Java 正则基础

本文里简单的记录了一下Java正则的内容，因为之前学了python版的，所以零基础的可以去看一下视频：正则专题。而且没有列出正则里的其他方法，需要的可以百度一下

快速入门

class RegExp {public static void main(String[] args) {String content = "sdfja东方红2001都是你的sdjs1998dfSDK200djfsd2024";// 目标：匹配content里所有的四位连续数字// 1。\\d表示一个任意的数字String regStr = "\\d\\d\\d\\d";// 2.创建模式对象【即正则表达式对象】Pattern pattern = Pattern.compile(regStr);// 3.创建匹配器// 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 = pattern.matcher(content);// 4.开始匹配while (matcher.find()) {System.out.println("找到:" + matcher.group(0));}}
}

正则底层实现

代码中的解析部分可以自己debug进行验证

class RegExp {public static void main(String[] args) {String content = "1998年12月8日，第二代Java平台的企业版J2EE发布。1999年6月，Sun公司发布了" +"第二代Java平台（简称为Java2）的3个版本：J2ME（Java2 Micro Edition，Java2平台的微型" +"版），应用于移动、无线及有限资源的环境；J2SE（Java 2 Standard Edition，Java 2平台的" +"标准版），应用于桌面环境；J2EE（Java 2Enterprise Edition，Java 2平台的企业版），应" +"用3443于基于Java的应用服务器。Java2平台的发布，是Java发展过程中最重要的一个" +"里程碑，标志着Java的应用开始普及9889";// 目标：匹配content里所有的四位连续数字// 1。\\d表示一个任意的数字String regStr = "\\d\\d\\d\\d";// 2.创建模式对象【即正则表达式对象】Pattern pattern = Pattern.compile(regStr);// 3.创建匹配器// 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 = pattern.matcher(content);// 4.开始匹配/*** 对下面两个方法的源码进行分析* matcher.find() 完成的任务:* 1.根据指定的规则pattern（这里是要求四位连续数字\\d\\d\\d\\d），* 定位满足规则的子字符串（比如1998）* 2.找到后，将子字符串的起始索引记录到matcher对象的属性 int[] groups; 中，即groups[0]=0，* 把该子字符串的结束索引+1的值也记录到groups属性中，即 groups[1] = 4* 3.同时记录oldLast 属性的值为 子字符串的结束索引+1的值，即oldLast=4，* 下次执行find()方法时，就从oldLast开始匹配* * matcher.group()方法* 通过查看matcher.group()方法的源码可以知道* matcher.group(0)就是根据 groups[o]=0 和 groups[1]=4 的记录的位置，* 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*//*** matcher.group()方法既然能传入一个0，也可以传入其他数字，但是传入其他数字是有前提的* 那就是只有匹配规则中涉及到分组时才可以传入0以外的数字，表示的是第几个分组* * 假如把regStr改为 "(\\d\\d)(\\d\\d)", 即String regStr = "(\\d\\d)(\\d\\d)";* 就表示有两个分组，一对小括号就代表一个分组* * 那么此时第一次进入while循环* find()方法* 1.根据指定的规则pattern（(\\d\\d)(\\d\\d)），定位到第一个满足规则的子字符串1998* 2.找到后，把1998这个子字符串的起始索引和结束索引+1记录到groups数组中，* 即groups[0]=0, groups[1] = 3 + 1 = 4* 把第一个分组19的起始索引(0)和结束索引加1(1+1=2)也记录到groups数组中* 即groups[2]=0, groups[3] = 2* 把第二个分组98的起始索引(2)和结束索引加1(3+1=4)也记录到groups数组中* 即groups[4]=2, groups[5] = 4* 如果还有第三个、第四个...分组，依次记录到groups的6,7,8,9...的位置* 3.同时记录oldLast 属性的值为 子字符串的结束索引+1的值，即oldLast=4，* 下次执行find()方法时，就从oldLast开始匹配* * matcher.group()方法* 运行matcher.group(0)返回的就是1998，* 运行matcher.group(1)返回的就是第一个分组19* 运行matcher.group(2)返回的就是第二个分组98，如果还有更多分组，可以传入3,4,5...等* 第二次进入while循环* find()方法* 1.根据指定的规则定位到第二个满足规则的子字符串1999* 2.找到后，把1999这个子字符串的起始索引和结束索引+1记录到groups数组中，* 即groups[0]=31, groups[1] = 34 + 1 = 35* 把第一个分组19的起始索引(31)和结束索引加1(32+1=33)也记录到groups数组中* 即groups[2]=31, groups[3] = 33* 把第二个分组99的起始索引(33)和结束索引加1(34+1=35)也记录到groups数组中* 即groups[4]=33, groups[5] = 35* 如果还有第三个、第四个...分组，依次记录到groups的6,7,8,9...的位置* 3.同时记录oldLast 属性的值为 子字符串的结束索引+1的值，即oldLast=35，* 下次执行find()方法时，就从oldLast开始匹配* * matcher.group()方法，看源码可知* 运行matcher.group(0)返回的就是1999，* 运行matcher.group(1)返回的就是第一个分组19* 运行matcher.group(2)返回的就是第二个分组99，如果还有更多分组，可以传入3,4,5...等* * 再循环重复上述过程*/while (matcher.find()) {System.out.println("找到:" + matcher.group(0));}}
}

Java正则不区分大小写

java正则表达式默认是区分字母大小写的，以下写法可以实现不区分大小写：

(?i)abc表示abc都不区分大小写
a(?i)bc表示bc不区分大小写
a((?i)b)c表示只有b不区分大小写
Pattern pat = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE);

元字符

转义符\\：当需要使用正则去匹配某些特殊字符时，需要对这些特殊字符进行转义，否则编译报错.。比如需要匹配小括号(，就需要写成\\(

常见的特殊字符有：.*()+/\$?[]^{}

限定符：用于指定其前面的字符和组合项连续出现多少次

选择匹配符|：在匹配某个字符串的时候是选择性的，即既可以匹配这个，又可以匹配那个，这时需要用到选择匹配符号|

字符匹配符

在中括号[]里的字符表示的都是字符本身的含义，不再是限定符，比如[?.]中的问号和点，都表示是个问号和点本身，即在中括号里不需要转义符进行转义。

定位符：规定要匹配的字符串出现的位置，比如在字符串的开始还是在结束的位置

分组、捕获、反向引用

分组和捕获

分组：可以用小括号组成一个比较复杂的匹配模式，那么一个小括号的部分我们可以看作是一个子表达式/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。

捕获分组

非捕获分组：见视频非捕获分组

反向引用

小括号的内容被捕获后，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，这个称为反向引用，这种引用既可以是在正则表达式内部，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

import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test {public static void main(String[] args) throws InterruptedException {String content = "11 21 33333 1991 2000";// 1.要匹配两个连续的相同数字 =>(\\d)\\1String regStr1 = "(\\d)\\1";Pattern compile1 = Pattern.compile(regStr1);Matcher matcher1 = compile1.matcher(content);if (matcher1.find()) {System.out.println("问题1：" + matcher1.group(0));}// 2.要匹配五个连续的相同数字 => (\\d)\\1{4}等价于 (\\d)\\1\\1\\1\\1String regStr2 = "(\\d)\\1{4}";Pattern compile2 = Pattern.compile(regStr2);Matcher matcher2 = compile2.matcher(content);if (matcher2.find()) {System.out.println("问题2：" + matcher2.group(0));}// 3.要匹配个位与千位相同，十位与百位相同的数5225，1551 => (\\d)(\\d)\\2\\1String regStr3 = "(\\d)(\\d)\\2\\1";Pattern compile3 = Pattern.compile(regStr3);Matcher matcher3 = compile3.matcher(content);while (matcher3.find()) {System.out.println("问题2：" + matcher3.group(0));}// 把类似“我...我要...学学学学...Java编程” 通过正则表达式修改成“我要学Java编程"content = "我...我要...学学学学...Java编程";// 1.先去掉所有的...content = Pattern.compile("\\.*").matcher(content).replaceAll("");System.out.println("去掉...之后：" + content);// 2.匹配出所有重复的文字// (.)\\1+ 中，.表示匹配任意一个字符，然后用反向引用查看.匹配的字符是否重复Matcher matcher = Pattern.compile("(.)\\1+").matcher(content);while (matcher.find()) {// 分别打印出我我和学学学学System.out.println("重复的文字有：" + matcher.group(0));}// 3.去重content = matcher.replaceAll("$1");System.out.println(content);}
}