Java 正则表达式详解

Java 正则表达式详解

一、正则表达式基础

正则表达式（Regular Expression，简称 Regex）是一种描述字符串模式的工具，用于搜索、匹配和操作文本。在 Java 中，主要通过 java.util.regex 包中的 Pattern 和 Matcher 类实现正则表达式功能。

二、正则表达式语法

元字符：

.：匹配除换行符以外的任意单个字符。
^：匹配输入字符串的开始位置。
$：匹配输入字符串的结束位置。
*：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。

字符类：

[abc]：匹配 a、b 或 c 中的任意一个字符。
[^abc]：匹配除 a、b、c 外的任意一个字符。
[a-z]：匹配小写字母 a 到 z。
[A-Z]：匹配大写字母 A 到 Z。
[0-9]：匹配数字 0 到 9。
[a-zA-Z0-9]：匹配字母或数字。

预定义字符集：

\\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]。
\\s：匹配任何空白字符，包括空格、制表符、换页符等。
\\S：匹配任何非空白字符。
\\w：匹配包括下划线的任何字母、数字或下划线字符，等价于 [a-zA-Z0-9_]。
\\W：匹配任何非单词字符。

边界匹配：

\\b：匹配单词边界，即单词字符（如字母、数字或下划线）和非单词字符之间的位置。
\\B：匹配非单词边界。

分组与捕获：

()：捕获括号内的表达式，形成一个分组。
|：匹配左边或右边的表达式。

转义字符：

\\：用于转义特殊字符，使其失去特殊含义。在 Java 中，正则表达式中的反斜杠需要写成 \\\\，因为 Java 字符串本身也需要转义。

三、Java 中的正则表达式类

Pattern 类：

表示编译后的正则表达式模式。
没有公共构造方法，需通过静态方法 compile(String regex) 编译正则表达式。
示例：
java Pattern pattern = Pattern.compile("\\d+"); // 编译匹配一个或多个数字的正则表达式

Matcher 类：

用于对输入字符串进行匹配操作。
通过调用 Pattern 对象的 matcher(CharSequence input) 方法获取 Matcher 对象。
常用方法：
- find()：尝试在输入字符串中查找下一个匹配的子字符串。
- matches()：尝试将整个输入字符串与正则表达式进行匹配。
- group()：返回上一次匹配操作所匹配的子字符串。
- replaceAll(String replacement)：将输入字符串中所有匹配的子字符串替换为指定的字符串。
示例：
java Matcher matcher = pattern.matcher("abc123def456ghi"); while (matcher.find()) { System.out.println("找到匹配项: " + matcher.group()); // 输出: 找到匹配项: 123 找到匹配项: 456 }

四、正则表达式在 Java 中的常见应用

验证格式：

邮箱验证：
java String regex = "^[\\w.%+-]+@[\\w.-]+\\.[a-zA-Z]{2,}$"; String email = "test@example.com"; boolean isValid = email.matches(regex); // true
电话号码验证：
java String regex = "^\\d{3}-\\d{3}-\\d{4}$"; String phone = "123-456-7890"; boolean isValid = phone.matches(regex); // true

提取信息：

提取数字：
java String text = "订单123,金额456.78元"; Pattern pattern = Pattern.compile("\\d+\\.?\\d*"); Matcher matcher = pattern.matcher(text); while (matcher.find()) { System.out.println("找到数字: " + matcher.group()); // 输出: 找到数字: 123 找到数字: 456.78 }

替换文本：

日期格式转换：
java String text = "2023-05-15"; String newText = text.replaceAll("(\\d{4})-(\\d{2})-(\\d{2})", "$2/$3/$1"); // 结果: "05/15/2023"

分割字符串：

按数字分割：
java Pattern pattern = Pattern.compile("\\d+"); String input = "abc123def456ghi"; String[] parts = pattern.split(input); // 结果: ["abc", "def", "ghi"]

五、正则表达式优化技巧

使用非贪婪匹配：

贪婪匹配会尽可能多地匹配字符，而非贪婪匹配则尽可能少地匹配字符。
示例：
- 贪婪匹配：<.*>（匹配 <html>...</html> 为一个整体）
- 非贪婪匹配：<.*?>（匹配 <html> 和 </html> 分别）

使用字符类和预定义字符集：

字符类（如 [a-z]）和预定义字符集（如 \\d）比使用单独的字符或字符串更高效。
示例：
- 高效：\\d{3}-\\d{2}-\\d{4}
- 低效：[0-9][0-9][0-9]-[0-9][0-9]-[0-9][0-9][0-9][0-9]

减少回溯：

复杂的正则表达式可能导致大量的回溯，特别是当表达式中包含多个嵌套量词时。减少回溯可以显著提高匹配效率。
示例：
- 低效：(a+)+b
- 高效：a+b

编译正则表达式：

将正则表达式编译为 Pattern 对象，并重用它，而不是每次匹配时都编译。
示例：
java Pattern pattern = Pattern.compile("\\b\\w+\\b"); // 编译一次 Matcher matcher = pattern.matcher("Some text here."); while (matcher.find()) { System.out.println("Found word: " + matcher.group()); }

使用 String 类的内置方法：

对于一些简单的匹配任务，String 类的内置方法（如 contains()、startsWith() 和 endsWith()）通常比正则表达式更高效。
示例：
java String text = "Hello, world!"; boolean containsWorld = text.contains("world"); // true

六、正则表达式示例代码

验证用户名：

用户名规则：长度 3-15，由字母、数字、下划线、连字符组成。
正则表达式：^[a-z0-9_-]{3,15}$
示例：
java String regex = "^[a-z0-9_-]{3,15}$"; String username = "user_name-123"; boolean isValid = username.matches(regex); // true

验证密码：

密码规则：长度 6-20，包含至少一个数字、一个小写字母、一个大写字母和一个特殊字符（如 @#$%）。
正则表达式：((?=.*\\d)(?=.*[a-z])(?=.*[A-Z])(?=.*[@#$%]).{6,20})
示例：
java String regex = "((?=.*\\d)(?=.*[a-z])(?=.*[A-Z])(?=.*[@#$%]).{6,20})"; String password = "Pass@123"; boolean isValid = password.matches(regex); // true

提取 HTML 链接：

示例：
java String html = "<html><body><a href='https://example.com'>Example</a></body></html>"; String regex = "href=['\"](.*?)['\"]"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(html); while (matcher.find()) { System.out.println(matcher.group(1)); // 输出: https://example.com }

七、总结

正则表达式是 Java 中用于模式匹配和字符串处理的强大工具。
核心类：

Pattern：编译正则表达式。
Matcher：执行匹配操作。

常见应用：

验证格式（如邮箱、电话号码）。
提取信息（如数字、链接）。
替换文本（如日期格式转换）。
分割字符串（如按数字分割）。

优化技巧：

使用非贪婪匹配。
使用字符类和预定义字符集。
减少回溯。
编译正则表达式并重用。
对于简单任务，使用 String 类的内置方法。

发表评论取消回复