正则表达式详解及应用

正则表达式（Regular Expression），简称正则，是一种用于匹配字符串中字符组合的模式。它广泛应用于字符串查找、替换、数据验证等任务中。在Java中，正则表达式的支持由java.util.regex包提供。本文将详细介绍正则表达式的基础知识、用法和示例，帮助你全面理解和应用正则表达式。

正则表达式简介

正则表达式是一种字符序列，它定义了一个搜索模式。主要用于字符串模式匹配，如检索、替换、验证字符串。

基本结构

字面字符：直接匹配字符本身，如a、1、A。
元字符：具有特殊意义的字符，如.、*、+、?、[]、()等。

常见元字符

.：匹配任意单个字符（不包括换行符）。
*：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。
[]：匹配括号内的任意字符。
()：分组符，用于将多个字符作为一个单独的单元进行处理。
\：转义字符，用于转义元字符。

正则表达式用法

在Java中，正则表达式主要通过Pattern和Matcher类来使用。

1. `Pattern` 类

用于编译正则表达式。常用方法：

Pattern.compile(String regex): 编译给定的正则表达式。

2. `Matcher` 类

用于匹配正则表达式。常用方法：

Matcher.matches(): 尝试将整个输入序列与模式匹配。
Matcher.find(): 尝试在输入序列中查找与模式匹配的子序列。
Matcher.group(): 返回由以前匹配操作所匹配的输入子序列。

示例代码

以下是一些常见的正则表达式使用示例。

示例1：基本匹配

import java.util.regex.*;public class RegexExample {public static void main(String[] args) {String input = "hello123";//w+：匹配一个或多个单词字符（字母、数字或下划线）。//d+：匹配一个或多个数字。String pattern = "\\w+\\d+";Pattern compiledPattern = Pattern.compile(pattern);Matcher matcher = compiledPattern.matcher(input);if (matcher.matches()) {System.out.println("The input matches the pattern.");} else {System.out.println("The input does not match the pattern.");}}
}/*
输出 The input matches the pattern.
*/

示例2：分割字符串

当调用str.split("\\s+")时，split方法会寻找一个或多个连续的空白字符，并以这些空白字符作为分隔符进行分割。

public class SplitExample {public static void main(String[] args) {String str = "Java    is    fun";// 使用一个或多个空白字符作为分隔符// \\s：匹配任何空白字符，包括空格、制表符、换行符等。// +：匹配前面的子表达式一次或多次。String[] words = str.split("\\s+");// 打印分割后的字符串数组for (String word : words) {System.out.println(word);}}
}
/*
Java
is
fun
*/

常见正则表达式符号及其解释

字符类

[abc]：匹配 a、b 或 c 中的任意一个字符。
[^abc]：匹配除 a、b、c 之外的任意字符。
[a-zA-Z]：匹配任意大小写字母。
[0-9]：匹配任意数字。
[a-z]：匹配任意小写字母。
[A-Z]：匹配任意大写字母。
[a-zA-Z0-9]：匹配任意字母和数字。
[!@#\$%\^&*()]：匹配任意一个特殊字符。

预定义字符类

.：匹配任意字符（除换行符）。
\d：匹配任意数字，等价于[0-9]。
\D：匹配任意非数字，等价于[^0-9]。
\w：匹配任意单词字符（字母、数字、下划线），等价于[a-zA-Z0-9_]。
\W：匹配任意非单词字符，等价于[^a-zA-Z0-9_]。
\s：匹配任意空白字符（空格、制表符、换行符）。
\S：匹配任意非空白字符。

数量词

*：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。

示例3：验证电子邮件地址

import java.util.regex.*;public class EmailValidation {public static void main(String[] args) {String email = "example@example.com";String pattern = "^[\\w-\\.]+@[\\w-\\.]+\\.[a-zA-Z]{2,}$";Pattern compiledPattern = Pattern.compile(pattern);Matcher matcher = compiledPattern.matcher(email);if (matcher.matches()) {System.out.println("Valid email address.");} else {System.out.println("Invalid email address.");}}
}

 String pattern = "^[\\w-\\.]+@[\\w-\\.]+\\.[a-zA-Z]{2,}$";
正则表达式模式解释
^：表示字符串的开始。
[\\w-\\.]+：匹配一个或多个单词字符（字母、数字、下划线）、连字符或点号。
@：匹配字符 @。
[\\w-\\.]+：匹配一个或多个单词字符（字母、数字、下划线）、连字符或点号。
\\.：匹配字符 .，需要转义。
[a-zA-Z]{2,}：匹配两个或更多的字母字符。
$：表示字符串的结束。
综上，这个正则表达式匹配的模式是 用户名@域名.顶级域名，其中：用户名可以包含字母、数字、下划线、连字符和点号。
域名可以包含字母、数字、下划线、连字符和点号。
顶级域名必须是两个或更多的字母。

示例4：提取数字

import java.util.regex.*;public class ExtractNumbers {public static void main(String[] args) {String input = "Order1234 shipped on 2023-01-01";String pattern = "\\d+";Pattern compiledPattern = Pattern.compile(pattern);Matcher matcher = compiledPattern.matcher(input);while (matcher.find()) {System.out.println("Found number: " + matcher.group());}}
}
/* 输出结果
Found number: 1234
Found number: 2023
Found number: 01
Found number: 01
*/