ing"结尾的单词

import java.util.regex.Matcher ; import java.util.regex.Pattern ; public class LookaroundExample { public static void main(String[] args) { String text = "running jumping swimming" ; String regex = "\\b\\w+(?=ing\\b)" ; Patternpattern= Pattern.compile(regex) ; Matchermatcher=pattern.matcher(text) ; while (matcher.find( ) ) { System.out.println("匹配到: " +matcher.group( ) ) ; } } }

输出结果：

匹配到: run 匹配到: jump 匹配到: swim

五、正则表达式在实际制作中的应用

5.1 表单验证

正则表达式常用于表单验证，确保用户输入的数据符合预期格式。

邮箱验证

public static boolean isValidEmail(String email) { String regex = "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$" ; return Pattern.matches(regex, email) ; }

手机号验证

public static boolean isValidPhone(String phone) { String regex = "^1[3-9]\\d{9}$" ; return Pattern.matches(regex, phone) ; }

身份证号码验证

public static boolean isValidIdCard(StringidCard) { String regex = "^[1-9]\\d{5}(18|19|20)\\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\\d|3[01])\\d{3}[0-9Xx]$" ; return Pattern.matches(regex,idCard) ; }

5.2 文本替换

使用正则表达式可以方便地进行文本替换操作。

替换HTML标签

public static String removeHtmlTags(String html) { String regex = "<[^>]+>" ; return html.replaceAll(regex, "" ) ; }

敏感词过滤

public static String filterSensitiveWords(String text) { String[]sensitiveWords= { "敏感词1" , "敏感词2" , "敏感词3" } ; String regex = String.join("|" ,sensitiveWords) ; return text.replaceAll(regex, "***" ) ; }

5.3 文本分割

使用正则表达式允许按复杂规则分割文本。

按逗号或空格分割

public static String[] splitText(String text) { String regex = "[,\\s]+" ; return text.split(regex) ; }

按数字分割

public static String[] splitByNumbers(String text) { String regex = "\\d+" ; return text.split(regex) ; }

六、正则表达式性能优化

1. 编译一次，多次使用：避免在循环中重复编译相同的正则表达式，应将编译后的Pattern对象缓存并复用。
2. 简化正则表达式：复杂的正则表达式会降低匹配效率，尽量采用方便、明确的表达式。
3. 避免过度使用回溯：贪婪匹配和反向引用可能导致大量回溯，影响性能。
4. 优先使用String类的方法：对于便捷的字符串操控，如startsWith()、endsWith()、indexOf()等，应优先使用String类的办法，比正则表达式效率更高。

七、常见问题与注意事项

1. 转义字符挑战：在Java字符串中使用正则表达式时，需注意转义字符。例如，匹配点号.需要写成\\.，匹配反斜杠\需要写成\\\\。
2. 性能问题：复杂的正则表达式可能导致性能问题，特定是在处理大量信息时。
3. 边界问题：使用^和$时要注意是否需要匹配整个字符串，还是只需要匹配部分内容。
4. Unicode支持：Java默认支持Unicode字符，但在处理非ASCII字符时需要特别注意。

总结

正则表达式是Java中强大的文本处理工具，掌握正则表达式的根本语法和Java中的运用方法，对于提高字符串处理效率和开发质量至关重要。本文从基础概念入手，详细介绍了正则表达式的语法、Java中的API运用、高级应用场景以及性能优化等方面的内容，希望你在今后熟练启用尽量掌握。

若这篇内容帮到你，动动手指支持下！关注不迷路，干货持续输出！
ヾ(´∀ ˋ)ﾉヾ(´∀ ˋ)ﾉヾ(´∀ ˋ)ﾉヾ(´∀ ˋ)ﾉヾ(´∀ ˋ)ﾉ