首页 > 编程语言> > Java正则表达式

Java正则表达式

2021-09-14 18:06:31 作者：互联网

正则表达式底层实现

实例分析

为让大家对正则表达式底层实现有一个直观的映象,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 1998 1999 3443 9889 ===> 分析底层实现 RegTheory.java

在这里插入图片描述

正则表达式语法

基本介绍

如果要想灵活的运用正则表达式,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:

限定符
选择匹配符
分组组合和反向引用符
特殊字符
字符匹配符
定位符

package com.hspedu.regexp;

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

public class Regexp_ {
    public static void main(String[] args) {
        // 假定，编写了爬虫，从百度页面得到如下文本
        // String content = "ARPA网和NSF网最初都是为科研服务的，其主要目的为用户提供共享大型主机的宝贵资源。随着接入主机数量的增加，越来越多的人把internet作为通信和交流的工具。一些公司还陆续在internet上开展了商业活动。随着internet的商业化，其在通信、信息检索、客户服务等方面的巨大潜力被挖掘出来，使internet有了质的飞跃，并最终走向全球。";

//         String content = "<a target=\"_blank\" title=\"国家卫健委:疫苗接种遵循自愿原则\" href=\"/s?wd=%E5%9B%BD%E5%AE%B6%E5%8D%AB%E5%81%A5%E5%A7%94%3A%E7%96%AB%E8%8B%97%E6%8E%A5%E7%A7%8D%E9%81%B5%E5%BE%AA%E8%87%AA%E6%84%BF%E5%8E%9F%E5%88%99&rsv_idx=2&tn=baiduhome_pg&usm=1&ie=utf-8&rsv_cq=%E7%A7%91%E7%8F%AD%E5%87%BA%E8%BA%AB&rsv_dl=0_right_fyb_pchot_20811_01&rsv_pq=dbab8cc20003ffb0&oq=%E7%A7%91%E7%8F%AD%E5%87%BA%E8%BA%AB&rsv_t=b28e0Dh2RwijSbY%2FN0sKfuoVtpXIHJ0kuYUb%2Fv6j2nsD2WjcXm99mlcfIKnEFzgFNbjc&rsf=139c9f7a210ba310fe965fe0afd98c58_1_10_1\" class=\"c-font-medium c-color-t opr-toplist1-subtitle\">\n" +
//                "                国家卫健委:疫苗接种遵循自愿原则\n" +
//                "                </a>";
        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";
        // 提取文章中所有的英文单词
        // 提取文章中所有的数字
        // 提取文章中所有的英文单词和数字
        // (1).传统方法，使用遍历方式，代码量大，效率不高
        // (2).正则表达式技术

        // 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
        // Pattern pattern = Pattern.compile("[a-zA-Z]+");
        // Pattern pattern = Pattern.compile("[0-9]+");
        // Pattern pattern = Pattern.compile("([a-zA-Z]+)|([0-9]+)");
        // Pattern pattern = Pattern.compile("<a target=\"_blank\" title=\"(\\S*)\"");
        Pattern pattern = Pattern.compile("\\d+\\.\\d+\\.\\d+\\.\\d+");

        // 2.创建一个匹配器对象
        // 理解: 就是matcher匹配器按照 pattern(模式/样式),到 content 文本中去匹配
        // 找到就返回true，否则就返回false
        Matcher matcher = pattern.matcher(content);
        // 3.可以开始循环匹配
        while(matcher.find()){
            // 匹配内容，文本，放到 m.group(0)
            System.out.println("找到: "+matcher.group(0));
        }
    }
}

package com.hspedu.regexp;

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

// 分析Java正则表达式的底层实现方法(重要)
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平台的标准版），应用3443于桌面环境；J2EE（Java 2Enterprise Edition，Java 2平台的企5775业版），应用于1568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里程碑，标志着Java的应用开始普及6886。";

        // 目标：匹配所有四个数字
        // 说明
        // 1.\\d代表任意一个数字
        String regStr = "(\\d\\d)(\\d\\d)";
        // 2.创建模式对象(及正则表达式)
        Pattern pattern = Pattern.compile(regStr);
        // 3.创建匹配器
        // 说明：创建匹配器matcher，按照  正则表达式的规律   去匹配  content字符串
        Matcher matcher = pattern.matcher(content);

        // 4.开始匹配
        /*
        *matcher.find() 完成的任务  (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1998)
        * 2.找到后，将 子字符串的索引记录到matcher对象的属性 int[] groups;
        *   2.1 groups[0] = 0,把该子字符串的结束的索引+1 的值记录到 groups[1] = 4
        *   2.2 记录1组()匹配到的字符串 groups[2] = 0   groups[3] = 2
        *   2.3 记录2组()匹配到的字符串 groups[4] = 2   groups[5] = 4
        *   2.4 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的值即为4，即下次执行find时， 就从4开始匹配
        *
        * matcher.group(0)分析
        * 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  的记录的位置，从content开始截取子字符串返回
        *   就是[0,4)  包含0 但是不包含索引为4的位置
        *
        * 1.根据groups[0]=31 和 groups[1] = 35  的记录的位置，从content开始截取子字符串返回
        *   就是[31,35)  包含0 但是不包含索引为35的位置
        *
        * 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.取出匹配的字符串规则如下
            // 3.group(0) 表示匹配到的子字符串
            // 4.group(1) 表示匹配到的子字符串的第1组子串
            // 5.group(2) 表示匹配到的子字符串的第2组子串
            // 6. ... 但是分组的树不能越界
            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));
        }
    }
}

元字符( Metacharacter)-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?
再次提示
在Java的正则表达式中,两个\\代表其他语言中的一个\

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

package com.hspedu.regexp;

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

/*
* 转义字符的使用
* */
public class Regexp02 {
    public static void main(String[] args) {
        String content = "abc$(a.bc(123(";
        // 匹配( => \\(
        // 匹配. ==> \\.
        // String regStr = "\\.";
        String regStr = "\\d{3}";// 匹配三个连续任意数字相当于"\\d\\d\\d"
        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);

        while(matcher.find()){
            System.out.println("找到"+matcher.group(0));
        }
    }

}

元字符-字符匹配符

在这里插入图片描述

应用实例:

[a-z]说明:
[a-z]表示可以匹配a-z中任意一个字符,比如[a-z]、[A-Z]去匹配a11c8会得到什么结果?
java正则表达式默认是区分字母大小写的,如何实现不区分大小写
(?i)abc 表示abc都不区分大小写
a(?i)bc表示bc不区分大小写
a(?i)b)c表示只有b不区分大小写
Pattern pat = Pattern.compile (regEx, Pattern.CASE_INSENSITIVE);

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 字符匹配符的使用
* */
public class RegExp03 {
    public static void main(String[] args) {
        String content = "a11c8abcABC";
        // String regStr = "[a-z]";// 匹配 a-z之间的任意一个字符
        // String regStr = "[A-Z]";// 匹配 A-Z之间的任意一个字符
        // String regStr = "abc";// 匹配 abc 字符串 [默认区分大小写]
        // String regStr = "(?i)abc";// 匹配 abc 字符串 [不区分大小写]
        // String regStr = "[0-9]";// 匹配 0-9 之间的任意一个字符
        // String regStr = "[^a-z]";// 匹配 不在 a-z之间的任意一个字符
        String regStr = "[^0-9]";// 匹配 不在 0-9之间的任意一个字符

        // 说明
        // 1.当创建Pattern对象时，指定 Pattern.CASE_INSENSITIVE，表示匹配是不区分字母大小写
        Pattern pattern = Pattern.compile(regStr,Pattern.CASE_INSENSITIVE);
        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

\\d表示可以匹配0-9的任意一个数字相当于[0-9]。
\\D表示可以匹配不是0-9中的任意一个数字相当于[^0-9】
\\w匹配任意英文字符、数字和下划线相当于[a-zA-z0-9]
\\W相当于[^a-zA-z0-9]是\w刚好相反
\\s匹配任何空白字符(空格,制表符等)
\\S匹配任何非空白字符,和\s刚好相反
. 匹配出\n之外的所有字符如果要匹配.本身则需要使用\\.

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:既可以匹配这个,又可以匹配那个,这时你需要用到选择匹配符号|

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 选择匹配符
* */
public class RegExp04 {
    public static void main(String[] args) {
        String content = "ty slime 童";
        String regStr = "ty|童";

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);

        while (matcher.find()){
            System.out.println("找到 "+matcher.group(0));
        }
    }
}

元字符-限定符

用于指定其前面的字符和组合项连续出现多少次

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 限定符
* */
public class RegExp05 {
    public static void main(String[] args) {
        String content = "a11111111aaaahello";
        // a{3},1{4},(\\d){2}
        // String regStr = "a{3}";// 表示 匹配aaa
        // String regStr = "1{4}";// 表示 匹配1111
        // String regStr = "(\\d){2}";// 表示 匹配两位任意数字字符

        // a{3,4},1{4,5},(\\d){2,5}

        // 细节：Java匹配默认贪婪匹配，即尽可能匹配多的
        // String regStr = "a{3,4}";// 表示 匹配aaa 或 aaaa
        // String regStr = "1{4,5}";// 表示 匹配1111 或 11111
        // String regStr = "(\\d){2,5}";// 表示 匹配 2或3，4，5位数

        // 1+
        // String regStr = "1+";// 表示 匹配 一个或多个1
        // String regStr = "\\d+";// 表示 匹配 一个或多个数字

        // 1*
        // String regStr = "\\d*";// 表示 匹配 0个或多个数字

        // 演示? 的使用  遵守贪婪匹配
        String regStr = "a1?";// 表示 匹配 a或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，这个也是相当有用的

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 演示定位符
* */
public class RegExp06 {
    public static void main(String[] args) {
        String content = "tyslime slimety tsy";
        // String content = "123-abc";
        // 以至少一个数字开头，后接任意个小写字母的字符串
        // String regStr = "^[0-9]+[a-z]*";
        // 以至少一个数字开头，必须以任意一个小写字母结束
        // String regStr = "^[0-9]+\\-[a-z]+$";

        // 表示匹配边界的ty[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后面]
        // String regStr = "ty\\b";
        String regStr = "ty\\B";// 表示匹配非边界的ty 和\\b 刚好相反

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);

        while (matcher.find()){
            System.out.println("找到" +matcher.group(0));
        }
    }
}

分组

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 演示分组
* */
public class RegExp07 {
    public static void main(String[] args) {
        String content = "tyslime 7788 ttmm s1189";

        // 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一个分组
        // 3.matcher.group(2)得到匹配到的字符串的第二个分组
        // String regStr = "(\\d\\d)(\\d\\d)";// 匹配四个数字的字符串

        // 命名分组:即 可以给分组取名
        String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";// 匹配四个数字的字符串

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);

        while(matcher.find()){
            System.out.println("找到 " + matcher.group(0));
            System.out.println("第一个分组 " + matcher.group(1));
            System.out.println("第一个分组[通过组名] " + matcher.group("g1"));
            System.out.println("第二个分组 " + matcher.group(2));
            System.out.println("第二个分组[通过组名] " + matcher.group("g2"));
        }
    }
}

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 演示非捕获分组 语法比较奇怪
* */
public class RegExp08 {
    public static void main(String[] args) {
        String content = "tyslime tymobu slime slimemobu tyhaha";

        // 找到 tyslime tymobu子字符串

        // String regStr = "tyslime|tymobu";
        // 上面的写法可以等价非捕获分组 , 注意：不能matcher.group(1)
        // String regStr = "ty(?:slime|mobu)";

        // 找到 ty 这个关键字 但只是查找tyslime 和 tymobu 中包含的ty
        // String regStr = "ty(?=slime|mobu)";// 非捕获分组，不能使用matcher.group(1)

        // 找到 ty 这个关键字 但只是查找不是tyslime 和 tymobu 中包含的ty
        String regStr = "ty(?!slime|mobu)";// 非捕获分组，不能使用matcher.group(1)

        Pattern pattern = Pattern.compile(regStr);
        Matcher matcher = pattern.matcher(content);

        while(matcher.find()){
            System.out.println("找到 "+ matcher.group(0));
        }

    }
}

补充：非贪婪匹配

package com.hspedu.regexp;

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

/*
* 非贪婪匹配
* */
public class RegExp09 {
    public static void main(String[] args) {
        String content = "hello1111 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

package com.hspedu.regexp;

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

/*
* 正则表达式的应用实例
* */
public class RegExp10 {
    public static void main(String[] args) {

        // String content = "史莱姆";
        // String content = "123890";
        // String content = "12389";
        String content = "12588889999";
//        汉字
        // String regStr = "^[\u0391-\uffe5]+$";
        // 邮政编码
        // 要求:是1-9开头的一个六位数.比如:123890
        // String regStr = "^[1-9](\\d){5}$";

        // QQ号码
        // 要求:是1-9开头的一个(5位数-10位数)比如:12389,1345687,187698765
        // 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13588889999
        String regStr = "^1[3|4|5|8](\\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");
        }




    }
}

package com.hspedu.regexp;

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

/*
* 正则表达式的使用
* */
public class RegExp11 {
    public static void main(String[] args) {

        String content = "https://www.bilibili.com/blackboard/activity-TVWStSTDRs.html?spm_id_from=333.851.b_62696c695f7265706f72745f6c697665.21";
        /*
        * 思路
        * 1. 先确定 url 的开始部分 https:// | http://
        * 2. 然后通过([\w-]+\.)+[\w-]+ 匹配 www.bilibili.com
        * 3. /blackboard/activity-TVWStSTDRs.html?spm_id_from=333.851.b_62696c695f7265706f72745f6c697665.21 匹配
        * */
        String regStr = "^((http|https)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?&=/%.#]*)?$";// 注意 ： [.] 表示匹配就是.本身



        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");
        }

    }
}

正则表达式三个常用类

在这里插入图片描述

Pattern类的方法matches

package com.hspedu.regexp;

import java.util.regex.Pattern;

/*
* 演示matches方法，用于整体匹配，验证输入的字符串是否满足条件使用
* */
public class PatternMethod {
    public static void main(String[] args) {
        String content = "hello abc hello,tyslime";
        // String regStr = "hello";
        String regStr = "hello.*";

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

    }
}

Matcher类

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* Matcher 类的常用方法
* */
public class MatcherMethod {
    public static void main(String[] args) {

        String content = "hello ty slime jack tyslime dim hello ethan hello tyslime";
        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,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 tyslime 替换成 tymobu
        regStr = "tyslime";
        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 不会变
        String newContent = matcher.replaceAll("tymobu");
        System.out.println("newContent="+newContent);
        System.out.println("content="+content);
    }
}

反向引用

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可以看作是一个子表达式/一个分组。
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式命名的组里,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,以此类推。组0代表的是整个正则式
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,这种引用既可以是在正则表达式内部,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

案例

在这里插入图片描述

package com.hspedu.regexp;

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

/*
* 反向引用
* */
public class RegExp12 {
    public static void main(String[] args) {

        String content = "1234hello33333 11 t1551y j12321-333999111ack 22 li2332me12345";

        // 匹配两个连续相同的数组 (\\d)\\1
        // String regStr = "(\\d)\\1";
        // 匹配五个连续相同的数组 (\\d)\\1{4}
        // String regStr = "(\\d)\\1{4}";
        // 匹配千位与个位相同，十位与百位相同的数组 (\\d)\\1{4}
        // String regStr = "(\\d)(\\d)\\2\\1";
        /*
        *
           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
        * */
        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));
        }
    }
}

String类中使用正则表达式

package com.hspedu.regexp;

public class StringReg {
    public static void main(String[] args) {
        String content = "2000年5月，JDK1.3、JDK1.4和J2SE1.3相继发布，几周后其获得了Apple公司Mac OS " +
                "X的工业标准的支持。2001年9月24日，J2EE1.3发布。2002年2月26日，J2SE1.4发布。";
        // 使用正则表达式方式，将 JDK1.3 和 JDK1.4替换成 JDK
        content = content.replaceAll("JDK1\\.3|JDK1\\.4","JDK");
        System.out.println(content);

        // 要求 验证一个 手机号  要求必须是以138 或 139 开头的
        content = "13688889999";
        if(content.matches("1(38|39)\\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
        content = "hello#abc-jack12smith~北京";
        String[] split = content.split("#|-|~|\\d+");
        for (String s : split) {
            System.out.println(s);
        }
    }
}

标签：Java,String,匹配,正则表达式,matcher,content,Pattern,regStr
来源： https://blog.csdn.net/qq_45346359/article/details/120292997

Java正则表达式

正则表达式底层实现

正则表达式语法

基本介绍

元字符( Metacharacter)-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

补充：非贪婪匹配

应用实例

正则表达式三个常用类

Pattern类的方法matches

Matcher类

反向引用

案例

String类中使用正则表达式