Java 正则表达式详解

正则表达式，是一种用来描述字符串模式的规则，熟练掌握它可以让我们在数据处理、文本分析、表单验证等场景中事半功倍。Java语言内置了正则表达式API，我们可以利用它来处理字符串。本文将深入浅出地介绍Java中正则表达式的各种应用。

基础概念

正则表达式用一些特殊字符表示特定的文本模式，Java里的正则表达式就是一个字符串，我们可以使用String类型的matches()方法来匹配模式。其中，支持使用的特殊字符如下：

符号	描述
.	匹配除换行符以外的任意字符
^	匹配开头
$	匹配结尾
*	匹配前一个字符0次或多次
+	匹配前一个字符1次或多次
?	匹配前一个字符0次或1次
[]	匹配其中任意一个字符
{}	匹配固定次数
()	标记一个子表达式

举个例子：我们要用正则表达式判断一个字符串是否是ip地址。它的模式可以表示成：^(25[0-5]|2[0-4]\d|[01]?\d{1,2})\.(25[0-5]|2[0-4]\d|[01]?\d{1,2})\.(25[0-5]|2[0-4]\d|[01]?\d{1,2})\.(25[0-5]|2[0-4]\d|[01]?\d{1,2})$。其中，每个圆点前后都是固定的数字范围，圆点本身也需要转义（因为它是特殊字符）。

我们将使用这个例子来演示正则表达式各种应用，以及Java语言API的使用。

正则表达式的匹配

RegExp类提供了很多方法来帮助解析、匹配、搜索、拆分、替换文本。其中最常用的方法是matches()，它返回一个boolean类型的结果并用来判断字符串是否匹配模式。

String pattern = "^(25[0-5]|2[0-4]\\d|[01]?\\d{1,2})\\.(25[0-5]|2[0-4]\\d|[01]?\\d{1,2})\\.(25[0-5]|2[0-4]\\d|[01]?\\d{1,2})\\.(25[0-5]|2[0-4]\\d|[01]?\\d{1,2})$";
String input = "192.168.0.1";
if (input.matches(pattern)) {
    System.out.println("This input is a valid IP address");
} else {
    System.out.println("This input is not a valid IP address");
}

我们可以把上面的代码放到一个自己创建的Java文件（如RegexTester.java）中，编译并运行它，输入任意的IP地址都可以进行测试，如下：

$ javac RegexTester.java
$ java RegexTester
Please input an IP address: 192.168.0.1
This input is a valid IP address

正则表达式的拆分

另一个常见的应用是以某个字符串为分隔符，分割另一个字符串。比如我们将某个CSV文件进行导入处理，读取每一行，然后将文本内容按照,分割。这个时候就应该使用Java API提供的split()方法，它接受一个正则表达式或字符串，返回一个字符串数组，包含拆分后的结果。

String content = "name,age,address\nTom,22,New York\nJane,25,London\nMike,33,Tokyo\n";
String[] lines = content.split("[\\r\\n]+");
for (String line : lines) {
    String[] parts = line.split(",");
    System.out.println("Name: " + parts[0] + ", Age: " + parts[1] + ", Address: " + parts[2]);
}

这段代码的输出结果如下：

Name: name, Age: age, Address: 
Name: Tom, Age: 22, Address: New York
Name: Jane, Age: 25, Address: London
Name: Mike, Age: 33, Address: Tokyo

可以看到第一行并没有正确解析。这是因为我们只以\\r和\\n为分隔符，而实际的CSV文件可能是以其他字符分隔字段的，所以这里我们需要对输入的CSV文件进行先处理，去除可能会导致解析错误的字符。

正则表达式的替换

大规模的文本替换操作也是正则表达式的一个应用。Java API中，使用replaceAll()方法即可完成替换操作，它接受两个参数，一个是待替换文本的正则表达式，另一个是替换后的文本。例如，我们需要将英文名字中的姓变为大写字母，可以如下处理：

String name = "Tom Smith";
String pattern = "^([a-zA-Z]+) ([a-zA-Z]+)";
String replaced = name.replaceAll(pattern, "1 " + "$2".toUpperCase());
System.out.println(replaced);

这段代码的输出结果是：Tom SMITH。

正则表达式的搜索

正则表达式不仅可以进行匹配和替换，还可以用来搜索文本内容中是否存在某个模式的字符串。Java API中，使用Pattern类表示正则表达式的模式，Matcher类则提供了进行搜索的方法。下面是一个搜索某个文本文件中出现次数最多的词汇的例子：

import java.io.BufferedReader;
import java.io.FileReader;
import java.io.IOException;
import java.util.HashMap;
import java.util.Map;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class WordCounter {
    private static final Pattern WORD_PATTERN = Pattern.compile("\\b[a-zA-Z]+\\b");
    public static void main(String[] args) throws IOException {
        String filename = "path/to/file.txt";
        Map<String, Integer> wordCounts = new HashMap<>();
        try (BufferedReader reader = new BufferedReader(new FileReader(filename))) {
            String line;
            while ((line = reader.readLine()) != null) {
                Matcher matcher = WORD_PATTERN.matcher(line);
                while (matcher.find()) {
                    String word = matcher.group().toLowerCase();
                    wordCounts.put(word, wordCounts.getOrDefault(word, 0) + 1);
                }
            }
        }
        String mostCommonWord = null;
        int mostCommonCount = 0;
        for (Map.Entry<String, Integer> entry : wordCounts.entrySet()) {
            if (entry.getValue() > mostCommonCount) {
                mostCommonCount = entry.getValue();
                mostCommonWord = entry.getKey();
            }
        }
        System.out.println("Most common word in " + filename + " is " + mostCommonWord + " with count " + mostCommonCount);
    }
}

这个例子会读取指定的文本文件，使用正则表达式按单词拆分并累加出现次数，再统计出出现次数最多的单词。运行它后，输出结果如下：

Most common word in path/to/file.txt is the with count 26

结论

正则表达式是一种十分强大的模式匹配工具，利用Java内置的正则表达式API，我们可以方便地在程序中处理文本、搜索、替换等各种任务。尽管掌握它的学习曲线较为陡峭，但一旦熟练掌握后，就可以提高我们的生产力，减少我们的工作量。