正则表达式是一种用于匹配字符串的模式,在许多编程语言中广泛使用。Java 正则表达式提供了强大的文本处理能力,能够对字符串进行查找、替换、分割等操作。
一、正则表达式的基本语法
正则表达式由普通字符和特殊字符组成。普通字符包括字母、数字和标点符号,而特殊字符(也称为元字符)则具有特殊意义,用于构建复杂的匹配模式。
1.1 普通字符
普通字符匹配自身。例如,正则表达式 abc 匹配字符串 "abc"。
1.2 元字符
元字符是正则表达式的核心部分,用于定义复杂的匹配模式。常见的元字符包括:
- .:匹配任意一个字符(除换行符)。
- ^:匹配字符串的开始。
- $:匹配字符串的结束。
- *:匹配前一个字符零次或多次。
- +:匹配前一个字符一次或多次。
- ?:匹配前一个字符零次或一次。
- []:定义字符类,匹配其中任意一个字符。
- |:表示“或”操作。
- ():用于分组和捕获。
- {}:用于限定重复次数。
1.3 转义字符
有些字符在正则表达式中有特殊意义,如果要匹配这些字符本身,需要使用反斜杠 \ 进行转义。例如,要匹配字符 .,应使用 \.。
1.4 字符类
字符类用于定义一个字符集合,匹配其中任意一个字符。常用的字符类包括:
- [abc]:匹配字符 a、b 或 c。
- [a-z]:匹配任意一个小写字母。
- [A-Z]:匹配任意一个大写字母。
- [0-9]:匹配任意一个数字。
- [^abc]:匹配除 a、b、c 之外的任意一个字符。
1.5 预定义字符类
预定义字符类是一些常用字符类的简写形式,包括:
- \d:匹配一个数字,等价于 [0-9]。
- \D:匹配一个非数字字符,等价于 [^0-9]。
- \w:匹配一个单词字符(字母、数字或下划线),等价于 [a-zA-Z0-9_]。
- \W:匹配一个非单词字符,等价于 [^a-zA-Z0-9_]。
- \s:匹配一个空白字符(空格、制表符、换行符等),等价于 [ \t\n\x0B\f\r]。
- \S:匹配一个非空白字符,等价于 [^ \t\n\x0B\f\r]。
1.6 边界匹配符
边界匹配符用于匹配字符串中的边界位置,包括:
- \b:匹配一个单词边界。
- \B:匹配一个非单词边界。
1.7 限定符
限定符用于指定前一个字符或子模式的重复次数,包括:
- *:匹配前一个字符零次或多次。
- +:匹配前一个字符一次或多次。
- ?:匹配前一个字符零次或一次。
- {n}:匹配前一个字符恰好 n 次。
- {n,}:匹配前一个字符至少 n 次。
- {n,m}:匹配前一个字符至少 n 次,至多 m 次。
1.8 捕获组和非捕获组
捕获组用于将匹配的子模式存储起来,以便在后续操作中引用。非捕获组用于对子模式进行分组,但不存储匹配结果。
- ():捕获组。
- (?:):非捕获组。
1.9 零宽断言
零宽断言用于指定某个位置必须满足的条件,包括:
- (?=):正向先行断言。
- (?!:负向先行断言。
- (?<=):正向后行断言。
- (?二、Java 中的正则表达式 API
Java 提供了 java.util.regex 包来支持正则表达式处理,其中最重要的类是 Pattern 和 Matcher。
2.1 Pattern 类
Pattern 类表示一个正则表达式的编译表示。常用的方法包括:
- compile(String regex):编译给定的正则表达式。
- matcher(CharSequence input):创建一个匹配器对象。
2.2 Matcher 类
Matcher 类用于对输入字符串进行模式匹配操作。常用的方法包括:
- matches():整个字符串是否与正则表达式匹配。
- find():是否找到与正则表达式匹配的子字符串。
- group():返回前一次匹配的子字符串。
- replaceAll(String replacement):替换所有匹配的子字符串。
- replaceFirst(String replacement):替换第一个匹配的子字符串。
- lookingAt():是否从字符串的开头开始匹配。
三、Java 正则表达式的常见用法
3.1 字符串匹配
3.1.1 完全匹配
要判断字符串是否完全匹配某个正则表达式,可以使用 Pattern 和 Matcher 类:
String regex = "\\d+"; String input = "12345"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); boolean isMatch = matcher.matches(); System.out.println("完全匹配: " + isMatch);
3.1.2 子字符串匹配
要判断字符串中是否包含某个正则表达式匹配的子字符串,可以使用 find 方法:
String regex = "\\d+"; String input = "hello 12345 world"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); boolean found = matcher.find(); System.out.println("包含子字符串匹配: " + found);
3.2 字符串替换
正则表达式可以用于替换字符串中的匹配部分。replaceAll 和 replaceFirst 方法用于替换所有匹配的子字符串或第一个匹配的子字符串:
String regex = "\\d+"; String input = "hello 12345 world"; String replacement = "number"; String result = input.replaceAll(regex, replacement); System.out.println("替换结果: " + result);
3.3 字符串分割
正则表达式可以用于根据模式分割字符串。String 类提供了 split 方法:
String regex = "\\s+"; String input = "hello world java"; String[] parts = input.split(regex); System.out.println("分割结果: " + Arrays.toString(parts));
3.4 捕获组
捕获组用于将匹配的子模式存储起来,以便在后续操作中引用。可以使用 group 方法获取捕获组的内容:
String regex = "(\\d{3})-(\\d{2})-(\\d{4})"; String input = "123-45-6789"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); if (matcher.matches()) { String part1 = matcher.group(1); String part2 = matcher.group(2); String part3 = matcher.group(3); System.out.println("捕获组: " + part1 + ", " + part2 + ", " + part3); }
3.5 零宽断言
零宽断言用于指定某个位置必须满足的条件,但不包括在匹配结果中。以下示例展示了正向先行断言:
String regex = "foo(?=bar)"; String input = "foobar"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); while (matcher.find()) { System.out.println("零宽断言匹配: " + matcher.group()); }
四、Java 正则表达式高级应用
4.1 动态构建正则表达式
有时我们需要根据不同的输入动态构建正则表达式。可以使用 StringBuilder 来拼接正则表达式:
String basePattern = "\\d"; int minDigits = 2; int maxDigits = 4; StringBuilder regex = new StringBuilder(basePattern); regex.append("{").append(minDigits).append(",").append(maxDigits).append("}"); Pattern pattern = Pattern.compile(regex.toString()); String input = "123"; Matcher matcher = pattern.matcher(input); boolean isMatch = matcher.matches(); System.out.println("动态构建正则表达式匹配: " + isMatch);
4.2 正则表达式中的嵌套组
嵌套组用于在一个捕获组内再嵌套另一个捕获组,以下示例展示了嵌套组的用法:
String regex = "(\\d{2})((\\d{2}))"; String input = "1234"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); if (matcher.matches()) { String outerGroup = matcher.group(1); String nestedGroup = matcher.group(2); String innermostGroup = matcher.group(3); System.out.println("外部组: " + outerGroup + ", 嵌套组: " + nestedGroup + ", 最内部组: " + innermostGroup); }
4.3 分组命名和引用
Java 7 引入了分组命名功能,可以给捕获组命名,并通过名字引用:
String regex = "(?\\d{3})-(?
\\d{3})-(?
\\d{4})"; String input = "123-456-7890"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(input); if (matcher.matches()) { String areaCode = matcher.group("areaCode"); String prefix = matcher.group("prefix"); String lineNumber = matcher.group("lineNumber"); System.out.println("命名捕获组: " + areaCode + ", " + prefix + ", " + lineNumber); } 4.4 正则表达式的性能优化
在处理大型文本或复杂模式时,正则表达式的性能可能成为瓶颈。以下是一些性能优化建议:
- 避免回溯:尽量避免使用可能导致大量回溯的模式,如重复的捕获组。
- 预编译正则表达式:将正则表达式编译为 Pattern 对象,并重用该对象,而不是每次都重新编译。
- 使用非捕获组:在不需要捕获匹配内容时,使用非捕获组 (?:) 代替捕获组 ()。
4.5 正则表达式调试
调试正则表达式可能比较困难,可以使用在线工具(如 regex101)或集成开发环境(IDE)中的正则表达式调试功能来帮助理解和测试正则表达式。
掌握正则表达式可以大大提高文本处理的效率和灵活性,Java 提供的正则表达式 API 使得在程序中使用正则表达式变得简单高效。
黑马程序员免费预约咨询