Java正则表达式完全指南
Java正则表达式完全指南
- 一、正则表达式基础概念
- 1.1 什么是正则表达式
- 1.2 Java中的正则表达式支持
- 二、正则表达式基本语法
- 2.1 普通字符
- 2.2 元字符
- 2.3 预定义字符类
- 三、Java中正则表达式的基本用法
- 3.1 编译正则表达式
- 3.2 创建Matcher对象并执行匹配
- 3.3 常用的Matcher方法
- 四、正则表达式高级应用
- 4.1 分组与捕获
- 4.2 反向引用
- 4.3 贪婪匹配与非贪婪匹配
- 4.4 零宽断言
- 五、正则表达式在实际开发中的应用
- 5.1 表单验证
- 邮箱验证
- 手机号验证
- 身份证号码验证
- 5.2 文本替换
- 替换HTML标签
- 敏感词过滤
- 5.3 文本分割
- 按逗号或空格分割
- 按数字分割
- 六、正则表达式性能优化
- 七、常见问题与注意事项
- 总结
正则表达式（Regular Expression，简称Regex）是一种强大的文本处理工具，它可以帮助开发者高效地进行字符串匹配、查找、替换和分割等操作。在Java中正则表达式的应用场景极为广泛，从简单的表单验证到复杂的文本解析，都离不开正则表达式的支持。虽然之前我也讲过正则表达式，但过于通用，今天本文将专门全面介绍Java中正则表达式的相关知识，从基础语法到高级应用，并结合丰富实例代码，带你深入理解和掌握这一强大工具。
一、正则表达式基础概念
1.1 什么是正则表达式
正则表达式是一种由字符和特殊符号组成的模式，用于描述字符串的特定格式规则。通过使用正则表达式，可以：
- 检查字符串是否符合特定格式（如邮箱、手机号）
- 从文本中提取感兴趣的内容（如URL、数字）
- 替换文本中的特定部分
- 将文本按特定规则分割
1.2 Java中的正则表达式支持
Java通过java.util.regex包提供对正则表达式的支持，主要涉及以下三个类：
Pattern类：用于编译正则表达式，将正则表达式字符串编译为模式对象。Matcher类：用于执行匹配操作，对输入字符串进行解释和匹配操作。PatternSyntaxException类：用于处理正则表达式语法错误的异常类。
二、正则表达式基本语法
2.1 普通字符
普通字符包括没有显式指定为元字符的所有可打印和不可打印字符，它们直接匹配自身。例如：
abc匹配字符串 “abc”123匹配字符串 “123”
2.2 元字符
元字符是正则表达式中具有特殊含义的字符，常用的元字符及其含义如下：
| 元字符 | 描述 |
|---|---|
. | 匹配除换行符以外的任意字符 |
^ | 匹配字符串的开始位置 |
$ | 匹配字符串的结束位置 |
* | 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，至多m次 |
[] | 匹配方括号中指定的任意一个字符 |
[^] | 匹配不在方括号中指定的任意一个字符 |
() | 标记一个子表达式的开始和结束位置 |
| | 表示或关系，匹配两个或多个选项之一 |
2.3 预定义字符类
为了简化常用字符类的定义，Java提供了一些预定义字符类：
| 预定义字符类 | 等价表达式 | 描述 |
|---|---|---|
\d | [0-9] | 匹配一个数字字符 |
\D | [^0-9] | 匹配一个非数字字符 |
\w | [a-zA-Z_0-9] | 匹配一个单词字符（字母、数字、下划线） |
\W | [^a-zA-Z_0-9] | 匹配一个非单词字符 |
\s | [ \t\n\x0B\f\r] | 匹配一个空白字符（空格、制表符、换行符等） |
\S | [^ \t\n\x0B\f\r] | 匹配一个非空白字符 |
三、Java中正则表达式的基本用法
3.1 编译正则表达式
在Java中使用正则表达式，首先需要将正则表达式字符串编译为Pattern对象：
import java.util.regex.Pattern;public class RegexExample {public static void main(String[] args) {// 编译正则表达式Pattern pattern = Pattern.compile("a.*c");}
}
3.2 创建Matcher对象并执行匹配
编译后的Pattern对象用于创建Matcher对象，然后通过Matcher对象执行匹配操作：
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class RegexExample {public static void main(String[] args) {// 编译正则表达式Pattern pattern = Pattern.compile("a.*c");// 创建Matcher对象Matcher matcher = pattern.matcher("abc");// 执行匹配操作boolean isMatch = matcher.matches();System.out.println("是否匹配: " + isMatch); // 输出: true}
}
3.3 常用的Matcher方法
matches()：尝试将整个输入序列与模式匹配。find()：在输入序列中查找下一个匹配的子序列。group()：返回当前匹配的子序列。start()：返回当前匹配的子序列的起始索引。end()：返回当前匹配的子序列的结束索引加1。
示例代码：
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class RegexExample {public static void main(String[] args) {String input = "Hello, world! Hello, Java!";Pattern pattern = Pattern.compile("Hello");Matcher matcher = pattern.matcher(input);// 查找所有匹配项while (matcher.find()) {System.out.println("匹配到: " + matcher.group() + ", 起始位置: " + matcher.start() + ", 结束位置: " + matcher.end());}}
}
输出结果：
匹配到: Hello, 起始位置: 0, 结束位置: 5
匹配到: Hello, 起始位置: 14, 结束位置: 19
四、正则表达式高级应用
4.1 分组与捕获
使用圆括号()可以将正则表达式中的部分内容分组，每个分组可以被单独捕获和引用。分组编号从1开始，0表示整个匹配结果。
示例：匹配并提取邮箱地址中的用户名和域名
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class GroupExample {public static void main(String[] args) {String email = "test.user@example.com";String regex = "([a-zA-Z0-9._%+-]+)@([a-zA-Z0-9.-]+\\.[a-zA-Z]{2,})";Pattern pattern = Pattern.compile(regex);Matcher matcher = pattern.matcher(email);if (matcher.matches()) {System.out.println("完整匹配: " + matcher.group(0)); // 整个匹配结果System.out.println("用户名: " + matcher.group(1)); // 第一组System.out.println("域名: " + matcher.group(2)); // 第二组}}
}
输出结果：
完整匹配: test.user@example.com
用户名: test.user
域名: example.com
4.2 反向引用
在正则表达式中，可以使用\n（n为数字）引用前面已经捕获的分组。例如，匹配重复的单词：
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class BackreferenceExample {public static void main(String[] args) {String text = "hello hello world world";String regex = "\\b(\\w+)\\s+\\1\\b";Pattern pattern = Pattern.compile(regex);Matcher matcher = pattern.matcher(text);while (matcher.find()) {System.out.println("重复的单词: " + matcher.group());}}
}
输出结果：
重复的单词: hello hello
重复的单词: world world
4.3 贪婪匹配与非贪婪匹配
- 贪婪匹配：默认情况下，正则表达式的量词（如
*、+、{n,m}）是贪婪的，会尽可能多地匹配字符。 - 非贪婪匹配：在量词后面加上
?，可以将贪婪匹配转换为非贪婪匹配，尽可能少地匹配字符。
示例：
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class GreedyVsNonGreedy {public static void main(String[] args) {String text = "<html><body><h1>Hello</h1></body></html>";// 贪婪匹配String greedyRegex = "<.*>";Pattern greedyPattern = Pattern.compile(greedyRegex);Matcher greedyMatcher = greedyPattern.matcher(text);if (greedyMatcher.find()) {System.out.println("贪婪匹配: " + greedyMatcher.group());}// 非贪婪匹配String nonGreedyRegex = "<.*?>";Pattern nonGreedyPattern = Pattern.compile(nonGreedyRegex);Matcher nonGreedyMatcher = nonGreedyPattern.matcher(text);while (nonGreedyMatcher.find()) {System.out.println("非贪婪匹配: " + nonGreedyMatcher.group());}}
}
输出结果：
贪婪匹配: <html><body><h1>Hello</h1></body></html>
非贪婪匹配: <html>
非贪婪匹配: <body>
非贪婪匹配: <h1>
非贪婪匹配: </h1>
非贪婪匹配: </body>
非贪婪匹配: </html>
4.4 零宽断言
零宽断言用于在特定位置匹配某些内容，但不包含匹配的内容本身。Java支持四种零宽断言：
| 断言类型 | 语法 | 描述 |
|---|---|---|
| 正向先行断言 | (?=pattern) | 匹配后面跟着pattern的位置 |
| 负向先行断言 | (?!pattern) | 匹配后面不跟着pattern的位置 |
| 正向后行断言 | (?<=pattern) | 匹配前面是pattern的位置 |
| 负向后行断言 | (?<!pattern) | 匹配前面不是pattern的位置 |
示例：匹配所有以"ing"结尾的单词
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class LookaroundExample {public static void main(String[] args) {String text = "running jumping swimming";String regex = "\\b\\w+(?=ing\\b)";Pattern pattern = Pattern.compile(regex);Matcher matcher = pattern.matcher(text);while (matcher.find()) {System.out.println("匹配到: " + matcher.group());}}
}
输出结果：
匹配到: run
匹配到: jump
匹配到: swim
五、正则表达式在实际开发中的应用
5.1 表单验证
正则表达式常用于表单验证，确保用户输入的数据符合预期格式。
邮箱验证
public static boolean isValidEmail(String email) {String regex = "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$";return Pattern.matches(regex, email);
}
手机号验证
public static boolean isValidPhone(String phone) {String regex = "^1[3-9]\\d{9}$";return Pattern.matches(regex, phone);
}
身份证号码验证
public static boolean isValidIdCard(String idCard) {String regex = "^[1-9]\\d{5}(18|19|20)\\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\\d|3[01])\\d{3}[0-9Xx]$";return Pattern.matches(regex, idCard);
}
5.2 文本替换
使用正则表达式可以方便地进行文本替换操作。
替换HTML标签
public static String removeHtmlTags(String html) {String regex = "<[^>]+>";return html.replaceAll(regex, "");
}
敏感词过滤
public static String filterSensitiveWords(String text) {String[] sensitiveWords = {"敏感词1", "敏感词2", "敏感词3"};String regex = String.join("|", sensitiveWords);return text.replaceAll(regex, "***");
}
5.3 文本分割
使用正则表达式可以按复杂规则分割文本。
按逗号或空格分割
public static String[] splitText(String text) {String regex = "[,\\s]+";return text.split(regex);
}
按数字分割
public static String[] splitByNumbers(String text) {String regex = "\\d+";return text.split(regex);
}
六、正则表达式性能优化
- 编译一次，多次使用：避免在循环中重复编译相同的正则表达式，应将编译后的
Pattern对象缓存并复用。 - 简化正则表达式：复杂的正则表达式会降低匹配效率，尽量使用简单、明确的表达式。
- 避免过度使用回溯：贪婪匹配和反向引用可能导致大量回溯，影响性能。
- 优先使用String类的方法：对于简单的字符串操作，如
startsWith()、endsWith()、indexOf()等，应优先使用String类的方法，比正则表达式效率更高。
七、常见问题与注意事项
- 转义字符问题：在Java字符串中使用正则表达式时，需要注意转义字符。例如，匹配点号
.需要写成\\.，匹配反斜杠\需要写成\\\\。 - 性能问题：复杂的正则表达式可能导致性能问题，特别是在处理大量数据时。
- 边界问题：使用
^和$时要注意是否需要匹配整个字符串，还是只需要匹配部分内容。 - Unicode支持：Java默认支持Unicode字符，但在处理非ASCII字符时需要特别注意。
总结
正则表达式是Java中强大的文本处理工具，掌握正则表达式的基本语法和Java中的使用方法，对于提高字符串处理效率和开发质量至关重要。本文从基础概念入手，详细介绍了正则表达式的语法、Java中的API使用、高级应用场景以及性能优化等方面的内容，希望你在今后熟练使用尽量掌握。