一个正则表达式，就是用某种模式去匹配字符串的一个公式。许多语言都提供了对正则表达式的支持
正则表达式初体验1, 提取某段文字中的所有英语单词
2, 提取数字
3, 提取数字和英语单词
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;public class RegexpText01 { public static void main(String[] args) { //文本信息 String content = "Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统，" + "其内核由林纳斯·本纳第克特·托瓦兹于1991年10月5日首次发布，它主要受到Minix和Unix" + "思想的启发，是一个基于POSIX的多用户、多任务、支持多线程和多CPU的操作系统。它能运行" + "主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix" + "以网络为核心的设计思想，是一个性能稳定的多用户网络操作系统。Linux有上百种不同的发行版，" + "如基于社区开发的debian、archlinux，和基于商业开发的" + "Red Hat Enterprise Linux、SUSE、Oracle Linux等。\n" + "2021年6月，根据Linux 5.14刚刚进入合并队列的char-misc-next提交，" + "Linux 5.14正式移除了RAW驱动"; //找出其中的全部英语单词 //找出百度热搜的标题：(///S*) //传统方法：使用遍历方式，代码量大，效率不高 //正则表达式： /** * 1,先创建一个Pattern对象，模式对象，可以理解成一个正则表达式对象 * 2,创建一个匹配器对象 * 3,开始循环匹配 */ Pattern patter = Pattern.compile("([0-9]+)|([a-zA-Z]+)"); //匹配数字时，[0-9] //数字+英文单词 ([0-9]+)|([a-zA-Z]+) //按照patter（模式/样式）。到content文本中匹配，找到true。否false Matcher matcher = patter.matcher(content); while (matcher.find()) { //匹配内容，文本放到matcher.group(); 中 System.out.println("找到：" + matcher.group(0)); } }}为什么要学习正则表达式
分析Java正则的底层实现原理找出文本中的所有数字子串
验证电子邮件和手机号码格式
正则表达式技术是对字符串进行模式匹配的技术
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;public class RegexpText02 { public static void main(String[] args) { //文本信息 String content = "Linux，全称GNU/Linux，是一种免费使用和自由传播的类UNIX操作系统，" + "其内核由林纳斯·本纳第克特·托瓦兹于1991年10月5日首次发布，它主要受到Minix和Unix" + "思想的启发，是一个基于POSIX的多用户、多任务、支持多线程和多CPU的操作系统。它能运行" + "主要的Unix工具软件、应用程序和网络协议。它支持32位和64位硬件。Linux继承了Unix" + "以网络为核心的设计思想，是一个性能稳定的多用户网络操作系统。Linux有上百种不同的发行版，" + "如基于社区开发的debian、archlinux，和基于商业开发的" + "Red Hat Enterprise Linux、SUSE、Oracle Linux等。\n" + "2021年6月，根据Linux 5.14刚刚进入合并队列的char-misc-next提交，" + "Linux 5.14正式移除了RAW驱动"; //目标：匹配所有四个数字 //说明 //1, \\d 表示一个数字 String regStr = "\\d\\d\\d\\d"; //2, 创建模式对象 Pattern patter = 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则去匹配content字符串 Matcher matcher = patter.matcher(content); //4, 开始匹配 while (matcher.find()) { System.out.println("找到：" + matcher.group(0)); } }}find()和group()的实现原理是什么？matcher.find() 完成的任务：
1. 根据指定的规则，定位满足规则的子字符串2. 什么是分组，(//d//d)(//d//d)，正则表达式中有（），表示分组。第一个()表示第一组，以此类推……3. 找到后，将子字符串的开始索引记录到matcher对象的属性int[] group,groups[0] = 0, 把该子字符串结束的索引+1的值记录到gruops[1] = 44. 同时记录oldLast的值为子字符串结束的索引+1的值即4，下次执行find的时候，从4开始匹配matcher.group():完成的任务：
//JDK源码：public String group(int group) { if (first < 0) throw new IndexOutOfBoundsException("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;}根据groups[0] 和 groups[1] = 4的记录位置，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的位置关于groups数组的理解：比如匹配(//d//d)(//d//d)，匹配四位数的数字，第一组的值即找到1998。group[1] = 19; group[2] = 98如果正则表达式分组()，即分组，则匹配规则如下
group[0]：表示匹配到的子字符串
group[1]：表示匹配到的子字符串的第一组子串
group[2]：表示匹配到的子字符串的第二组子串
但是匹配到的子字符串不能越界
正则表达式语法正则转义符分类想要灵活的使用正则表达式，必须了解其中各种元字符(Metacharacter)的功能，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转义号 \\\\：转义字符，表示一个 \ ,
在其他语言中，\表示一个反斜杠
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 转义符的使用 */public class RegexpText03 { public static void main(String[] args) { String content = "abc$(abc(123("; //匹配( String regStr = "\\("; Pattern patter = Pattern.compile(regStr); Matcher matcher = patter.matcher(content); //开始匹配 while (matcher.find()) { System.out.println("找到" + matcher.group(0)); } }}
例如：要匹配 . 的正则为 "\\."， 而不是”.“ 。
字符匹配符[ ]：可接受的字符列表
eg：[efgh]：e, f, g, h 中的任意一个字符
[^]：不可接受的字符列表
eg：除a, b, c 之外的任意一个字符，包括数字和特殊符号
- ：连字符
eg：A-Z：任意的单个大写字母
. ：匹配除\n以外的任何字符，如果要匹配 . 要用转义符
eg：a..b : 以a开头，b结尾，中间包括2个任意字符的长度为4的字符串，aaab，a67b，a%￥b
\\d : 匹配单个的数字字符，相当于[0-9]
eg：\\d{3}(\\d)? 包含3个或者4个数字的字符串，123，4567
\\D：匹配单个非数字字符串，相当于[\^0-9]
eg：\\D(\\d)*, 以单个非数字字符开头，后接任意个数字字符串，a、A342、b45678
\\w：匹配单个数字，大小写字母字符，相当于[-9a-zA-Z]
eg：\\d{3}\\w{4}, 以3个数字字符开头的长度为7的数字字母字符串，234abcd、12345pe
\\W：匹配单个非数字，大小写字母字符，相当于[\^0-9a-zA-Z]
eg：\\W+\\d{2}, 以至少1个非数字字母字符开头，2个数字字符结尾的字符串，#29、#@!10
\\s: 匹配任何空白字符，（空格，制表符等）
\\S: 相当于对s取反，匹配任何非空白字符
Java的正则表达式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都不区分大小写a((>i)b)c 表示b都不区分大小写Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE); 创建正则表达式对象的时候，加入CASE_INSENSITIVE(不敏感，不区分大小写)选择匹配符| : 表示选择
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 选择匹配符的使用 */public class RegexpText05 { public static void main(String[] args) { String content = "韩张三 zhangsan"; String regStr = "san|韩|张"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到" + matcher.group(0)); } }}限定符
用于指定其前面的字符和字符和组合项连续出现的次数
* : 指定字符重复0此或n此（与具体要求）
eg：(abc), 仅包含任意个abc的字符串，等效于\w\, abc、abcabcabc
+：指定字符重复次或者n次（至少1次）
eg：m+(abc)*, 以至少一个m开头，后接任意个abc的字符串，m、mabc、mabcabc
?：指定字符重复0次或者1次（最多一次）
eg：m+abc?, 以至少一个m开头，后接ab或者abc的字符串，mab、mabc、mmmab、mmabc
{n}：只能输入n个字符
eg：[abcd]{3}, 以abcd组成的任意长度为3的字符串，abc、dbc、acd
{n,}：指定至少n个匹配
eg：[abcd]{3,}, 由abcd中字母组成的任意长度不小于3（>=3）的字符串，aab、dbc、aaabdc
{n,m}：只当至少n个但不多于m个匹配
eg：[abcd]{3,5}，由abcd中字母组成的任意长度不小于3，不大于5(5>=x>=3)的字符串，abc、abcd、badab、badca
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 演示限定符的是使用 */public class RegexpText06 { public static void main(String[] args) { String content = "11111111a21aaaaaahello"; //String regStr = "a{3}"; //找出三个a //String regStr = "1{4}"; //String regStr = "\\d{2}";//表示两位的任意数字字符 /* java的正则匹配默认是贪婪匹配，尽可能匹配多的字符串 */ //String regStr = "a{3,4}"; //String regStr = "\\d{3,5}"; //1+ //String regStr = "1+"; //匹配1个或者多个1 //1* //String regStr = "1*"; //匹配0个或者多个1 //? 的使用 String regStr = "a1?"; //匹配a或者a1 Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); } }}元字符
^: 指定起始字符，^[0-9]+[a-z]*，以至少1个数字开头，后接任意个小写字母，123、6aa、555edf
$：指定结束字符，^[0-9]\\-[a-z]+$，以1个数字开头后接连字符”-“，并以至少一个小写字母结尾的字符串，1-a
\\b：匹配目标字符串的边界，han\\b，这里的字符串的边界指的是子串间有空格，或者是目标字符串的结束位置，hansunping、sphan、nnhan
\B：匹配目标字符串的边界，han\\B，和\b的含义相反，hanshunping,sphan,nnhan
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 定位符的使用 */public class RegexpText07 { public static void main(String[] args) { //String content = "123abc"; String content = "hanshunping abchan defghan"; //String regStr = "^[0-9]+[a-z]*"; //a123abc, 匹配失败 //String regStr = "^[0-9]+[a-z]+$"; //以a-z的其中一个结尾 String regStr = "han\\b"; //这里的边界值得是字符串的最后，或者是空格的前面字符串的末尾 Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); } }}分组常用分组
常用分组构造形式
(pattern)：非命名捕获，捕获匹配的子字符串。编号为零的第一个捕获是由整个正则表达式模式匹配的文本，其他捕获结果则根据左括号的顺序从1开始自动编号。
(? <name> pattern)：命名捕获，将匹配到的子字符串捕获到一个组名称或编号名称中。用于name的字符串不能包含任何标点符号，并且不能以数字开头。可以使用单引号替代尖括号，例如（?'name'）
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** *分组 */public class regexpText08 { public static void main(String[] args) { String content = "hanshunping s7789 nn1189han"; //String regStr = "(\\d\\d)(\\d\\d)"; //，匹配四个数字的字符串，相当于d{4}; //非命名分组 //matcher.group(0); 获取整个的字符串 //matcher.group(1); 获取分组的第一个子字符串 //matcher.group(2); 获取分组的第二个子字符串 //一个括号是一个组 //第一个分组是77，第二个分组是89 //命名分组：即可以给分组取名 String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println("找到" + matcher.group(0)); //System.out.println("第一个分组内容" + matcher.group(1)); //System.out.println("第二个分组内容" + matcher.group(2)); System.out.println("第一个分组内容[通过组名]" + matcher.group("g1")); System.out.println("第二个分组内容[通过组名]" + matcher.group("g2")); } }}特别分组
(?:pattern)：匹配pattern 但不捕获该匹配的子表达式，即它是一个非捕获匹配，不存储供以后使用的匹配。但这对于“or”字符（|）组合模式部件的情况很有用。例如：'industr(?:y|ies)'是比，'indeustry|industries'更经济的表达式
(?=pattern)：它是一个非捕获匹配。例如，'Windwos(?=95|98|NT|2000)' 的匹配 “Windows 2000” 中的 “Windows 3.1” 中的"Windows"
(?!patter)：该表达式匹配不处于匹配pattern的字符串的起始点的搜索字符串。他是一个非捕获匹配。例如，'Windwos(?=95|98|NT|2000)' 匹配“Windows 3.1” 中的"Windows"，但不匹配 “Windows 2000” 中的 “Windows“。
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** *非捕获分组 * 以下三个全为非捕获分组 */public class RegexpText09 { public static void main(String[] args) { String content = "hello中国人民 中国经济abc def中国发展"; //String regStr = "中国(?:人民|经济)"; //等价于：String regStr = "中国人民|中国经济"; //要求查找中国人民，中国发展，中国经济中的中国 //String regStr = "中国(?=人民|经济)"; //和（？=pattern）结果相反 String regStr = "中国(?!人民|经济)"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); while (matcher.find()) { System.out.println(matcher.group(0)); //System.out.println(matcher.group(1)); //非捕获，不能这么操作 } }}非贪婪匹配
?：当此字符紧随任何其他限定符（*, +, ?, {n}, {n,}, {n,m}）之后时，匹配模式是”非贪心的“。”非贪心的“模式匹配搜索到的，尽可能短的字符串，默认的”贪心“模式匹配搜索到的，尽可能长的字符串。例如在"oooo", "o+?"只匹配单个"o", 而“o+”匹配所有 “o”。
正则表达式应用实例package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 正则表达式应用实例 * 1，验证汉字 * 2，邮政编码 是1-9开头的数字，比如123890 * 3，QQ号码 是1-9开头的一个（5位数-19位数），比如12389.134578 * 4，手机号码 必须以13，14，15，18开头的11位数。 */public class RegexpText10 { public static void main(String[] args) { //验证汉字 //String content = "中国人"; //汉字编码范围之内 //String regStr = "^[\u0391-\uffe5]+$"; //邮政编码 //String content = "744500"; //String regStr= "^[1-9]\\d{5}$"; //QQ号码 //String content = "14815566"; //String regStr= "^[1-9]\\d{4,9}$"; //手机号码 String content = "13588886666"; String regStr= "^1[3|4|5|8]\\d{9}$"; Pattern pattern = Pattern.compile(regStr); Matcher matcher = pattern.matcher(content); if (matcher.find()) { System.out.println("满足格式"); } else { System.out.println("不满足格式"); } }}
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 验证url */public class RegexpText11 { public static void main(String[] args) { String content = "https://www.bilibili.com/video/BV1Eq4y1E79W?p=17&spm_id_from=pageDriver"; /** * 思路： * 确定url的开始部分 https:// | http:// * regStr = "^((http|https)://)"; https:// * regStr = "^((http|https)://)([\w-]+\.)+"； https://www.bilibili. * regStr = "^^((http|https)://)([\w-]+\.)+[\w-]+$+$"; https://www.bilibili.com * regStr = "^((http|https)://)([\w-]+\.)+[\w-]+(\\/[\\w-?=&/%.]*)?$"; https://www.bilibili.com/video/BV1Eq4y1E79W?p=17&spm_id_from=pageDriver */ String regStr = "^((http|https)://)?([\\w-]+\\.)+[\\w-]+(\\/[\\w-?=&/%.#]*)?$"; //[.]匹配的是 . 本身，等价于\\. 。不加[]时，匹配的是所有字符 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"); } }}PatternSyntaxException
是一个非强制异常类，表示一个正则表达式模式中的语法错误
反向引用概念分组：用圆括号组成一个比较负责的匹配模式，那么一个圆括号的部分我们可以看作是一个子表达式或者一个分组捕获：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：圆括号内的内容被捕获后，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，这个我们称之为反向引用，这种引用既是可以在正则表达式内部，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 $ 分组号应用案例package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** *匹配两个连续相同的数字 (\\d)\\1 反向引用一次 *匹配五个连续相同的数字 (\\d)\\1{4} 反向引用四次 *匹配个位和千位相同，十位和百位相同的数字 5225，1551 *在字符串中检索商品编号，如：12321-333999111 *要求满足前面是一个五位数，然后一个-号，然后一个九位数，连续的三位要相同 */public class RegexpText12 { public static void main(String[] args) { String content = "22222 h1234ell7896o jac1551k t12321-333999111om11 jack22 xxx yyy"; //匹配两个连续相同的数字 //String regStr = "(\\d)\\1"; //匹配五个连续相同的数字 //String regStr = "(\\d)\\1{4}"; //匹配个位和千位相同，十位和百位相同的数字 5225，1551 //String regStr = "(\\d)(\\d)\\2\\1"; //在字符串中检索商品编号，如：12321-333999111 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(matcher.group(0)); } }}
结巴去重案例
package com.company.Regexp;import java.util.regex.Matcher;import java.util.regex.Pattern;/** * 经典的结巴程序 * 把类似：”我……我要……学学学……编程java“； * 通过正则表达式修改成”我要学编程java“ */public class RegexpText13 { public static void main(String[] args) { String content = "我...我要...学学学...编程java"; //1，去掉所有的 . Pattern pattern = Pattern.compile("\\."); Matcher matcher = pattern.matcher(content); content = matcher.replaceAll("");// System.out.println("content = " + content); //2，去掉所有重复的字 /** * 思路： * 1，使用(.)\\1+ * 2，使用反向引用$1来替换匹配到的内容 * 3，使用一条语句去掉重复的字 * 注意：因为正则表达式变化，所以要重置matcher */// pattern = Pattern.compile("(.)\\1+");// matcher = pattern.matcher(content);// while (matcher.find()) {// System.out.println(matcher.group(0));// }//// content = matcher.replaceAll("$1");// System.out.println("content=" + content); content = Pattern.compile("(.)\\1+").matcher(content).replaceAll("$1"); System.out.println(content); }}替换分割匹配替换
package com.company.Regexp;/** * 替换 */public class RegexpText14 { public static void main(String[] args) { String content = "2000年5月，JDK1.3、JDK1.4和J2SE1.3相继发布，" + "几周后其获得了Apple公司Mac OS X的工业标准的支持。" + "2001年9月24日，J2EE1.3发布。2002年2月26日，J2SE1.4发布。" + "自此Java的计算能力有了大幅提升，与J2SE1.3相比，其多了近62%的类和接口。" + "在这些新特性当中，还提供了广泛的XML支持、安全套接字（Socket）" + "支持（通过SSL与TLS协议）、全新的I/OAPI、正则表达式、日志与断言。" + "2004年9月30日，J2SE1.5发布，成为Java语言发展史上的又一里程碑。" + "为了表示该版本的重要性，J2SE 1.5更名为Java SE 5.0（内部版本号1.5.0），" + "代号为“Tiger”，Tiger包含了从1996年发布1.0版本以来的最重大的更新，" + "其中包括泛型支持、基本类型的自动装箱、改进的循环、枚举类型、" + "格式化I/O及可变参数。"; //使用正则表达式将JDK1.3和JDK1.4替换成JDK content = content.replaceAll("JDK1\\.3|JDK1\\.4", "JDK"); System.out.println(content); }}分割
content = "13888889999"; if (content.matches("1(38|39)\\d{8}")) { System.out.println("验证成功"); } else { System.out.println("验证失败"); } }匹配
//要求按照# - ~ 数字来分割字符串 content = "hello#abc-jack12mith~北京"; String[] split = content.split("#|-|~|\\d+"); for (String s : split) { System.out.println(s); }练习验证整数或者小数
package com.company.Regexp;/** * 验证整数或者小数 * 思路： * 先写出正则表达式 * 然后逐步完善 */public class RegexpText15 { public static void main(String[] args) { String content = "-0.89"; String regStr = "^[-+]?([1-9]\\d*|0)+(\\.\\d+)?$"; if (content.matches(regStr)) { System.out.println("验证成功"); } else { System.out.println("验证失败"); } }}