java的正则表达式的使用 java正则表达式应用

文章目录

• 学习资源

• 正则表达式

• 正则表达式(REGEX)(Regular Express)

• 一、概念
• 二、元字符

• 编程语言中的正则表达式

• JavaScript
• Java
• C#

• 正则表达式的常见用法

• ip地址
• 邮箱地址
• 提取标签中的内容：以title为例
• html注释
• 网址url
• QQ号码
• 18位身份证

学习资源

书籍：正则表达式必知必会

正则表达式

正则表达式(REGEX)(Regular Express)

一、概念

正则表达式就是由普通字符以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式用来描述字符串的特征。

个人理解：正则表达式即用于检索、匹配、校验、替换字符串的文字模板。

作用

1. **检索：**通过正则表达式，从字符串中获取我们想要的部分
2. **匹配：**判断给定的字符串是否符合正则表达式的过滤逻辑
3. 替换：

正则表达式是非常复杂的，理解正则表达式能做什么(字符串匹配、字符串提取、字符串替换)，掌握常用的正则表达式用法。

3个重要的正则表达式命令

1. 在正则表达式中有三种类型的括号,[]、{}、()。中括号[]内是需要匹配的字符，大括号{}内是指定匹配字符的数量，小括号()则是用来改变优先级或分组的
2. 插入符号"^"表示正则式的开始,在[]中表示“非”
3. 美元符号"$"表示正则式的结束
   eg：Regex obj = new Regex("[a-z]{10}]");//搜索长度为10的a-z的英文字母

二、元字符

. 除\n以外的任意的单个字符		注：有且只有一个
[] 字符组：[]表示在字符组中罗列出来的字符，任意取单个。		eg：a[^a-zA-Z王]b		-表示范围，-在第一位时只表示一个字符，不表示元字符;^表示排除
以下是通配符：
| 表示“或”的意思			正则表达式尽量减少“|”的使用，“|”越多，越消耗性能
* 表示限定前面的表达式出现0次或者多次
+ 表示限定前面的表达式一次或多次，至少一次
? 表示限定前面的表达式出现0次或1次	
		注意.与*、+、？的区别
{} 指定匹配字符的数量		eg：[0-9]{8}		[a-z]{4,}

贪婪型量词和懒惰型量词

• +、*和?也叫作量词
• 区别

• 前者会尽可能多地匹配，后者会尽可能少的匹配
• 贪婪型会尽可能从一段文本的开头匹配到结尾，懒惰型碰到第一个匹配后就会停止

贪婪型量词	懒惰型量词
*	*?
+	+?
{n,}	{n,}?

eg：

文本
this offer is not available to customers living in <b>AK</b> and <b>HI</b>

正则表达式	贪婪型
<[Bb]>.*<\/[Bb]>
结果：一处匹配	<b>AK</b> and <b>HI</b>

正则表达式	懒惰型
<[Bb]>.*?<\/[Bb]>
结果：两处匹配	<b>AK</b>		<b>HI</b>

[0-9]	\d		\D取余
[A-Za-z0-9_]	\w		\W取余
[\f\n\r\t\v]	\s	表示所有不可见字符		\S取余
\b单词边界		\B取余.	\b匹配的是字符之间的一个位置：一边是能够被\w匹配的字母数字和下划线，另一边是能够被\W匹配的字符

\x	十六进制
\o	八进制
\uxxxx匹配Unicode编码

注：要想完全匹配，必须要加^和$

反向引用

反向引用：子表达式用来定义字符或表达式的集合。除了可以用于重复匹配，还可以在模式的内部被引用，这种引用被称为反向引用。

eg：查找重复单词

this is a block of of text

正则表达式：[ ]+(\w+)[ ]+\1

this is a block of of text

\1表示匹配模式中所使用的第一个子表达式，\2,\3…以此类推

• 可以把反向引用想象成变量
• 反向引用只能用来引用括号里的子表达式
• 反向引用匹配通常从1开始计数看，\0可以用来代表整个正则表达式

eg：匹配正确的标题标签内容

<h3>fasd</h3>
<h2>fasd</h3>

<[Hh](1-6)>.*?</[Hh]\1>

环视(lookaround)

环视：该模式是为了找出正确的匹配，而其自身不属于最终的匹配结果。分为向前查看和向后查看。环视可以更精细地控制最终的返回结果

• 所有语言都支持向前查看，java支持向后查看，js不支持向后查看
• 向前查看模式长度可变，比较灵活；向后查看只能是固定长度
• 否定式环视，即不包含

种类	说明
(?=)	肯定式向前查看
(?!)	否定式向前查看
(?<=)	肯定式向后查看
(?<!)	否定式向后查看

eg：提取url的协议部分

http://www.baidu.com
https://mail.forta.com
ftp://ftp.baidu.com

正则表达式：.*(?=:)

http😕/www.baidu.com
https😕/mail.forta.com
ftp😕/ftp.baidu.com

结果中就不包含“:”

eg:结合向前查看和向后查看，提取标题中的文本内容（不包含标题）

<title>dfshal</title>

正则表达式：(?<=\<[Tt][Ii][Tt][Ll][Ee]).*(?=</[Tt][Ii][Tt][Ll][Ee]>)

<title>dfshal</title>

编程语言中的正则表达式

JavaScript

两种创建方式：

1. 直接量

var reg = /abc/im;
	i:ingoreCase
	g:global，全局匹配（查找所有匹配而非在找到第一个匹配后停止）
	m:multiline，执行多行匹配

1. new RegExp(“正则表达式”);

reg.test(),检测是否匹配

str.match(reg),返回匹配数组

Java

java.util.regex包

• Pattern 正则表达式的编译表示

• compile 编译一个正则表达式为Pattern对象
• matcher 用Pattern对象匹配一个字符串，返回匹配结果

• Matcher

• Index Methods(位置方法) //start(),start(int group),end(),end(int group)
• Search Methods(查找方法) //lookingAt(),find(),find(int start),matches()

• lookingAt()//部分匹配
• matches()//完全匹配

• Replacement Methods(替换方法) //replaceAll(String replacement)

eg

private static final String REGEX = "\\bdog\\b";//\b表示边界private static final String INPUT = "dog dog dog doggie dogg";public static void main(String[] args) {    //检查字符串里面有多少个dog    Pattern p = Pattern.compile(REGEX);    Matcher m = p.matcher(INPUT);    int count = 0;    while (m.find()) {        count++;        System.out.println("count = " + count);        System.out.println("m = " + m.start());        System.out.println("m.end() = " + m.end());    }}

private static final String REGEX = "Foo";private static final String INPUT = "Foooooooo";private static Pattern pattern;private static Matcher matcher;public static void main(String[] args) {    //Initialize    pattern = Pattern.compile(REGEX);    matcher = pattern.matcher(INPUT);    System.out.println("REGEX = " + REGEX);    System.out.println("INPUT = " + INPUT);    System.out.println("matcher.lookingAt() = " + matcher.lookingAt());//部分匹配    System.out.println("matcher.matches() = " + matcher.matches());//完全匹配}

private static String REGEX = "a*b";//*表示限定前面的a可以有0或多个private static String INPUT = "aabfooaabfooabfoobcdd";private static String REPLACE = "-";public static void main(String[] args) {    Pattern pattern = Pattern.compile(REGEX);    Matcher matcher = pattern.matcher(INPUT);    StringBuffer stringBuffer = new StringBuffer();    //全部替换    while (matcher.find()) {        matcher.appendReplacement(stringBuffer, REPLACE);    }    //将最后的尾巴字符串附加上    matcher.appendTail(stringBuffer);    System.out.println("stringBuffer.toString() = " + stringBuffer.toString());}

private static String REGEX="dog";private static String INPUT="The dog says meow.All dogs say meow.";private static String REPLACE="cat";public static void main(String[] args) {    Pattern pattern=Pattern.compile(REGEX);    Matcher matcher=pattern.matcher(INPUT);    INPUT=matcher.replaceAll(REPLACE);//将所有的dog换成cat    System.out.println("INPUT = " + INPUT);}

C#

添加引用

using System.Text.RegularExpressions;

常用方法

IsMacth():	用来判断给定的字符串是否匹配某个正则表达式Match():	用来从给定的字符串中按照正则表达式的要求提取【一个】匹配的字符串		一般字符串提取不加^和$Matches():	【所有】匹配的字符串Replace():	替换字符串

Match.Value表示本次提取到的字符串Match.Groups集合中存储的就是所有的分组信息Match.Groups[0].Value	表示这次提取的整个字符串Match.Groups[1].Value	表示这次提取的字符串中的第一个分组字符串

正则表达式的常见用法

ip地址

(((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))\.){3}((\d{1,2})|(1\d{2})|(2[0-4]\d)|(25[0-5]))

邮箱地址

(\w+\.)*\w+@(\w+\.)+[A-Za-z]+

提取标签中的内容：以title为例

(?<=\<[Tt][Ii][Tt][Ll][Ee]).*(?=\<\[Tt][Ii][Tt][Ll][Ee]>)

html注释

(?<=\<!--\s*).*(?=\s*-->)

网址url

[a-zA-z]+://[^\s]*

QQ号码

[1-9][0-9]{4,}

18位身份证

^(\d{6})(\d{4})(\d{2})(\d{2})(\d{3})([0-9]|X)$