浅谈Java正则表达式
正则表达式我们都知道,它定义了字符串的模式,可以用来搜索、编辑或处理文本。我们在某些特定场景中用起来是非常方便的。它等于是给我们划定了一个范围,让我们可以精准的匹配到我们想要的结果。比如我想判断一个几十页的文件中是不是含有邮箱地址,如果用传统的方法,我还要从头到尾遍历筛选一遍,工作量很大,但有了正则我们就可以划定模式去判断,非常之方便。正则表达式并不仅限于某一种语言,但是在每种语言中有细微的差别。下面我就正则表达式在Java中的应用来举例说明其基本用法。
浅谈正则表达式
1.正则表达式可以用来干什么
光说什么是正则表达式,有人就有疑问了。那他到底能用来干什么,现在我就先举一例,然后再慢慢给大家说:
就比如现在我判断一堆字符串中是不是包含有数字,那么就可以用正则来做:
@Test
public void test1(){
String s = "fsjkdhfgjh666hgdfshjhahaksgefj";
System.out.println(s.matches("^.*[\\d+].*$"));
}
证明有数字,也确实有。
但你也许说了,我将字符串遍历一遍啊,然后逐个判断,不也能找到吗?当然能啊。对于这样一个字符串那当然可以这样做。但是如果我们面对的是一本书呢?我想判断一本书里有没有身份证号,首先我不确定这个身份证号是多少(当然肯定是18位),那你怎么稿?总不能将这本书从头到尾遍历一遍吧,那工作量相当大。而且你也不知道具体是多少,那这时候,正则表达式的优势就出来了。我可以划定一个规则去检索。这大大的提高了我们的开发效率。
2.如何使用正则表达式
那么正则表达式如何去使用呢。
首先我给大家列个表:
1.正则表达式元字符
字符 | 描述 |
---|---|
\ | 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如,‘n’ 匹配字符 “n”。’\n’ 匹配一个换行符。序列 ‘\’ 匹配 “” 而 “(” 则匹配 “(”。 |
^ | 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性,^ 也匹配 ‘\n’ 或 ‘\r’ 之后的位置。 |
$ | 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性,$ 也匹配 ‘\n’ 或 ‘\r’ 之前的位置。 |
* | 匹配前面的子表达式零次或多次。例如,zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}。 |
+ | 匹配前面的子表达式一次或多次。例如,‘zo+’ 能匹配 “zo” 以及 “zoo”,但不能匹配 “z”。+ 等价于 {1,}。 |
? | 匹配前面的子表达式零次或一次。例如,“do(es)?” 可以匹配 “do” 或 “does” 。? 等价于 {0,1}。 |
{n} | n 是一个非负整数。匹配确定的 n 次。例如,‘o{2}’ 不能匹配 “Bob” 中的 ‘o’,但是能匹配 “food” 中的两个 o。 |
{n,} | n 是一个非负整数。至少匹配n 次。例如,‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’,但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。 |
{n,m} | m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。 |
? | 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如,对于字符串 “oooo”,‘o+?’ 将匹配单个 “o”,而 ‘o+’ 将匹配所有 ‘o’。 |
. | 匹配除换行符(\n、\r)之外的任何单个字符。要匹配包括 ‘\n’ 在内的任何字符,请使用像"(.|\n)"的模式。 |
(pattern) | 匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在JScript 中则使用 $0…$9 属性。要匹配圆括号字符,请使用 ‘(’ 或 ‘)’。 |
(?:pattern) | 匹配 pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。这在使用 “或” 字符 (|) 来组合一个模式的各个部分是很有用。例如, 'industr(?:y|ies) 就是一个比 ‘industry|industries’ 更简略的表达式。 |
(?=pattern) | 正向肯定预查(look ahead positive assert),在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如,“Windows(?=95|98|NT|2000)“能匹配"Windows2000"中的"Windows”,但不能匹配"Windows3.1"中的"Windows”。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?!pattern) | 正向否定预查(negative assert),在任何不匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。例如"Windows(?!95|98|NT|2000)“能匹配"Windows3.1"中的"Windows”,但不能匹配"Windows2000"中的"Windows"。预查不消耗字符,也就是说,在一个匹配发生后,在最后一次匹配之后立即开始下一次匹配的搜索,而不是从包含预查的字符之后开始。 |
(?<=pattern) | 反向(look behind)肯定预查,与正向肯定预查类似,只是方向相反。例如,"(?<=95|98|NT|2000)Windows “能匹配”2000Windows “中的”Windows ",但不能匹配"3.1Windows “中的”Windows "。 |
(?<!pattern) | 反向否定预查,与正向否定预查类似,只是方向相反。例如"(?<!95|98|NT|2000)Windows “能匹配”3.1Windows “中的”Windows ",但不能匹配"2000Windows “中的”Windows "。 |
x|y | 匹配 x 或 y。例如,‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”。 |
[xyz] | 字符集合。匹配所包含的任意一个字符。例如, ‘[abc]’ 可以匹配 “plain” 中的 ‘a’。 |
[^xyz] | 负值字符集合。匹配未包含的任意字符。例如, ‘[^abc]’ 可以匹配 “plain” 中的’p’、‘l’、‘i’、‘n’。 |
[a-z] | 字符范围。匹配指定范围内的任意字符。例如,’[a-z]’ 可以匹配 ‘a’ 到 ‘z’ 范围内的任意小写字母字符。 |
[^a-z] | 负值字符范围。匹配任何不在指定范围内的任意字符。例如,’[^a-z]’ 可以匹配任何不在 ‘a’ 到 ‘z’ 范围内的任意字符。 |
\b | 匹配一个单词边界,也就是指单词和空格间的位置。例如, ‘er\b’ 可以匹配"never" 中的 ‘er’,但不能匹配 “verb” 中的 ‘er’。 |
\B | 匹配非单词边界。‘er\B’ 能匹配 “verb” 中的 ‘er’,但不能匹配 “never” 中的 ‘er’。 |
\cx | 匹配由 x 指明的控制字符。例如, \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则,将 c 视为一个原义的 ‘c’ 字符。 |
\d | 匹配一个数字字符。等价于 [0-9]。 |
\D | 匹配一个非数字字符。等价于 [^0-9]。 |
\f | 匹配一个换页符。等价于 \x0c 和 \cL。 |
\n | 匹配一个换行符。等价于 \x0a 和 \cJ。 |
\r | 匹配一个回车符。等价于 \x0d 和 \cM。 |
\s | 匹配任何空白字符,包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 |
\S | 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。 |
\t | 匹配一个制表符。等价于 \x09 和 \cI。 |
\v | 匹配一个垂直制表符。等价于 \x0b 和 \cK。 |
\w | 匹配字母、数字、下划线。等价于’[A-Za-z0-9_]’。 |
\W | 匹配非字母、数字、下划线。等价于 ‘[^A-Za-z0-9_]’。 |
\xn | 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如,’\x41’ 匹配 “A”。’\x041’ 则等价于 ‘\x04’ & “1”。正则表达式中可以使用 ASCII 编码。 |
\num | 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。例如,’(.)\1’ 匹配两个连续的相同字符。 |
\n | 标识一个八进制转义值或一个向后引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为向后引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。 |
\nm | 标识一个八进制转义值或一个向后引用。如果 \nm 之前至少有 nm 个获得子表达式,则 nm 为向后引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的向后引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。 |
\nml | 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。 |
\un | 匹配 n,其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如, \u00A9 匹配版权符号 (?)。 |
转自原地址。表中已经列的挺详细了。那么在Java中我们应该如何使用呢,这里我就一些比较常用的再举例说明一下:
2.直接通过字符串方法去使用
目前String类支持正则的方法有以下几种:
.replaceAll() 替换全部
.replaceFirst() 替换第一个
.split() 将字符串劈分成数组
.matches() 判断字符串是否与给定的模式匹配
下面我顺便带着一些常用的元字符,一一举例:
@Test
public void test2(){
// . 一个 . 代表一个任意符号,所以四个点匹配四个
System.out.println("a4^-".matches("....")); //true 此句表示匹配四个任意字符
// - 表示范围 如 a-z 0-9
// [] 字符集 匹配里面包含的任意字符 如 [0-9]匹配从0-9之间任意数字一个
System.out.println("h".matches("a-z")); //false 此句直接写表示并列 a 或 - 或 z
System.out.println("h".matches("[a-z]")); //true 表示[] 内的字符任意一个
// ^ $ 表示开头和结尾
System.out.println("a4^-".matches("^....$")); //true
// * 取值长度范围 表示0个到多个 {0,} 属于量词
System.out.println("a4^-".matches(".*")); //true 此句表示匹配任意长度任意符号
// + 取值长度范围 表示0个到多个 {1,} 属于量词
System.out.println("123".matches("[0-9]+")); //true 此句表示最少匹配一个数字
System.out.println("abc".matches("[0-9]+")); //false
// ? 取值长度范围 表示0个到多个 {0,1} 属于量词
System.out.println("8".matches("[0-9]?")); //true 此句表示 匹配 0 个或者 1 个数字
System.out.println("88".matches("[0-9]?")); //false 两个,超出范围
// {m,n} 取值长度范围 m个到n个
System.out.println("12345".matches("[0-9]{4,8}")); // true表示数字长度在4-8之间
System.out.println("123".matches("[0-9]{4,8}")); // False 不在范围内
// \d 数字 与[0-9]相同
// \D 非数字
System.out.println("123".matches("\\d+")); //true 注意这里用两个\\是因为在Java中单个\是转义符
System.out.println("abc".matches("\\D+")); //true
//举例: 判断字符串中有没有数字
System.out.println("zdjghj9jd".matches(".*\\d+.*"));//true 前后.*是因为我们不确定前后字符数量
// | 或 前后跟要匹配的字符
//举例说明:判断字符串是不是以
System.out.println("123".matches("[0-9]+|[a-z]+")); //true
System.out.println("abc".matches("[0-9]+|[a-z]+")); //true
System.out.println("abc123".matches("[0-9]+|[a-z]+")); //false
// ^ 注意,放在字符集里面表示取反
System.out.println("abc".matches("[0-9]+")); //false
System.out.println("abc".matches("[^0-9]+")); //true 与\D+相同
// () 分组操作
System.out.println("food".matches("(f|z).*")); //true
System.out.println("zood".matches("(f|z).*")); //true
System.out.println("hood".matches("(f|z).*")); //false
//另外,需要记住汉字的格式 \u4e00-\u9fa5
//举例:判断字符串中有没有汉字
System.out.println("abhhj会更好hu".matches(".*[\\u4e00-\\u9fa5]+.*")); //true
}
上面的例子我都用了matches做例子,下面我再简单对另外三种方法举例:
@Test
public void test3() {
//split()
//举例:将下面字符串按数字劈分成数组,不保留数字
String s = "abc123hello6world101java";
String[] ss = s.split("\\d+");
System.out.println(Arrays.toString(ss)); //[abc, hello, world, java]
//replaceAll() 替换所有的
//举例:替换字符串中所有的连续数字为"java"
String s1 = "hello123c++456world789python";
System.out.println(s1.replaceAll("[\\d]+","java")); //hellojavac++javaworldjavapython
//replaceFirst() 替换第一个
String s2 = "javajavajava";
System.out.println(s2.replaceFirst("java","hello")); //hellojavajava
}
3.通过Pattern
和Matcher
类去使用
对于Java来说,使用正则肯定离不开类,我们一般用的多的就是Pattern
和Matcher
,通过这两个类我们可以很方便的去使用正则表达式。
他的一般使用格式如下:
@Test
public void test4() {
String s = "123abc";
Pattern p = Pattern.compile("[0-9a-z]+"); //编译一个正则
Pattern p2 = Pattern.compile("[0-9a-z]+", Pattern.CASE_INSENSITIVE); //编译一个正则 第二个参数表示不区分大小写
Matcher m = p.matcher(s); //传入一个字符串与正则进行匹配,结果存放在Matcher对象中,我们可以通过其方法去操作这个结果
}
其中若Pattern编译时传入第二个参数,则相当于我们指定了修饰符。可供我们选择的有(内容来自API文档):
那么我们在通过Matcher类拿到结果后,其也给我们提供了一些方法供我们去使用,常用的有一下几种:
matches() 尝试将整个区域与模式进行匹配。
find() 尝试找到匹配模式的输入序列的下一个子序列。
group() 返回与上一个匹配匹配的输入子序列。
其中find()方法常与group()连用,下面一一举例使用:
@Test
public void test5() {
//matches() 尝试将整个输入序列与模式进行匹配
//例子:判断字符串是否存在数字,用法与String的matches()类似
String s = "abd56jgh";
Pattern p = Pattern.compile(".*\\d.*");
Matcher m = p.matcher(s);
System.out.println(m.matches()); //true
//find() 与 group()
//举例:在字符串中找到所有的连续字母并输出
String s1 = "123java%&^hello687*&^email _python";
Pattern p1 = Pattern.compile("[a-z]+", Pattern.CASE_INSENSITIVE);
Matcher m1 = p1.matcher(s1);
while (m1.find()) {
System.out.println(m1.group());
// java
// hello
// email
// python
}
}
4.贪婪模式与禁用贪婪
何谓贪婪模式呢?简单来说就是我们在匹配字符串的时候,尽可能的按照最大长度去匹配。一般默认的就是贪婪模式,比如我有这样一个字符串:
@Test
public void test6() {
//举例:筛选出<div></div>标签内包含的内容
String s = "<div>hello</div><html>hello</html><div>hello 15</div>";
Pattern p = Pattern.compile("<div>(.*)</div>");
Matcher m = p.matcher(s);
while(m.find()){
System.out.printf("%s\t",m.group(1));
// hello</div><html>hello</html><div>hello 15
}
}
可以看到,程序直接把最外层的div截取了,可是这不是我们想要的,我们想要的是把里面的每一个小的div都截取出来。这是因为程序默认按照贪婪模式来走的,就是能截取大的,不截取小的。
那么如何禁用贪婪模式呢?
所谓禁用贪婪模式,就是非贪婪模式,有的地方也叫懒惰模式。但他所表达的意思都一样,就是能截取小的,不截取大的。
那么如何实现?我们还以上面例子举例:
@Test
public void test6() {
//举例:筛选出<div></div>标签内包含的内容
String s = "<div>hello</div><html>hello</html><div>hello 15</div>";
Pattern p = Pattern.compile("<div>(.*)</div>"); //贪婪模式
Matcher m = p.matcher(s);
while(m.find()){
System.out.printf("%s\t",m.group(1));
// hello</div><html>hello</html><div>hello 15
}
System.out.println();
Pattern p1 = Pattern.compile("<div>(.*?)</div>"); //禁用贪婪模式
Matcher m1 = p1.matcher(s);
while(m1.find()){
System.out.println(m1.group(1));
//hello
//hello 15
}
}
很简单,在想要匹配的长度后面加上?
,就能禁用贪婪
注意:
?
一定要加在量词后面,否则?
表示的含义是{0,1}
5.利与弊
正则真的就如此万能吗?既然正则使用起来如此方便,那是不是以后在处理所有的有关字符串问题时,都优先考虑正则呢?
显然不是。
实际上随着系统的日益更新,有时候使用正则反而会拖慢我们程序的运行速度,像.*这种贪婪匹配符号很容易造成大量的回溯,性能有时候会有上百万倍的下降。
那么我们究竟应该在哪些情况下去使用呢?
我们知道,正则是给我们划定一个模式,我们可以通过这个模式去匹配字符串。比如我们想搜索一个姓名,我们只知道他姓李,叫啥不知道,这时候当然是使用正则方便,但如果我们明确的知道这个人叫“李四”,那通过indexOf()岂不是更方便一些吗?还不容易出错。
而且正则在有些情境下也不是很适用,比如我想判断一个人的年龄是不是在18~30岁之间,这通过正则就很麻烦了。
简而言之,正则只是给我们提供一种解决问题的思路,让我们在某些情境下可以出奇的高效,我们大可不必过度使用。具体问题还要具体分析。
本文仅发表个人看法,如有纰漏还请评论区指正。大家一起探讨学习。
浅谈Java正则表达式的更多相关文章
- 浅谈Java的throw与throws
转载:http://blog.csdn.net/luoweifu/article/details/10721543 我进行了一些加工,不是本人原创但比原博主要更完善~ 浅谈Java异常 以前虽然知道一 ...
- 浅谈Java中的equals和==(转)
浅谈Java中的equals和== 在初学Java时,可能会经常碰到下面的代码: 1 String str1 = new String("hello"); 2 String str ...
- 浅谈Java中的对象和引用
浅谈Java中的对象和对象引用 在Java中,有一组名词经常一起出现,它们就是“对象和对象引用”,很多朋友在初学Java的时候可能经常会混淆这2个概念,觉得它们是一回事,事实上则不然.今天我们就来一起 ...
- 浅谈Java中的equals和==
浅谈Java中的equals和== 在初学Java时,可能会经常碰到下面的代码: String str1 = new String("hello"); String str2 = ...
- 浅谈JAVA集合框架
浅谈JAVA集合框架 Java提供了数种持有对象的方式,包括语言内置的Array,还有就是utilities中提供的容器类(container classes),又称群集类(collection cl ...
- 浅谈java性能分析
浅谈java性能分析,效能分析 在老师强烈的要求下做了效能分析,对上次写过的词频统计的程序进行分析以及改进. 对于效能分析:我个人很浅显的认为就是程序的运行效率,代码的执行效率等等. java做性能测 ...
- 浅谈Java中的深拷贝和浅拷贝(转载)
浅谈Java中的深拷贝和浅拷贝(转载) 原文链接: http://blog.csdn.net/tounaobun/article/details/8491392 假如说你想复制一个简单变量.很简单: ...
- !! 浅谈Java学习方法和后期面试技巧
浅谈Java学习方法和后期面试技巧 昨天查看3303回复33 部落用户大酋长 下面简单列举一下大家学习java的一个系统知识点的一些介绍 一.java基础部分:java基础的时候,有些知识点是非常重要 ...
- 浅谈Java中的深拷贝和浅拷贝
转载: 浅谈Java中的深拷贝和浅拷贝 假如说你想复制一个简单变量.很简单: int apples = 5; int pears = apples; 不仅仅是int类型,其它七种原始数据类型(bool ...
随机推荐
- python自动化适应多接口的断言怎么做?
最近做的接口自动化,遇到了很多模块的接口,返回的断言不太相同,在放在unnitest单元测试框架+ddt数据驱动,做参数时,发现不能只通过一个方式进行断言,那么,要怎么做才能做到适配当前所有接口的断言 ...
- spring security 登出操作 详细说明
1.前言 这里专门 做 spring security 登出操作 的 详细记录 2.操作 (1)目录结构 (2)在security 拦截规则配置文件添加退出登录支持 源码 package com.e ...
- Word2010制作日历
原文: https://www.toutiao.com/i6494876164157342222/ 最终效果: 设置页面纸张为"横向". 选择"页面布局"选项卡 ...
- nuxt 相关
https://github.com/xuqiang521/nuxt-ssr-demo https://www.cnblogs.com/laozhang-is-phi/p/10249248.html ...
- 获取js代码运行的时间
console.time('yue') //代码部分 console.timeEnd('yue')
- 信不信由你!iPhone6屏幕宽度不一定是375px,iPhone6 Plus屏幕宽度不一定是414px
看到这个题目你可能不信,引出这个问题的缘由是几次项目中Chrome模拟器和iPhone6真机预览效果不一致. 为什么在Chrome Emulation模拟手机页面和真机预览效果不一致? 以前觉得不外乎 ...
- BitMap算法知识笔记以及在大数据方向的使用
概述 所谓的BitMap算法就是位图算法,简单说就是用一个bit位来标记某个元素所对应的value,而key即是该元素,由于BitMap使用了bit位来存储数据,因此可以大大节省存储空间,这是很常用的 ...
- Api自动生成
如果经常对接api, 可以自己写一个自动化生成代码,提高效率 只抛出一个思路,暂不提供源码 使用json+字符串处理+生成文件 发送一个请求,返回字符串转换为 Newtonsoft.Json.Linq ...
- 2022年最新黑苹果monterey安装efi分享
最新版本monterey 12.1 安装. 配置: 名称 型号 备注 主板 Gigabyte Z490M Gaming X 内存 威刚万紫千红DDR4 2666 16G x 2 两条16G 插2 ...
- 豆瓣爬虫——通过json接口获取数据
最近在复习resqusts 爬虫模块,就重新写了一个豆瓣爬虫,这个网页从HTML 源码上来看是没有任何我想要的信息的,如下图所示: 这是网页视图,我在源码中查找影片信息,没有任何信息,如图: 由此我判 ...