一、概述
正則表達式是一串描述一個字符序列的字符，可以用來查找其他字符序列中的匹配項。支持正則表達式處理的是兩個類：Pattern和Matcher，使用Pattern定義正則表達式，使用Matcher匹配其他序列中的模式。
二、創建正則表達式
創建正則表達式就是創建一個特殊的字符串。
正則表達式的編譯表達形式：指定為字符串的正則表達式必須首先被編譯為此類的實例，然后將得到的模式用於創建Matcher對象。執行匹配所涉及的所有狀態都駐留在匹配器中，多個匹配器可以共享同一模式。
public class Test { public static void main(String[] args) { Pattern pat=Pattern.compile("a*b"); Matcher mat=pat.matcher("aaaaab"); if(mat.matches()) { System.out.print("匹配"); } } }
上述代碼等同於
if("aaaaab".matches("a*b")) { System.out.print("匹配"); }
Pattern對象可以多次使用，如果某個正則表達式只需要一次使用，可直接使用Pattern類的靜態matches方法。
正則表達式的構造摘要：
| 構造 | 匹配 |
|---|---|
| 字符 | |
| x | 字符 x |
| \\ | 反斜線字符 |
| \0n | 帶有八進制值 0 的字符 n (0 <= n <= 7) |
| \0nn | 帶有八進制值 0 的字符 nn (0 <= n <= 7) |
| \0mnn | 帶有八進制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7） |
| \xhh | 帶有十六進制值 0x 的字符 hh |
| \uhhhh | 帶有十六進制值 0x 的字符 hhhh |
| \t | 制表符 ('\u0009') |
| \n | 新行（換行）符 ('\u000A') |
| \r | 回車符 ('\u000D') |
| \f | 換頁符 ('\u000C') |
| \a | 報警 (bell) 符 ('\u0007') |
| \e | 轉義符 ('\u001B') |
| \cx | 對應於 x 的控制符 |
| 字符類 | |
| [abc] | a、b 或 c（簡單類） |
| [^abc] | 任何字符，除了 a、b 或 c（否定） |
| [a-zA-Z] | a 到 z 或 A 到 Z，兩頭的字母包括在內（范圍） |
| [a-d[m-p]] | a 到 d 或 m 到 p：[a-dm-p]（並集） |
| [a-z&&[def]] | d、e 或 f（交集） |
| [a-z&&[^bc]] | a 到 z，除了 b 和 c：[ad-z]（減去） |
| [a-z&&[^m-p]] | a 到 z，而非 m 到 p：[a-lq-z]（減去） |
| 預定義字符類 | |
| . | 任何字符（與行結束符可能匹配也可能不匹配） |
| \d | 數字：[0-9] |
| \D | 非數字： [^0-9] |
| \s | 空白字符：[ \t\n\x0B\f\r] |
| \S | 非空白字符：[^\s] |
| \w | 單詞字符：[a-zA-Z_0-9] |
| \W | 非單詞字符：[^\w] |
| 邊界匹配器 | |
| ^ | 行的開頭 |
| $ | 行的結尾 |
| \b | 單詞邊界 |
| \B | 非單詞邊界 |
| \A | 輸入的開頭 |
| \G | 上一個匹配的結尾 |
| \Z | 輸入的結尾，僅用於最后的結束符（如果有的話） |
| \z | 輸入的結尾 |
| Greedy 數量詞 | |
| X? | X，一次或一次也沒有 |
| 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，但是不超過 m 次 |
| Reluctant 數量詞 | |
| X?? | X，一次或一次也沒有 |
| 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，但是不超過 m 次 |
| Possessive 數量詞 | |
| X?+ | X，一次或一次也沒有 |
| 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，但是不超過 m 次 |
| Logical 運算符 | |
| XY | X 后跟 Y |
| X|Y | X 或 Y |
| (X) | X，作為捕獲組 |
正則表達式支持的數量標識符有如下幾種模式：
Greedy(貪婪模式)：默認情況下數量表示符采用貪婪模式，該方式會一直匹配下去直到無法匹配為止。
Reluctant(勉強模式)：用問號后綴(?)表示。它只會匹配最少的字符。
Possessive(占有模式)：用加號后綴(+)表示，一般較少使用。
eg:
public class RegExp { public static void main(String[] args) { Pattern pat1=Pattern.compile("\\w.*ab"); Pattern pat2=Pattern.compile("\\w.*?ab"); Matcher mat1=pat1.matcher("bbbbab aaab jjjjj is"); Matcher mat2=pat2.matcher("bbbbab aaab jjjjj is"); System.out.println("-----貪婪模式-------"); while(mat1.find()) { System.out.println(mat1.group()); //貪婪模式下會一直匹配，輸出"bbbbab aaab" } System.out.println("-----勉強模式-------"); while(mat2.find()) { System.out.println(mat2.group()); //勉強模式下會最小匹配，輸出"bbbbab '換行' aaab" } } }
輸出結果：
三、使用正則表達式
Pattern類沒有定義構造函數，是在調用compile()方法時創建模式。
Matcher類也沒有構造函數，而是調用Pattern定義的matches方法時創建一個Matcher，只要創建了Mather就可以使用它的方法執行各種模式匹配操作。
每個方法都返回一個表示成功或者失敗的布爾值。通過查詢匹配器的狀態可以獲取更多關於成功匹配的信息。
Matcher類提供了很多常用的方法，下面代碼簡單進行解釋其用法：
public class RegExp { public static void main(String[] args) { Pattern pat=Pattern.compile("\\w.*?ab"); Matcher mat=pat.matcher("bbbbab aa isabc"); if(mat.matches())//嘗試將整個區域與模式匹配 { System.out.println("模式匹配"); } else { System.out.println("模式不匹配"); } mat.reset();//重置匹配器 while(mat.find()) //嘗試查找與該模式匹配的輸入序列的下一個子序列 { System.out.println(mat.group());//返回由以前匹配操作所匹配的輸入子序列 System.out.println("開始位置："+mat.start()+"---"+"結束位置："+mat.end());//start()返回以前匹配的初始索引,end()返回最后匹配字符之后的偏移量 } mat.reset(); if(mat.lookingAt())//嘗試將從區域開頭開始的輸入序列與該模式匹配 { System.out.println("模式匹配"); } else { System.out.println("模式不匹配"); } } }
運行結果：
此外，還可以利用正則表達式對目標字符串進行分割、查找、替換等操作。
eg：
public class Test { public static void main(String[] args) { Pattern pat=Pattern.compile("\\w.*?ab"); Matcher mat=pat.matcher("bbbbab aa isabc"); System.out.println(mat.replaceAll("替換后"));//替換模式與給定替換字符串相匹配的輸入序列的每個子序列 System.out.println(mat.replaceFirst("替換后"));// 替換模式與給定替換字符串匹配的輸入序列的第一個子序列 Pattern p=Pattern.compile("[ , . !]");//圍繞此模式的匹配拆分給定輸入序列 String[] str=p.split("one two,alpha9!done.");//遇到空格、逗號、頓號和感嘆號就分割並將結果保存在str字符串數組中 for(int i=0;i<str.length;i++) System.out.println(str[i]); } }
打印結果為：
四、正則表達式的簡單應用
1、打印某頁面中出現的所有郵箱地址
public class EmailReg { public static void main(String[] args) { BufferedReader br=null; try { br=new BufferedReader(new FileReader("C:\\Users\\Administrator\\Desktop\\resource2.html")); String line=""; while((line=br.readLine())!=null) { parse(line); } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { if(br!=null) { try { br.close(); br=null; } catch (IOException e) { e.printStackTrace(); } } } } private static void parse(String line) { Pattern pat=Pattern.compile("\\w{3,20}+@\\w+\\.(com|org|cn|net|gov)"); Matcher mat=pat.matcher(line); while(mat.find()) { System.out.println(mat.group()); } } }
2、統計某文件夾的.java文件的代碼行數、注釋行數、空白行行數
import java.io.BufferedReader; import java.io.File; import java.io.FileNotFoundException; import java.io.FileReader; import java.io.IOException; public class WordCount { static long wordsNumber=0; static long emptyNumber=0; static long zhushiNumber=0; public static void main(String[] args) { File f=new File("D:\\src\\"); //文件夾地址 File[] codeFiles=f.listFiles(); for(File child:codeFiles) { if(child.getName().matches(".*\\.java$")) //如果是.java文件，則進行處理 { parse(child);//處理單個文件 } } System.out.println("注釋的行數為："+zhushiNumber); System.out.println("空行的行數為："+emptyNumber); System.out.println("代碼行的行數為："+wordsNumber); } private static void parse(File child) { BufferedReader br=null; boolean comment=false; String line=""; try { br=new BufferedReader(new FileReader(child)); while((line=br.readLine())!=null) { line=line.trim(); if(line.matches("^[\\s&&[^\\n]]*$")) //匹配空行 emptyNumber++; else if (line.startsWith("/*") && !line.endsWith("*/")) //以/*開頭，不以*/結尾，表明有多行注釋 { zhushiNumber ++; comment = true; } else if (line.startsWith("/*") && line.endsWith("*/")) //以/*開頭，並且以*/結尾 { zhushiNumber ++; } else if (true == comment) { zhushiNumber ++; if(line.endsWith("*/")) { comment = false; } } else if (line.startsWith("//")) //以//結尾為注釋行 { zhushiNumber ++; } else wordsNumber++; } } catch (IOException e) { // TODO 自動生成的 catch 塊 e.printStackTrace(); } } }
運行結果圖：
五、常用表達式總結
此部分內容為轉載，來自：http://www.cnblogs.com/zxin/archive/2013/01/26/2877765.html。
1、校驗數字的表達式
1 數字：^[0-9]*$
2 n位的數字：^\d{n}$
3 至少n位的數字：^\d{n,}$
4 m-n位的數字：^\d{m,n}$
5 零和非零開頭的數字：^(0|[1-9][0-9]*)$
6 非零開頭的最多帶兩位小數的數字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 帶1-2位小數的正數或負數：^(\-)?\d+(\.\d{1,2})?$
8 正數、負數、和小數：^(\-|\+)?\d+(\.\d+)?$
9 有兩位小數的正實數：^[0-9]+(.[0-9]{2})?$
10 有1~3位小數的正實數：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整數：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的負整數：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非負整數：^\d+$ 或 ^[1-9]\d*|0$
14 非正整數：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非負浮點數：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮點數：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮點數：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 負浮點數：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮點數：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
2、校驗字符的表達式
1 漢字：^[\u4e00-\u9fa5]{0,}$
2 英文和數字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 長度為3-20的所有字符：^.{3,20}$
4 由26個英文字母組成的字符串：^[A-Za-z]+$
5 由26個大寫英文字母組成的字符串：^[A-Z]+$
6 由26個小寫英文字母組成的字符串：^[a-z]+$
7 由數字和26個英文字母組成的字符串：^[A-Za-z0-9]+$
8 由數字、26個英文字母或者下划線組成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、數字包括下划線：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、數字但不包括下划線等符號：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以輸入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止輸入含有~的字符：[^~\x22]+
3、特殊需求表達式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手機號碼：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 電話號碼("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 國內電話號碼(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份證號(15位、18位數字)：^\d{15}|\d{18}$
8 短身份證號碼(數字、字母x結尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帳號是否合法(字母開頭，允許5-16字節，允許字母數字下划線)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密碼(以字母開頭，長度在6~18之間，只能包含字母、數字和下划線)：^[a-zA-Z]\w{5,17}$
11 強密碼(必須包含大小寫字母和數字的組合，不能使用特殊字符，長度在8-10之間)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12個月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一個月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 錢的輸入格式：
16 1.有四種錢的表示形式我們可以接受:"10000.00" 和 "10,000.00", 和沒有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
17 2.這表示任意一個不以0開頭的數字,但是,這也意味着一個字符"0"不通過,所以我們采用下面的形式：^(0|[1-9][0-9]*)$
18 3.一個0或者一個不以0開頭的數字.我們還可以允許開頭有一個負號：^(0|-?[1-9][0-9]*)$
19 4.這表示一個0或者一個可能為負的開頭不為0的數字.讓用戶以0開頭好了.把負號的也去掉,因為錢總不能是負的吧.下面我們要加的是說明可能的小數部分：^[0-9]+(.[0-9]+)?$
20 5.必須說明的是,小數點后面至少應該有1位數,所以"10."是不通過的,但是 "10" 和 "10.2" 是通過的：^[0-9]+(.[0-9]{2})?$
21 6.這樣我們規定小數點后面必須有兩位,如果你認為太苛刻了,可以這樣：^[0-9]+(.[0-9]{1,2})?$
22 7.這樣就允許用戶只寫一位小數.下面我們該考慮數字中的逗號了,我們可以這樣：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3個數字,后面跟着任意個 逗號+3個數字,逗號成為可選,而不是必須：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 備注：這就是最終結果了,別忘了"+"可以用"*"替代如果你覺得空字符串也可以接受的話(奇怪,為什么?)最后,別忘了在用函數時去掉去掉那個反斜杠,一般的錯誤都在這里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正則表達式：[\u4e00-\u9fa5]
27 雙字節字符：[^\x00-\xff] (包括漢字在內，可以用來計算字符串的長度(一個雙字節字符長度計2，ASCII字符計1))
28 空白行的正則表達式：\n\s*\r (可以用來刪除空白行)
29 HTML標記的正則表達式：<(\S*?)[^>]*>.*?</\1>|<.*? /> (網上流傳的版本太糟糕，上面這個也僅僅能部分，對於復雜的嵌套標記依舊無能為力)
30 首尾空白字符的正則表達式：^\s*|\s*$或(^\s*)|(\s*$) (可以用來刪除行首行尾的空白字符(包括空格、制表符、換頁符等等)，非常有用的表達式)
31 騰訊QQ號：[1-9][0-9]{4,} (騰訊QQ號從10000開始)
32 中國郵政編碼：[1-9]\d{5}(?!\d) (中國郵政編碼為6位數字)
33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址時有用)
34 IP地址：((?:(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d)\\.){3}(?:25[0-5]|2[0-4]\\d|[01]?\\d?\\d))