Java 正则表达式教程

Java 正则表达式教程展示了如何使用正则表达式解析 Java 中的文本。

正则表达式

正则表达式用于文本搜索和更高级的文本操作。 正则表达式内置在包括 grep 和 sed 的工具,包括 vi 和 emacs 的文本编辑器,包括 Perl,Java 和 C# 的编程语言中。

Java 具有用于处理正则表达式的内置 API。 它位于java.util.regex中。

正则表达式定义字符串的搜索模式。 Pattern是正则表达式的编译表示。 Matcher是一种引擎,可解释模式并针对输入字符串执行匹配操作。 匹配器具有诸如find()matches()end()之类的方法来执行匹配操作。 如果存在解析正则表达式的异常,则 Java 会抛出PatternSyntaxException

正则表达式示例

下表显示了几个正则表达式字符串。

正则表达式 含义
. 匹配任何单个字符。
? 一次匹配或根本不匹配前面的元素。
+ 与前面的元素匹配一次或多次。
* 与前面的元素匹配零次或多次。
^ 匹配字符串中的起始位置。
$ 匹配字符串中的结束位置。
| 备用运算符。
[abc] 匹配 a 或 b 或 c。
[a-c] 范围; 匹配 a 或 b 或 c。
[^abc] 否定,匹配除 a 或 b 或 c 之外的所有内容。
\s 匹配空白字符。
\w 匹配单词字符; 等同于[a-zA-Z_0-9]

Java 简单正则表达式

在第一个示例中,我们将单词匹配单词列表。

JavaRegexEx.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexEx {

    public static void main(String[] args) {

        List<String> words = Arrays.asList("Seven", "even",
                "Maven", "Amen", "eleven");

        Pattern p = Pattern.compile(".even");

        for (String word: words) {

            Matcher m = p.matcher(word);  

            if (m.matches()) {
                System.out.printf("%s matches%n", word);
            } else {
                System.out.printf("%s does not match%n", word);
            }
        }
    }
}

在示例中,列表中有五个单词。 我们检查哪些单词与.even正则表达式匹配。

Pattern p = Pattern.compile(".even");

我们编译模式。 点(。)元字符代表文本中的任何单个字符。

for (String word: words) {

    Matcher m = p.matcher(word);  

    if (m.matches()) {
        System.out.printf("%s matches%n", word);
    } else {
        System.out.printf("%s does not match%n", word);
    }
}

我们浏览一下单词表。 使用matcher()方法创建一个匹配器。 如果单词与正则表达式匹配,则matches()方法返回 true。

Seven matches
even does not match
Maven does not match
Amen does not match
eleven does not match

这是输出。

Java Regex 锚点

锚点匹配给定文本内字符的位置。 在下一个示例中,我们查看字符串是否位于句子的开头。

JavaRegexAnchor.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexAnchor {

    public static void main(String[] args) {

        List<String> sentences = Arrays.asList("I am looking for Jane.",
                "Jane was walking along the river.",
                "Kate and Jane are close friends.");

        Pattern p = Pattern.compile("^Jane");

        for (String word : sentences) {

            Matcher m = p.matcher(word);

            if (m.find()) {
                System.out.printf("%s matches%n", word);
            } else {
                System.out.printf("%s does not match%n", word);
            }
        }
    }
}

我们有三个句子。 搜索模式为^Jane。 该模式检查“ Jane”字符串是否位于文本的开头。 Jane\.$会在句子结尾处查找“ Jane”。

Java Regex 交替

交替运算符| 可以创建具有多种选择的正则表达式。

JavaRegexAlternation.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexAlternation {

    public static void main(String[] args) {

        List<String> users = Arrays.asList("Jane", "Thomas", "Robert",
                "Lucy", "Beky", "John", "Peter", "Andy");

        Pattern p = Pattern.compile("Jane|Beky|Robert");

        for (String user : users) {

            Matcher m = p.matcher(user);

            if (m.matches()) {
                System.out.printf("%s matches%n", user);
            } else {
                System.out.printf("%s does not match%n", user);
            }
        }
    }
}

列表中有 9 个名字。

Pattern p = Pattern.compile("Jane|Beky|Robert");

此正则表达式查找“​​ Jane”,“ Beky”或“ Robert”字符串。

Java Regex 捕获组

捕获组技术是一种将多个字符视为一个单元的方法。 通过将字符放置在一组圆括号内来创建它们。 例如,(book)是包含’b’,’o’,’o’,’k’,字符的单个组。

捕获组技术使我们能够找出字符串中与常规模式匹配的那些部分。 Mather 的group()方法返回在先前的匹配操作期间给定组捕获的输入子序列。

JavaRegexGroups.java

package com.zetcode;

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexGroups {

    public static void main(String[] args) {

        String content = "<p>The <code>Pattern</code> is a compiled "
                + "representation of a regular expression.</p>";

        Pattern p = Pattern.compile("(</?[a-z]*>)");

        Matcher matcher = p.matcher(content);

        while (matcher.find()) {

            System.out.println(matcher.group(1));
        }
    }
}

本示例通过捕获一组字符来打印提供的字符串中的所有 HTML 标签。

<p>
<code>
</code>
</p>

This is the output.

Java Regex 替换字符串

可以用replaceAll()replaceFirst()方法替换字符串。 该方法返回修改后的字符串。

JavaRegexReplacingStrings.java

package com.zetcode;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.nio.charset.StandardCharsets;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.util.stream.Collectors;

public class JavaRegexReplacingStrings {

    public static void main(String[] args) throws MalformedURLException, IOException {

        URL url = new URL("http://www.something.com");

        try (InputStreamReader isr = new InputStreamReader(url.openStream(),
                StandardCharsets.UTF_8);
                BufferedReader br = new BufferedReader(isr)) {

            String content = br.lines().collect(
                Collectors.joining(System.lineSeparator()));

            Pattern p = Pattern.compile("<[^>]*>");

            Matcher matcher = p.matcher(content);
            String stripped = matcher.replaceAll("");

            System.out.println(stripped);
        }
    }
}

该示例读取网页的 HTML 数据,并使用正则表达式剥离其 HTML 标签。

Pattern p = Pattern.compile("<[^>]*>");

此模式定义与 HTML 标签匹配的正则表达式。

String stripped = matcher.replaceAll("");

我们使用replaceAll()方法删除所有标签。

Java Regex 分割文本

可以使用Pattern's split()方法分割文本。

data.csv

22, 1, 3, 4, 5, 17, 18
2, 13, 4, 1, 8, 4
3, 21, 4, 5, 1, 48, 9, 42

我们从data.csv文件中读取。

JavaRegexSplitText.java

package com.zetcode;

import java.io.IOException;
import java.nio.file.Files;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.util.List;
import java.util.regex.Pattern;

public class JavaRegexSplitText {

    static int sum = 0;

    public static void main(String[] args) throws IOException {

        Path myPath = Paths.get("src/main/resources/data.csv");

        List<String> lines = Files.readAllLines(myPath);

        String regex = ",";

        Pattern p = Pattern.compile(regex);

        lines.forEach((line) -> {

            String[] parts = p.split(line);

            for (String part : parts) {

                String val = part.trim();

                sum += Integer.valueOf(val);
            }

        });

        System.out.printf("Sum of values: %d", sum);
    }
}

这些示例从 CSV 文件读取值并计算它们的总和。 它使用正则表达式读取数据。

List<String> lines = Files.readAllLines(myPath);

一次拍摄,我们用Files.readAllLines()将所有数据读入字符串列表。

String regex = ",";

正则表达式是逗号字符。

lines.forEach((line) -> {

    String[] parts = p.split(line);

    for (String part : parts) {

        String val = part.trim();

        sum += Integer.valueOf(val);
    }

});

我们遍历行,并使用split将它们拆分为字符串数组。 我们用trim()分隔空格并计算总和值。

Java 不区分大小写的正则表达式

通过设置Pattern.CASE_INSENSITIVE标志,我们可以实现不区分大小写的匹配。

JavaRegexCaseInsensitive.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexCaseInsensitive {

    public static void main(String[] args) {

        List<String> users = Arrays.asList("dog", "Dog", "DOG", "Doggy");

        Pattern p = Pattern.compile("dog", Pattern.CASE_INSENSITIVE);

        users.forEach((user) -> {

            Matcher m = p.matcher(user);

            if (m.matches()) {
                System.out.printf("%s matches%n", user);
            } else {
                System.out.printf("%s does not match%n", user);
            }
        });
    }
}

该示例对正则表达式执行不区分大小写的匹配。

Pattern p = Pattern.compile("dog", Pattern.CASE_INSENSITIVE);

通过将Pattern.CASE_INSENSITIVE作为第二个参数设置为Pattern.compile()来设置不区分大小写的匹配。

Java Regex 子模式

子模式是模式中的模式。 子模式使用()字符创建。

JavaRegexSubpatterns.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexSubpatterns {

    public static void main(String[] args) {

        List<String> words = Arrays.asList("book", "bookshelf", "bookworm",
                "bookcase", "bookish", "bookkeeper", "booklet", "bookmark");

        Pattern p = Pattern.compile("book(worm|mark|keeper)?");

        for (String word : words) {

            Matcher m = p.matcher(word);

            if (m.matches()) {
                System.out.printf("%s matches%n", word);
            } else {
                System.out.printf("%s does not match%n", word);
            }
        }        
    }
}

该示例创建一个子模式。

Pattern p = Pattern.compile("book(worm|mark|keeper)?");

正则表达式使用子模式。 它与书呆子,书签,簿记员和书本单词匹配。

Java Regex 电子邮件示例

在以下示例中,我们创建一个用于检查电子邮件地址的正则表达式模式。

JavaRegexEmail.java

package com.zetcode;

import java.util.Arrays;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class JavaRegexEmail {

    public static void main(String[] args) {

        List<String> emails = Arrays.asList("luke@gmail.com", 
                "andy@yahoocom", "34234sdfa#2345", "f344@gmail.com");

        String regex = "^[a-zA-Z0-9._-]+@[a-zA-Z0-9-]+\\.[a-zA-Z.]{2,18}$";

        Pattern p = Pattern.compile(regex);

        for (String email : emails) {

            Matcher m = p.matcher(email);

            if (m.matches()) {
                System.out.printf("%s matches%n", email);
            } else {
                System.out.printf("%s does not match%n", email);
            }
        }
    }
}

本示例仅提供一种可能的解决方案。

String regex = "^[a-zA-Z0-9._-]+@[a-zA-Z0-9-]+\\.[a-zA-Z.]{2,18}$";

^和后$个字符提供精确的模式匹配。 模式前后不允许有字符。 电子邮件分为五个部分。 第一部分是本地部分。 这通常是公司,个人或昵称的名称。 [a-zA-Z0-9._-]+列出了所有可能的字符,我们可以在本地使用。 它们可以使用一次或多次。

第二部分由文字@字符组成。 第三部分是领域部分。 通常是电子邮件提供商的域名,例如 yahoo 或 gmail。 [a-zA-Z0-9-]+是一个字符集,提供了可在域名中使用的所有字符。 +量词使用这些字符中的一个或多个。

第四部分是点字符。 它前面有转义字符(\)。 这是因为点字符是一个元字符,并且具有特殊含义。 通过转义,我们得到一个文字点。

最后一部分是顶级域:[a-zA-Z.]{2,18}。 顶级域可以包含 2 到 18 个字符,例如 sk,net,信息,旅行,清洁,旅行保险。 最大长度可以为 63 个字符,但是今天大多数域都少于 18 个字符。 还有一个点字符。 这是因为某些顶级域包含两个部分: 例如 co.uk。

赞(1)

评论 抢沙发

  • 昵称 (必填)
  • 邮箱 (必填)
  • 网址

Java 教程