【Java】探秘正则表达式：深度解析与精妙运用

目录

引言

一、基本概念

1.1 元字符

1.2 预定义字符类

1.3 边界匹配符

1.4 数量标识符

1.5 捕获与非捕获分组 

二、Java中的正则表达式支持

三、正则表达式的使用示例

3.1 匹配字符串 

3.2 替换字符串

3.3 分割字符串 

3.4 使用Pattern和Matcher

3.5 捕获组和后向引用

3.6 贪婪模式和勉强模式的对比

四、正则表达式的进阶使用

结语

---

引言

正则表达式（Regular Expression）是计算机科学中的一个重要概念，它是一种强大的字符串处理工具，可以对字符串进行查找、提取、分割、替换等操作。正则表达式由普通字符（如a~z）和特殊字符（元字符）组成，用于描述在查找文字主体时待匹配的一个或多个字符串。在Java中，正则表达式通过java.util.regex包提供支持，主要包括Pattern和Matcher两个类，以及String类中的几个特殊方法。

---

一、基本概念

正则表达式是一个字符串，使用单个字符串来描述、用来定义匹配规则，匹配一系列符合某个句法规则的字符串。在开发中，正则表达式通常被用来检索、替换那些符合某个规则的文本。

---

1.1 元字符

表达式	含义
.	匹配任意单个字符（换行符除外）
\	转义字符，用于匹配特殊字符或表示特殊序列
^	匹配输入字符串的开始位置
$	匹配输入字符串的结束位置
*	匹配前面的子表达式零次或多次
+	匹配前面的子表达式一次或多次
?	匹配前面的子表达式零次或一次
{n}	匹配前面的子表达式恰好n次
{n,}	匹配前面的子表达式至少n次
{n,m}	匹配前面的子表达式至少n次，但不超过m次
[]	字符类，匹配方括号中的任意字符
|	逻辑“或”操作符，匹配左右两边的表达式之一
()	分组，将多个字符或表达式组合成一个子表达式，用于后续引用或操作
(?i)	忽略后面字符的大小写

---

1.2 预定义字符类

表达式	含义
\d	匹配一个数字字符，等价于[0-9]
\D	匹配一个非数字字符，等价于[^\d]
\s	匹配任何空白字符，包括空格、制表符、换页符等，等价于[\t\n\r\f\v]
\S	匹配任何非空白字符，等价于[^\s]
\w	匹配任何单词字符（包括字母、数字和下划线），等价于[a-zA-Z0-9_]
\W	匹配任何非单词字符，等价于[^\w]

---

1.3 边界匹配符

表达式	含义
^	匹配输入字符串的开始位置
$	匹配输入字符串的结束位置
\b	匹配一个单词边界，即单词字符和非单词字符之间的位置
\B	匹配非单词边界

---

1.4 数量标识符

• 贪婪模式（Greedy）：数量表示符默认采用贪婪模式，会一直匹配下去，直到无法匹配为止。
• 勉强模式（Reluctant）：用问号后缀?表示，只会匹配最少的字符，也称为最小匹配模式。
• 占有模式（Possessive）：用加号后缀+表示，目前只有Java支持占有模式，通常比较少用。

---

1.5 捕获与非捕获分组 

捕获分组： 

        后续还要使用本组的数据

        正则表达式内部使用：\\组号

        正则表达式外部使用：$组好

非捕获分组：

符号	含义
(? : 正则)	获取所有
(? = 正则)	获取前面部分
(? ! 正则)	获取不是指定内容的前面部分

---

二、Java中的正则表达式支持

Java提供了多种方式来使用正则表达式，包括String类中的方法以及Pattern和Matcher类。

1. String类中的方法：
   • boolean matches(String regex)：判断该字符串是否匹配指定的正则表达式。
   • String replaceAll(String regex, String replacement)：将该字符串中所有匹配regex的子串替换成replacement。
   • String replaceFirst(String regex, String replacement)：将该字符串中第一个匹配regex的子串替换成replacement。
   • String[] split(String regex)：以regex作为分隔符，把该字符串分割成多个子串。
2. Pattern和Matcher类：
   • Pattern类：用于表示编译后的正则表达式。通过调用Pattern.compile(String regex)方法，可以将一个字符串形式的正则表达式编译成一个Pattern对象。
   • Matcher类：用于对输入字符串进行匹配操作。通过调用Pattern对象的matcher(CharSequence input)方法，可以创建一个Matcher对象，然后使用该对象进行匹配操作。

---

三、正则表达式的使用示例

---

3.1 匹配字符串 

String value = "12345";  
String regex = "\\d{5}";  
boolean matches = Pattern.matches(regex, value);  
System.out.println("The Result is: " + matches); // 输出: The Result is: true

---

3.2 替换字符串

String s = "1324.5421";  
String s1 = s.replaceAll("[0-4]{4}\\.\\w{4}", "!");  
System.out.println(s1); // 输出: !

---

3.3 分割字符串 

String s = "1324.5421";  
String[] split = s.split("\\."); // 分割后数组为[1324, 5421]

---

3.4 使用Pattern和Matcher

String value = "12345";  
String regex = "\\d{5}";  
Pattern pattern = Pattern.compile(regex);  
Matcher matcher = pattern.matcher(value);  
System.out.println("The Result is: " + matcher.matches()); // 输出: The Result is: true

---

3.5 捕获组和后向引用

String text = "go go";  
String regex = "\\b(\\w+)\\b\\s+\\1\\b";  
Pattern pattern = Pattern.compile(regex);  
Matcher matcher = pattern.matcher(text);  
while (matcher.find()) {  System.out.println("Found match: " + matcher.group()); // 输出: Found match: go go  
}

---

3.6 贪婪模式和勉强模式的对比

String str = "hello,java!";  
// 贪婪模式的正则表达式  
System.out.println(str.replaceFirst("\\w*", "■")); // 输出: ■,java!  
// 勉强模式的正则表达式  
System.out.println(str.replaceFirst("\\w*?", "■")); // 输出: ■hello,java!

---

四、正则表达式的进阶使用

1. 字符类中的范围和否定：
   • [a-z]：匹配任意小写字母。
   • [A-Z]：匹配任意大写字母。
   • [0-9]：匹配任意数字。
   • [^a-z]：匹配任意非小写字母的字符。
2. 分组和命名捕获组：
   • (expression)：将表达式分组，并捕获匹配的文本。
   • (?<name>expression)：将表达式分组，并给捕获组命名。
3. 零宽度断言：
   • (?=exp)：零宽度正预测先行断言，断言被匹配的字符串以表达式exp结尾，但不包括exp本身。
   • (?<=exp)：零宽度正回顾后发断言，断言自身出现的位置前面能匹配表达式exp，但不包括exp本身。
4. 条件表达式：
   • (?(condition)yes-pattern|no-pattern)：根据条件选择匹配yes-pattern或no-pattern。
5. 正则表达式的选项：
   • Pattern.CASE_INSENSITIVE：忽略大小写。
   • Pattern.MULTILINE：多行模式，使^和$能够匹配输入字符串的每一行开头和结尾。
   • Pattern.DOTALL：点匹配所有字符，包括换行符。

---

结语

正则表达式是一种强大且灵活的字符串处理工具，在Java中得到了广泛的应用。通过掌握正则表达式的基本概念、元字符、预定义字符类、边界匹配符和数量标识符等知识点，以及Java中提供的String类方法和Pattern、Matcher类的使用方式，我们可以高效地处理各种字符串匹配、替换和分割等操作。同时，正则表达式的进阶使用技巧，如字符类中的范围和否定、分组和命名捕获组、零宽度断言和条件表达式等，也为我们提供了更强大的字符串处理能力。