Java 中正则表达式总结

　　在JDK1.3及之前的JDK版本中并没有包含正则表达式的类，如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库，最有名的就是Jakarta-ORO，Jakarta-ORO库以前叫做OROMatcher，是Daniel Savarese赠送给Jakarta Project的一个开源包。使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”，Jakarta-ORO中实现了这个接口的类就是Perl5Compiler，这个类做到了与Perl5的正则表达式完全兼容。Jakarta-ORO的使用是非常简便的，而且效率非常高，支持的正则表达式语法也是非常全的，唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API，它们位于java.util.regex包中，由于已经有了标准API，所以本书将会用java.util.regex进行正则表达式的相关操作。

　　一、正则表达式基础知识

　　1.1 句点符号

　　假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。另外，假设有一本英文字典，你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式，你可以使用一个通配符——句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符：

　　1.2 方括号符号

　　为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号(“[]”)里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内你只能匹配单

　　个字符：

　　1.3 “或”符号

　　如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。圆括号还可以用来分组。

　　1.4 表示匹配次数的符号

　　下表显示了正则表达式的语法：

　　表 1.1 正则表达式语法

　　元字符说明

　　.匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”。

　　$匹配行结束符。例如正则表达式“EJB$”能够匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs!”。

　　^匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始，但是不能匹配“I use Spring in my project”。

　　*匹配0至多个在它之前的字符。例如正则表达式“zo*”能匹配“z”以及“zoo”;正则表达式“.*”意味着能够匹配任意字符串。

　　/转义符，用来将元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号，而不是行尾;正则表达式/.用来匹配点字符，而不是任何字符的通配符。

　　[]匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bug，但是不匹配beg。可以在括号中使用连字符“-”来指定字符的区间来简化表示，例如正则表达式[0-9]可以匹配任何数字字符，这样正则表达式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串;还可以制定多个区间，例如“[A-Za-z]”可以匹配任何大小写字母。还有一个相配合使用的元字符“^”，用在这里并不像前边的那个“^”一样表示匹配行开始，而是表示“排除”，要想匹配除了指定区间之外的字符，就可以在左边的括号和第一个字符之间使用^字符，例如“[^163A-Z]”将能偶匹配除了1、6、3和所有大写字母之外的任何字符。

　　( )将 () 之间括起来的表达式定义为“组”(group)，并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。

　　|将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "food"。

　　+匹配前面的子表达式一次或多次。例如正则表达式9+匹配9、99、999等。

　　?匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符还有另外一个用途，就是表示非贪婪模式匹配，后边将有介绍

　　{n}匹配确定的 n 次。例如，“e{2}”不能匹配“bed”中的“d”，但是能匹配“seed”中的两个“e”。

　　{n,}至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的所有“e”。

　　{n,m}最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。

　　假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中，连字符(“-”)有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“/”。

　　假设进行搜索的时候，你希望连字符号可以出现，也可以不出现——即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上“?”数量限定符号。

　　美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。

　　1.5 “否”符号

　　“^”符号称为“否”符号。如果用在方括号内，“^”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。

　　1.6 圆括号和空白符号

　　“/s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢?只需在月份周围加上一个圆括号创建一个组，然后用ORO API提取出它的值。

　　1.7 其它符号

　　为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如以下所示：

　　/t：制表符，等同于/u0009

　　/n：换行符，等同于/u000A

　　/d：代表一个数字，等同于[0-9]

　　/D：代表非数字，等同于[^0-9]

　　/s：代表换行符、Tab制表符等空白字符

　　/S：代表非空白字符

　　/w：字母字符，等同于[a-zA-Z_0-9]

　　/W：非字母字符，等同于[^/w]

　　例如，在前面社会安全号码的例子中，所有出现“[0-9]”的地方我们都可以使用“/d”。

　　以下是我整理出来的程序：供参考：

　　[java] view plaincopypackage org.luosijin.test;

　　import java.util.regex.Matcher;

　　import java.util.regex.Pattern;

　　/**

　　* 正则表达式

　　* @version V5.0

　　* @author 罗嗣金

　　* @date 2009-11-9

　　*/

　　public class Regex {

　　/**

　　* @param args

　　* @author 罗嗣金

　　* @date 2009-11-9 下午11:27:28

　　*/

　　public static void main(String[] args) {

　　Pattern pattern = Pattern.compile("b*g");

　　Matcher matcher = pattern.matcher("bbg");

　　System.out.println(matcher.matches());

　　System.out.println(pattern.matches("b*g","bbg"));

　　//验证邮政编码

　　System.out.println(pattern.matches("[0-9]{6}", "200038"));

　　System.out.println(pattern.matches("//d{6}", "200038"));

　　//验证电话号码

　　System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799"));

　　getDate("Nov 10,2009");

　　charReplace();

　　//验证身份证:判断一个字符串是不是身份证号码，即是否是15或18位数字。

　　System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876"));

　　getString("D:/dir1/test.txt");

　　getChinese("welcome to china,江西奉新,welcome,你!");

　　validateEmail("luosijin123@163.com");

　　}

　　/**

　　* 日期提取:提取出月份来

　　* @param str

　　* @author 罗嗣金

　　* @date 2009-11-9 下午11:56:06

　　*/

　　public static void getDate(String str){

　　String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}";

　　Pattern pattern = Pattern.compile(regEx);

　　Matcher matcher = pattern.matcher(str);

　　if(!matcher.find()){

　　System.out.println("日期格式错误!");

　　return;

　　}

　　System.out.println(matcher.group(1)); //分组的索引值是从1开始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。

　　}

　　/**

　　* 字符替换:本实例为将一个字符串中所有包含一个或多个连续的“a”的地方都替换成“A”。

　　*

　　* @author 罗嗣金

　　* @date 2009-11-10 上午12:06:03

　　*/

　　public static void charReplace(){

　　String regex = "a+";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa");

　　String s = matcher.replaceAll("A");

　　System.out.println(s);

　　}

　　/**

　　* 字符串提取

　　* @param str

　　* @author 罗嗣金

　　* @date 2009-11-10 上午12:20:48

　　*/

　　public static void getString(String str){

　　String regex = ".+/(.+)$";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(str);

　　if(!matcher.find()){

　　System.out.println("文件路径格式不正确!");

　　return;

　　}

　　System.out.println(matcher.group(1));

　　}

　　/**

　　* 中文提取

　　* @param str

　　* @author 罗嗣金

　　* @date 2009-11-10 上午12:27:17

　　*/

　　public static void getChinese(String str){

　　String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(str);

　　StringBuffer sb = new StringBuffer();

　　while(matcher.find()){

　　sb.append(matcher.group());

　　}

　　System.out.println(sb);

　　}

　　/**

　　* 验证Email

　　* @param email

　　* @author 罗嗣金

　　* @date 2009-11-10 上午12:34:50

　　*/

　　public static void validateEmail(String email){

　　String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(email);

　　if(matcher.matches()){

　　System.out.println("这是合法的Email");

　　}else{

　　System.out.println("这是非法的Email");

　　}

　　}

　　}