Java 正则表达式教程 · ZetCode 中文系列教程

# Java 正则表达式教程原文：http://zetcode.com/java/regex/ 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()`和`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。 | | `$` | 匹配字符串中的结束位置。 | | <code>|</code> | 备用运算符。 | | `[abc]` | 匹配`a`或`b`或`c`。 | | `[a-c]` | 范围; 匹配`a`或`b`或`c`。 | | `[^abc]` | 否定，匹配除`a`或`b`或`c`之外的所有内容。 | | `\s` | 匹配空白字符。 | | `\w` | 匹配单词字符；等同于`[a-zA-Z_0-9]` | ## Java 简单正则表达式在第一个示例中，我们将单词匹配单词列表。 `JavaRegexEx.java` ```java package com.zetcode; import java.util.Arrays; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class JavaRegexEx { public static void main(String[] args) { List<String> words = Arrays.asList("Seven", "even", "Maven", "Amen", "eleven"); Pattern p = Pattern.compile(".even"); for (String word: words) { Matcher m = p.matcher(word); if (m.matches()) { System.out.printf("%s matches%n", word); } else { System.out.printf("%s does not match%n", word); } } } } ``` 在示例中，列表中有五个单词。我们检查哪些单词与`.even`正则表达式匹配。 ```java Pattern p = Pattern.compile(".even"); ``` 我们编译模式。点（。）元字符代表文本中的任何单个字符。 ```java for (String word: words) { Matcher m = p.matcher(word); if (m.matches()) { System.out.printf("%s matches%n", word); } else { System.out.printf("%s does not match%n", word); } } ``` 我们浏览一下单词表。使用`matcher()`方法创建一个匹配器。如果单词与正则表达式匹配，则`matches()`方法返回`true`。 ```java Seven matches even does not match Maven does not match Amen does not match eleven does not match ``` 这是输出。 ## Java Regex 锚点锚点匹配给定文本内字符的位置。在下一个示例中，我们查看字符串是否位于句子的开头。 `JavaRegexAnchor.java` ```java package com.zetcode; import java.util.Arrays; import java.util.List; import java.util.regex.Matcher; import java.util.regex.Pattern; public class JavaRegexAnchor { public static void main(String[] args) { List<String> sentences = Arrays.asList("I am looking for Jane.", "Jane was walking along the river.", "Kate and Jane are close friends."); Pattern p = Pattern.compile("^Jane"); for (String word : sentences) { Matcher m = p.matcher(word); if (m.find()) { System.out.printf("%s matches%n", word); } else { System.out.printf("%s does not match%n", word); } } } } ``` 我们有三个句子。搜索模式为`^Jane`。该模式检查`"Jane"`字符串是否位于文本的开头。 `Jane\.$`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` ```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。 ```java 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。 `Matcher`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` ```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。 ```java <p> <code> </code> </p> ``` 这是输出。 ## Java Regex 替换字符串可以用`replaceAll()`和`replaceFirst()`方法替换字符串。该方法返回修改后的字符串。 `JavaRegexReplacingStrings.java` ```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。 ```java Pattern p = Pattern.compile("<[^>]*>"); ``` 此模式定义与 HTML 标签匹配的正则表达式。 ```java 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`的`split()`方法分割文本。 `data.csv` ```java 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` ```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。 ```java 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。 ```java String regex = ","; ``` 正则表达式是逗号字符。 ```java 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` ```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。 ```java 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` ```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。 ```java 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` ```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}$"; Pattern p = Pattern.compile(regex); for (String email : emails) { Matcher m = p.matcher(email); if (m.matches()) { System.out.printf("%s matches%n", email); } else { System.out.printf("%s does not match%n", email); } } } } ``` 本示例仅提供一种可能的解决方案。 ```java String regex = "^[a-zA-Z0-9._-]+@[a-zA-Z0-9-]+\\.[a-zA-Z.]{2,18}$"; ``` 前`^`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, info, travel, cleaning, travelinsurance`。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`。在本教程中，我们使用了 Java 中的正则表达式。您可能也对相关教程感兴趣： [Java 教程](/lang/java/)或[用 Java](/articles/javareadtext/) 读取文本文件。