JavaSe系列二十七: Java正则表达式

正则表达式

为什么要学习正则表达式
再提几个问题
解决之道-正则表达式
正则表达式基本介绍
- 介绍
正则表达式底层实现
- 实例分析
正则表达式语法
- 基本介绍
- 元字符-转义号 \\\\
- 元字符-字符匹配符
- 元字符-选择匹配符
- 元字符-限定符
- 元字符-定位符
- 分组
- 非贪婪匹配
应用实例
- 对字符串进行如下验证
正则表达式三个常用类
分组, 捕获, 反向引用
- 提出需求
- 介绍
- 看几个小案例
- 经典的结巴程序
String类中使用正则表达式
- 替换功能
- 判断功能
- 分割功能
本章作业

在这里插入图片描述

为什么要学习正则表达式

1.新建java项目chapter27

在这里插入图片描述

2.新建E:\idea_project\zzw_javase\idea_java_project\chapter27\src\com\zzw\regexp\Regexp_.java

public class Regexp_ {
    public static void main(String[] args) {
        String content = "私有地址（Private address）属于非注册地址，专门为组织机构内部使用。\n" +
                "以下列出留用的内部私有地址\n" +
                "A类 10.0.0.0--10.255.255.255\n" +
                "B类 172.16.0.0--172.31.255.255\n" +
                "C类 192.168.0.0--192.168.255.255";

        //1.先创建一个Pattern对象(模式对象), 可以理解成就是一个正则表达式对象
        //(1)提取文章中所有的英文单词 -> 传统方法, 使用遍历, 代码量大
        Pattern pattern = Pattern.compile("[a-zA-Z]+");
        //(2)提取文章中所有的数字
        //Pattern pattern = Pattern.compile("[0-9]+");
        //(3)提取文章中所有的英文单词和数字
        //Pattern pattern = Pattern.compile("[a-zA-Z0-9]+");

        //2.创建一个匹配器对象
        //  matcher 匹配器按照 pattern(模式/样式) 到content中去查找/匹配
        Matcher matcher = pattern.matcher(content);
        //3.开始循环匹配
        while (matcher.find()) {
            //匹配内容/文本, 放到matcher.group(0)
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

3.结论：正则表达式是处理文本的利器.

再提几个问题

1.给你一个字符串(或文章), 请你找你所有四个数字连在一起的子串?

2.给你一个字符串(或文章), 请你找出所有四个数字连在一起的子串, 并且这四个数字要满足: 第一位与第四位相同, 第二位与第三位相同. 比如: 1221, 3443.

3.请验证输入的邮件, 是否符合电子邮件格式.

4.请验证输入的手机号, 是否符合手机号格式.

解决之道-正则表达式

1.为了解决上述问题, Java提供了正则表达式技术, 专门用于处理类似文本问题.

2.简单地说: 正则表达式是对字符串执行模式匹配的技术.

3.正则表达式: regular expression => RegExp

正则表达式基本介绍

介绍

1.一个正则表达式, 就使用某种模式去匹配字符串的一个公式. 很多人认为它们看上去比较古怪而且复杂所以不敢去使用. 不过, 经过练习后, 就觉得这些复杂的表达式写起来还是相当简单的, 而且, 一旦你弄懂它们, 你就能把数小时辛苦而且易错的文本处理工作缩短在几分钟(甚至几秒钟)内完成.

2.这里特别强调, 正则表达式不是只有java才有, 实际上很多编程语言都支持正则表达式进行字符串操作!

正则表达式底层实现

实例分析

需求: 为了让大家对正则表达式底层实现有一个直观的印象, 给大家举个实例. 给你一段字符串(文本), 请找出所有四个数字连在一起的子串. 比如, 应该找到 2000, 1998, 2012, 2020.

分析底层实现

1.新建src/com/zzw/regexp/RegTheory.java

//分析java正则表达式的底层实现
public class RegTheory {
    public static void main(String[] args) {
        String content = "1998 年 12 月 8 日，第二代 Java 平台的企业版 J2EE 发布。1999 年 6 月，Sun 公司发布了\" +\n" +
                "\"第二代 Java 平台（简称为 Java2）的 3 个版本：J2ME（Java2 Micro Edition，Java2 平台的微型\" +\n" +
                "\"版），应用于移动、无线及有限资源的环境；J2SE（Java 2 Standard Edition，Java 2 平台的\" +\n" +
                "\"标准版），应用于桌面环境；J2EE（Java 2Enterprise Edition，Java 2 平台的企业版），应\" +\n" +
                "\"用 3443 于基于 Java 的应用服务器。Java 2 平台的发布，是 Java 发展过程中最重要的一个\" +\n" +
                "\"里程碑，标志着 Java 的应用开始普及 9889 \"";

        //目标: 匹配所有四个数字
        //说明
        //1. \\d表示一个任意的数字
        String regStr = "(\\d\\d)(\\d\\d)";
        //2. 创建模式对象[即正则表达式对象]
        Pattern pattern = Pattern.compile(regStr);
        //3. 创建匹配器
        //说明: 创建匹配器 matcher, 按照正则表达式的规则 去匹配 content 字符串
        Matcher matcher = pattern.matcher(content);
        //4. 开始循环匹配
        /**
         * matcher.find() 完成的任务(这里考虑分组)
         * 什么是分组, 比如 (\d\d)(\d\d), 正则表达式中有()表示分组, 第1个()表示第1组, 第2个()表示第2组...
         * 1.根据指定的规则, 定位满足规则的子字符串(比如(19)(98))
         * 2.找到后, 将子字符串的开始与结束的索引, 记录到 matcher 对象的属性 int[] groups;
         *   (1) groups[0] = 0, 把该子字符串(1998)结束的索引+1 的值记录到 groups[1] = 4
         *   (2) 记录第1组()匹配到的字符串 groups[2] = 0, gourps[3] = 2
         *   (3) 记录第2组()匹配到的字符串 groups[4] = 2, groups[5] = 4
         *   (4) 如果有更多的分组...
         * 3.同时记录oldLast的值为 子字符串的结束的索引+1的值, 即 4, 即下次执行find时, 就从 4 开始匹配
         *
         * matcher.group(0)分析
         * 源码:
         * public String group(int group) {
         *     if (first < 0)
         *         throw new IllegalStateException("No match found");
         *     if (group < 0 || group > groupCount())
         *         throw new IndexOutOfBoundsException("No group " + group);
         *     if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
         *         return null;
         *     return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
         * }
         * 1.根据groups[0]=0 和 groups[1]=4 记录的位置, 从content开始到截取子字符串返回
         * , 就是[0,4) 包含0但是不包含索引为35的位置
         *
         * 2.如果再次指向 find 方法, 仍然按上面分析来执行
         */
        while (matcher.find()) {
            /**
             * 小结
             * 1.如果正则表达式有(), 即分组
             * 2.去除匹配的字符串规则如下
             * (1)group(0) 表示匹配到的子字符串
             * (2)group(1) 表示匹配到的子字符串的第一组子串
             * (3)group(2) 表示匹配到的子字符串的第二组子串
             * (4)分组的数不能越界...
             */
            System.out.println("找到: " + matcher.group(0));
            System.out.println("第1组()匹配到的值=" + matcher.group(1));
            System.out.println("第2组()匹配到的值=" + matcher.group(2));
        }
    }
}

在这里插入图片描述

正则表达式语法

基本介绍

如果要想灵活地运用正则表达式，必须了解其中各种元字符的功能，元字符从功能上大致分为：

1.限定符
2.选择匹配符
3.分组组合和反向引用符
4.特殊字符
5.字符匹配符
6.定位符

元字符-转义号 \\

\\ 符号说明: 在我们使用正则表达式去检索某些特殊字符的时候，需要用到转义符号, 否则检索不到结果，甚至会报错的。

案例：用 $ 去匹配 “abc$(” 会怎样?

提示: 在Java正则表达式中, 两个 \\ 代表其它语言中的一个 \

1.新建src/com/zzw/regexp/RegExp02.java

//演示转义字符的使用
public class RegExp02 {
    public static void main(String[] args) {
        String content = "abc$(a.bc(123( )";
        //匹配 ( => \\(
        //String regStr = "\\(";
        //匹配 . => \\.
        //String regStr = "\\.";
        //匹配 3个数字 => \\d\\d\\d
        //String regStr = "\\d\\d\\d";
        String regStr = "\\d{3}";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

2.需要用到转移符号的字符有以下: . * + ( ) $ / \ ?[ ] ^ { }

元字符-字符匹配符

符号	含义	示例	解释
[ ]	可接收的字符列表	[abcd]	a、b、c、d中的任意一个字符
[ ^ ]	不可接收的字符列表	[^abcd]	除a、b、c、d外的任意一个字符（包括数字和特殊符号）
-	连字符	A-Z	任意单个大写字母

符号	含义	示例	解释	匹配输入
.	匹配除 \n 以外的任何字符	a..b	以a开头,b结尾,中间包括2个任意字符的长度为4的字符串	accb, a22b, a$#b
\\d	匹配单个数字字符, 相当于[0-9]	\d{3}(\d)?	包含3个或4个数字的字符串	123,1234
\\D	匹配单个非数字字符, 相当于[^0-9]	\\D(\\d)*	以单个非数字字符开头,后接任意个数字字符串	e1231, E332
\\w	匹配单个数字, 大小写字母字符,相当于[0-9a-zA-Z]	\d{3}\w{4}	以3个数字字符开头的长度为7的数字字符串	123qwer, 12345qw
\\W	匹配单个非数字,大小写字母字符,相当于[^0-9a-zA-Z]	\\W+\\d{2}	以至少一个非数字字母开头,2个数字字符结尾的字符串	#12, #$#@32

1.新建src/com/zzw/regexp/RegExp03.java

//演示字符匹配符的使用
public class RegExp03 {
    public static void main(String[] args) {
        String content = "a11c8abc _ABCy @";
        //String regStr = "[a-z]";//匹配a-z之间任意一个字符
        
        //String regStr = "[A-Z]";//匹配A-Z之间任意一个字符
        
        //String regStr = "abc";//匹配abc字符串[默认区分大小写]
        
        //(?i) 是一个模式修饰符，表示不区分大小写（ignore case）
        //String regStr = "(?i)abc";//匹配abc字符串[不区分大小写]
        
        //String regStr = "[0-9]";//匹配0-9之间任意一个字符
        
        //String regStr = "[^a-z]";//匹配不在a-z之间任意一个字符
        
        //String regStr = "[^0-9]";//匹配不在0-9之间任意一个字符
        
        //String regStr = "[abcd]";//匹配abcd中任意一个字符
        
        //String regStr = "\\D";//匹配不在0-9的任意一个字符
        
        //String regStr = "\\w";//匹配一个大小写英文字母,数字,下划线
        
        //String regStr = "\\W";//匹配,等价于[^0-9a-zA-Z]
        
        //String regStr = "\\s";//\\s 匹配任何空白字符(空格,制表符等)
        
        //String regStr = "\\S";//\\S 匹配任何非空白字符,和\\s相反
        
        String regStr = ".";// . 匹配除\n之外的所有单个字符, 如果要匹配本身则使用\\.


        //注意: 当创建Pattern对象时, 指定 Pattern.
        Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

注意：
String regStr = "."只会匹配一个字符
String regStr = ".*"则会匹配任意个字符

元字符-选择匹配符

在匹配某个字符串的时候是选择性的，即：即可以匹配这个，有可以匹配那个，这时需要使用到选择匹配符号 |

1.新建src/com/zzw/regexp/RegExp04.java

//演示选择匹配符的使用
public class RegExp04 {
    public static void main(String[] args) {
        String content = "abcde赵志伟love赵培竹";
        String regStr = "赵|伟|培|竹";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

输出
找到: 赵
找到: 伟
找到: 赵
找到: 培
找到: 竹

元字符-限定符

用于指定其前面的字符和组合连续出现多少次

符号	含义	示例	解释	匹配输入
*	指定字符重复0次或n次（无要求，零到多）	(abc)*	仅包含任意个abc的字符串, 等效于\w*	abc, abcabca
+	指定字符重复1次或n次(至少一次, 一到多)	m+(abc)*	以至少一个m开头, 后接任意个abc的字符串	m,mabc,mabcabc
?	指定字符重复0次或1次(最多一次, 零到一)	m+abc?	以至少一个m开头, 后接ab或abc的字符串	mab, mabc,mmab, mmabc
{n}	只能输入n个字符	[abcd]{3}	由abcd中任意字母组成的长度为3的字符串	aac, dbc, adc
{n,}	至少指定n个匹配	[abcd]{3,}	由abcd中任意字母组成的长度不小于3的字符串	aab, dbc, abcada
{n,m}	指定至少n个但不多于m个匹配	[abcd]{3,5}	由abcd中任意字母组成的长度不小于3,不大于5的字符串	abc, abcd, abaaa, bbbbb

1.新建src/com/zzw/regexp/RegExp05.java

//演示限定符的使用
public class RegExp05 {
    public static void main(String[] args) {
        String content = "a211111aaaaaahello";

        //String regStr = "a{3}";//匹配 aaa
        //String regStr = "1{4}";//匹配 1111
        //String regStr = "\\d{2}";//匹配 两位任意数字字符

        //细节: java匹配默认是贪婪匹配, 即尽可能匹配多的
        //String regStr = "a{3,4}";//表示匹配 aaa或者aaaa
        //String regStr = "1{4,5}";//表示匹配 1111或11111
        //String regStr = "\\d{2,5}";//表示匹配 两位任意数字字符 或者三位,四位,五位


        //String regStr = "1+";//表示匹配1个或多个1
        //String regStr = "\\d+";//表示匹配一个数字或多个数字
        //String regStr = "1*";//表示匹配0个或多个1

        //演示?的使用, 遵守贪婪匹配
        String regStr = "a1?";//匹配 a或者a1

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

元字符-定位符

定位符, 规定要匹配的字符串出现的位置, 比如在字符串的开始还是在结束的位置, 必须掌握.

符号	含义	示例	解释	匹配输入
^	指定起始字符	^[0-9]+[a-z]*	以至少一个数字开头, 后接任意个小写字符的字符串	123,6aa,555edf
$	指定结束字符	^[0-9]\-[a-z]+$	以一个数字开头后接连字符"=" 并以至少一个小写字母结尾的字符串	1-a
\\b	匹配目标字符串的边界	wei\\b	这里说的字符串的边界指的是子串间有空格或者是目标字符串的结束位置
\\B	匹配目标字符串的非边界	wei\\B	和\\b的含义正好相反

                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               1.新建`src/com/zzw/regexp/RegExp06.java`

//演示定位符的使用
public class RegExp06 {
    public static void main(String[] args) {
        String content = "hanshunping sphan nnhan";
        //String content = "123-abc";

        //以至少一个数字字符开头, 后接任意个小写字母
        //String regStr = "^[0-9]+[a-z]*$";
        //以至少一个数字字符开头, 以至少一个小写字母结束(体现了贪婪匹配)
        //String regStr = "^[0-9]+\\-[a-z]+$";

        //表示匹配边界的han
        // (这里的边界是指: 被匹配的字符串最后, 也可以是空格的子字符串的最后)
        /*
        找到: han
        找到: han
         */
        //String regStr = "han\\b";

        //和\\b的含义刚刚相反
        /*
        找到: han
        找到: han
         */
        String regStr = "\\Bhan";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

分组

常用分组构造形式	说明
(pattern)	非命名捕获. 捕获匹配的子字符串. 编号为零的第一个捕获是由整个正则表达式模式匹配的文本. 其它捕获结果则根据左括号的顺序从1开始自动编号.
(?<name>pattern)	命名捕获, 将匹配的子字符串捕获到一个组名称或编号名称中. 用于name的字符串不能包含任何标点符号, 并且不能以数字开头, 可以使用单引号替代尖括号. 例如 (?‘name’)
(?:pattern)	匹配 pattern 但不捕获该匹配的子表达式, 即它是一个非捕获匹配, 不存储供以后使用的匹配. 这对于用"or"字符 (\|) 组合模式部件的情况很有用. 例如: 'industr(?:y\|ies) 是比 industry\|industries更经济的表达式.
(?=pattern)	它是一个非捕获匹配. 例如: Windows (?=95\|98\|NT\|2000) 匹配 Windows 2000 中的 Windows, 但不匹配 Windows 3.1 中的 Windows
(?!pattern)	该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串. 它是一个非捕获匹配. 例如, Windows (?!95\|98\|NT\|2000) 匹配 Windows 3.1 中的 Windows, 但不匹配 Windows 2000 中的 Windows

1.新建src/com/zzw/regexp/RegExp07.java

public class RegExp07 {
    public static void main(String[] args) {
        String content = "zhaozhiwei s2012 nihao1015zhao";

        //下面就是非命名分组
        //说明
        //1. matcher.group(0) 得到匹配到的字符串
        //2. matcher.group(1) 得到匹配到的字符串的第1个分组内容
        //3. matcher.group(2) 得到匹配到的字符串的第2个分组内容

        //String regStr = "(\\d\\d)(\\d\\d)";//匹配4个数字的字符串
        //命名分组: 即可以给分组取名
        String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
            System.out.println("第1个分组内容: " + matcher.group(1));
            System.out.println("第2个分组内容: " + matcher.group(2));

            System.out.println("第一个分组内容[通过组名]: " + matcher.group("g1"));
            System.out.println("第二个分组内容[通过组名]: " + matcher.group("g2"));
        }
    }
}

2.新建src/com/zzw/regexp/RegExp08.java

//演示非捕获分组, 语法比较奇怪
public class RegExp08 {
    public static void main(String[] args) {

        String content = "hello 周杰伦歌手 hello 周杰伦导演 hello 周杰伦老师 hello 周杰伦演员 hello 周杰伦baby";

        //找到: 周杰伦歌手, 周杰伦导演, 周杰伦老师, 周杰伦演员, 周杰伦baby
        //String regStr = "周杰伦歌手|周杰伦导演|周杰伦老师周杰伦演员|周杰伦baby";
        //下面的写法可以等价非捕获分组. 注意: 不能 matcher.group(1)
        //String regStr = "周杰伦(?:歌手|导演|老师|演员|baby)";

        //找到 周杰伦 这个关键词, 但是要求只是查找周杰伦歌手, 周杰伦演员 中包含的周杰伦
        //下面也是非捕获分组, 不能使用 matcher.group(1)
        //String regStr = "周杰伦(?=歌手|演员)";

        //找到 周杰伦 这个关键词, 但是要求只是查找 不是 (周杰伦歌手 和 周杰伦演员) 中包含的周杰伦
        //下面也是非捕获分组, 不能使用 matcher.group(1)
        String regStr = "周杰伦(?!歌手|演员)";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

在这里插入图片描述

非贪婪匹配

1.新建com.zzw.regexp.RegExp09.java

public class RegExp09 {
    public static void main(String[] args) {
        String content = "hello1111111 ok";
        //String regStr = "\\d+";//默认是贪婪匹配
        String regStr = "\\d+?";//非贪婪匹配

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

应用实例

对字符串进行如下验证

1.汉字
2.邮政编码. 要求: 是1-9开头的一个六位数. 比如：123890
3.QQ号码. 要求：是1-9开头的一个(5位数-10位数) 比如: 12345, 123456789, 978964140
4.手机号码. 要求: 必须以13, 14, 15, 18开头的11位数, 比如 13031758275
5.URL : 比如
https://www.bilibili.com/video/BV16Z4y1i7vv/?p=7&spm_id_from=pageDriver&vd_source=03325a87946ce23102fa48daa830127a

新建com.zzw.regexp.RegExp10.java

//正则表达式应用实例
public class RegExp10 {
    public static void main(String[] args) {
        //汉字
        //String content = "赵志伟";
        //String regStr = "^[\\u0391-\\uffe5]+$";

        //邮政编码
        //要求: 是1-9开头的一个六位数. 比如：123890
        //String content = "123890";
        //String regStr = "^[1-9]\\d{5}$";

        //QQ号码
        //要求：是1-9开头的一个(5位数-10位数) 比如: 12345, 123456789, 978964140
        //String content = "978964140";
        //String regStr = "^[1-9]\\d{4,9}$";

        //手机号码
        //要求: 必须以13, 14, 15, 18开头的11位数, 比如 13031758275
        String content = "13031758275";
        String regStr = "^(?:13|14|15|18)\\d{9}$";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        if (matcher.find()) { 
            System.out.println("满足格式"); 
        } else { 
            System.out.println("不满足格式"); 
        }
    }
}

新建com.zzw.regexp.RegExp11.java

//正则表达式应用实例
public class RegExp11 {
    public static void main(String[] args) {

        String content = "https://www.bilibili.com/video/BV16Z4y1i7vv/?p=7&spm_id_from=pageDriver&vd_source=03325a87946ce23102fa48daa830127a";

        /**
         * 思路
         * 1.先确定 url 的开始部分 http(?:s|)://
         * 2.然后通过 ([\\w-]+\.)+[\\w-]+, 匹配 www.bilibili.com
         * 3.通过 (\\/[\\w-?=&/%.#]*)? 匹配 /video/BV16Z4y1i7vv/?p=7&spm_id_from=pageDriver&vd_source=03325a87946ce23102fa48daa830127a
         */
        String regStr = "(http(?:s|)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }

        //这里如果使用 Pattern 的 matcheres 整体匹配 比较简洁    
        System.out.println(Pattern.matches(regStr, content));




    }
}

正则表达式三个常用类

java.util.regex 包主要包括以下三个类 Patterh 类, Matcher类和 PatternSyntaxException.

●Pattern类
Pattern对象是一个正则表达式对象. Pattern类没有公共构造方法, 要创建一个 Pattern对象, 需调用其公共静态方法, 返回一个 Pattern对象. 该方法接受一个正则表达式作为它的第一个参数. 比如：Pattern pattern = Pattern.compile(regStr)

●Matcher类
Matcher 对象是对输入字符串进行解释和匹配的引用. 与Pattern类一样, Matcher也没有公共构造方法, 需要调用 Pattern对象的matcher方法来获一个Matcher对象.

●PatternSyntaxException
PatternSyntaxException是一个非强制异常类, 它表示一个正则表达式模式中的语法错误.

1.新建com.zzw.regexp.PatternMethod.java

//演示 matches 方法, 用于整体匹配, 在验证输入的字符串是否满足条件时使用
public class PatternMethod {
    public static void main(String[] args) {
        String content = "hello world 赵志伟 虚拟世界";
        //String regStr = "hello";
        String regStr = "hello.*";

        boolean matches = Pattern.matches(regStr, content);
        System.out.println("整体匹配: " + matches);
    }
}

2.新建com.zzw.regexp.MatcherMethod.java

//Matcher类的常用方法
public class MatcherMethod {
    public static void main(String[] args) {
        String content = "hello tom hello jack hello king hello queen";
        String regStr = "hello";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("==================");
            System.out.println(matcher.start());
            System.out.println(matcher.end());
            System.out.println("找到: " + content.substring(matcher.start(), matcher.end()));
        }

        //整体匹配方法, 常用于 去校验某个字符串是否满足某个规则
        System.out.println("整体匹配: " + matcher.matches());
        
        //完成如果 content 有 king 替换成 国王
        regStr = "king";
        pattern = Pattern.compile(regStr);
        matcher = pattern.matcher(content);
        //注意: 返回的字符串才是替换后的字符串, 原来的 content 不变化
        String newContent = matcher.replaceAll("国王");
        System.out.println("替换后的字符串: " + newContent);
        System.out.println("content: " + content);
    }
}

分组, 捕获, 反向引用

提出需求

请看下面问题:

给你一段文本, 请你找出四个数字连在一起的字串, 并且这四个数字要满足第1位与第4位相同, 第2位与第3位相同, 比如 1221, 5775…

介绍

(\\d\\d)(\\d\\d)
要满足前面的问题, 我们需要了解正则表达式的几个概念

1.分组
我们可以用圆括号组成一个比较复杂的匹配模式, 那么一个圆括号的部分我们看作是一个子表达式/一个分组.

2.捕获
把正则表达式中子表达式/分组匹配的内容, 保存到内存中以数字编号或显示命名的组里, 方便后面引用. 从左向右, 以分组的左括号为标志, 第一个出现的分组的组号为1, 第二个为2, 依此类推, 组0代表的是整个正则式.

3.反向引用
圆括号的内容被捕获后, 可以在这个括号后被使用, 从而写出一个比较实用的匹配模式, 这个我们称为反向引用, 这种引用既可以使在正则表达式内部, 也可以是在正则表达式外部, 内部反向引用 \分组号, 外部反向引用 $分组号.

看几个小案例

1.要匹配两个连续的相同数字: (\\d)\\1
2.要匹配五个连续的相同数字: (\\d)\\1{4}
3.要匹配个位与千位相同, 十位与百位相同的数 (\\d)(\\d)\\2\\1

●思考题
请在字符串中检索商品编号, 形式如: 12321-333999111 这样的号码, 要求满足前面是一个五位数, 然后一个-号, 然后是一个九位数, 连续的每三位要相同.

1.新建com.zzw.regexp.RegExp12.java

public class RegExp12 {
    public static void main(String[] args) {
        String content = "1232112321-333666999321412";

        String regStr = "\\d{5}\\-(\\d)\\1{2}(\\d)\\2{2}(\\d)\\3{2}";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group(0));
        }
    }
}

经典的结巴程序

把类似 “我…我要…学学学学…编程java!” 通过正则表达式修改成 “我要学编程java!”

1.新建com.zzw.regexp.RegExp13.java

public class RegExp13 {
    public static void main(String[] args) {
        String content = "我....我要....学学学学....编程java!";
        //1.去掉所有的 .
        String regStr = "\\.";
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        String newContent = matcher.replaceAll("");
        System.out.println("newContent=" + newContent);

        //2.去掉连续重复的字
        regStr = "(.)\\1+";
        pattern = Pattern.compile(regStr);
        matcher = pattern.matcher(newContent);
        newContent = matcher.replaceAll("$1");
        System.out.println("newContent=" + newContent);
    }
}

String类中使用正则表达式

替换功能

public String replaceAll(String regex, String replacement)

判断功能

public boolean matches(String regex) 使用 Pattern 和 Matcher 类

分割功能

public String[] split(String regex)

1.新建com.zzw.regexp.StringReg.java

public class StringReg {
    public static void main(String[] args) {
        //使用正则表达式, 将 jdk1.3 和 jdk1.4 替换成 jdk
        String content = "马踏飞燕jdk1.3 hello,worldjdk1.4 hello";
        String regStr = "jdk1\\.(?:3|4)";
        String newContent = content.replaceAll(regStr, "jdk");
        System.out.println("newContent=" + newContent);

        //要求: 验证一个手机号, 要求必须使以 138 139 开头的
        content = "13812345678";
        if (content.matches("^13(?:8|9)\\d{8}$")) {
            System.out.println("验证成功");
        } else {
            System.out.println("验证失败");
        }

        //要求: 按照 # 或者 - 或者 ~ 或者 数字 来分割字符串
        content = "赵志伟#山东省-济宁市~泗水县33泗张镇~付山庄村";
        String[] split = content.split("#|-|~|\\d+");
        for (String string : split) {
            System.out.println(string);
        }
    }
}

本章作业

1.验证电子邮件格式是否合法. 规定电子邮件规则是
①只能有一个@
②@前面是用户名, 可以是a-z A-Z 0-9 _ - 字符
③@后面是域名, 并且域名只能是英文字母, 比如 sohu.com 或者 tsinghua.org.cn
④写出对应的正则表达式, 验证输入的字符串是否满足规则

新建com.zzw.homework.Homework01.java

public class Homework01 {
    public static void main(String[] args) {
        String content = "978964140@qq.com";
        String regStr = "[\\w_-]+@([a-zA-Z]+\\.)+[a-zA-Z]+";
        if (content.matches(regStr)) {
            System.out.println("符合要求");
        } else {
            System.out.println("不符合要求");
        }
    }
}

2.要求验证是不是整数或者小数. 提示: 这个题要考虑整数和负数.
比如: 123, -123, 34.53, -21.54, 0.99, -0.43 等.

新建com.zzw.homework.Homework02.java

public class Homework02 {
    public static void main(String[] args) {
        String content = "-0.12";

        //判断是不是整数
        String regStr = "^(?:|\\+|-)[1-9]\\d*$";
        if (content.matches(regStr)) {
            System.out.println("是整数");
        } else {
            System.out.println("不是整数");
        }

        //判断是不是小数
        regStr = "^(?:|\\+|-)\\d+\\.\\d+$";
        if (content.matches(regStr)) {
            System.out.println("是小数");
        } else {
            System.out.println("不是小数");
        }

        //判断是不是整数或小数
        regStr = "^[+-]?([1-9]\\d*|0)(\\.\\d+)?$";
        if (content.matches(regStr)) {
            System.out.println("是整数或小数");
        } else {
            System.out.println("不是整数或小数");
        }
}

3.对一个url进行解析
http://www.bilibili.com:8080/abc/index.html
①要求得到协议是什么? http
②域名是什么? www.sohu.com
③端口是什么? 8080
④文件名是什么? index.html

新建com.zzw.homework.Homework03.java

public class Homework03 {
    public static void main(String[] args) {
        String content = "http://www.bilibili.com:8080/abc/index.html";

        String regStr = "^((?<g1>http(?:s|))://)?(?<g2>([\\w-]+\\.)+[\\w-]+):(?<g3>\\d+)/\\w+/(?<g4>([\\w-]+\\.)+[\\w-]+)$";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);
        while (matcher.find()) {
            System.out.println("找到: " + matcher.group("g1"));
            System.out.println("找到: " + matcher.group("g2"));
            System.out.println("找到: " + matcher.group("g3"));
            System.out.println("找到: " + matcher.group("g4"));
        }
    }
}