Java 正規表示式
正規表示式定義了字串的模式。
正規表示式可以用來搜尋、編輯或處理文字。
正規表示式並不僅限於某種語言,但是在每種語言中都有細微的差別。
Java正規表示式和Perl的是最相似的。
java.util.regex套件主要包含以下三個類別:
#Pattern類別:
pattern物件是一個正規表示式的編譯表示。 Pattern類別沒有公共構造方法。要建立一個Pattern對象,你必須先呼叫其公共靜態編譯方法,它會傳回一個Pattern物件。此方法接受一個正規表示式作為它的第一個參數。
Matcher類別:
Matcher物件是對輸入字串進行解釋和匹配操作的引擎。與Pattern類別一樣,Matcher也沒有公共構造方法。你需要呼叫Pattern物件的matcher方法來取得一個Matcher物件。
PatternSyntaxException:
#PatternSyntaxException是一個非強制例外類,它表示一個正規表示式模式中的語法錯誤。
擷取群組
擷取群組是把多個字元當作單獨單元處理的方法,它透過括號內的字元分組來建立。
例如,正規表示式(dog) 建立了單一分組,群組包含"d","o",和"g"。
捕獲組是透過從左到右計算其開括號來編號。例如,在表達式((A)(B(C))),有四個這樣的群組:
((A)(B(C)))
(A)
(B(C))
- ##(C)
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { public static void main( String args[] ){ // 按指定模式在字符串查找 String line = "This order was placed for QT3000! OK?"; String pattern = "(.*)(\d+)(.*)"; // 创建 Pattern 对象 Pattern r = Pattern.compile(pattern); // 现在创建 matcher 对象 Matcher m = r.matcher(line); if (m.find( )) { System.out.println("Found value: " + m.group(0) ); System.out.println("Found value: " + m.group(1) ); System.out.println("Found value: " + m.group(2) ); } else { System.out.println("NO MATCH"); } } }以上實例編譯運行結果如下:
Found value: This order was placed for QT3000! OK? Found value: This order was placed for QT300 Found value: 0
正規表示式語法
字元 | 說明 | |
---|---|---|
#\ | 將下一字元標記為特殊字元、文字、反向引用或八進位轉義符。例如,"n"匹配字元"n"。 "\n"符合換行符號。序列"\\"匹配"\","\("匹配"("。 | |
^ | 符合輸入字串開始的位置。 $ | 符合輸入字串結尾的位置。如果設定了 RegExp 物件的 Multiline 屬性,$ 也會與"\n"或"\r"之前的位置相符。 |
* | 零次或多次符合前面的字元或子表達式。例如,zo* 匹配"z"和"zoo"。 * 等效於 {0,}。 | |
+ | 一次或多次符合前面的字元或子表達式。例如,"zo+"與"zo"和"zoo"匹配,但與"z"不匹配。 + 等效於 {1,}。 | |
? | 零次或一次符合前面的字元或子表達式。例如,"do(es)?"符合"do"或"does"中的"do"。 ? 等效於 {0,1}。 | |
{n} | #n 是非負整數。剛好符合 n 次。例如,"o{2}"與"Bob"中的"o"不匹配,但與"food"中的兩個"o"匹配。 | |
{n,} | #n 為非負整數。至少匹配 n 次。例如,"o{2,}"不符合"Bob"中的"o",而符合"foooood"中的所有 o。 "o{1,}"等價於"o+"。 "o{0,}"等價於"o*"。 | |
{n,m} | M 和n 是非負整數,其中n <= m。配對至少 n 次,至多 m 次。例如,"o{1,3}"符合"fooooood"中的頭三個 o。 'o{0,1}' 等價於 'o?'。注意:您不能將空格插入逗號和數字之間。 | |
? | 當此字元緊接在任何其他限定符(*、+、?、{n}、{n,}、{n,m})之後時,配對模式是「非貪心的」。 "非貪心的"模式匹配搜尋到的、盡可能短的字串,而預設的"貪心的"模式匹配搜尋到的、盡可能長的字串。例如,在字串"oooo"中,"o+?"只符合單一"o",而"o+"符合所有"o"。 | |
. | 匹配除"\r\n"之外的任何單一字元。若要符合包括"\r\n"在內的任意字符,請使用諸如"[\s\S]"之類的模式。 | |
(pattern) | #pattern 並擷取該匹配的子表達式。可以使用 $0…$9 屬性從結果"匹配"集合中檢索捕獲的匹配。若要符合括號字元 ( ),請使用"\("或"\)"。 | |
(?:pattern) | 匹配 pattern 但不捕獲該匹配的子表達式,即它是一個非捕獲匹配,並不會儲存以供以後使用的匹配。這對於用"or"字元 (|) 組合模式部件的情況很有用。例如,'industr(?:y|ies) 是比 'industry|industries' 更經濟的表達式。 | |
(?=pattern) | 執行正向預測先行搜尋的子表達式,該表達式會匹配處於符合pattern 的字串的起始點的字串。它是一個非捕獲匹配,即不能捕獲以供以後使用的匹配。例如,'Windows (?=95|98|NT|2000)' 符合"Windows 2000"中的"Windows",但不符合"Windows 3.1"中的"Windows"。預測先行不佔用字符,即發生匹配後,下一匹配的搜索緊隨上一匹配之後,而不是在組成預測先行的字符後。 | |
(?!pattern) | 執行反向預測先行搜尋的子表達式,該表達式匹配不處於匹配pattern 的字串的起始點的搜尋字串。它是一個非捕獲匹配,即不能捕獲以供以後使用的匹配。例如,'Windows (?!95|98|NT|2000)' 符合"Windows 3.1"中的 "Windows",但不符合"Windows 2000"中的"Windows"。預測先行不佔用字符,即發生匹配後,下一匹配的搜索緊隨上一匹配之後,而不是在組成預測先行的字符後。 | |
x|y | 匹配x 或y。例如,'z|food' 匹配"z"或"food"。 '(z|f)ood' 匹配"zood"或"food"。 | |
[xyz] | 字元集。匹配包含的任一字元。例如,"[abc]"符合"plain"中的"a"。 | |
[^xyz] | #反向字元集。匹配未包含的任何字元。例如,"[^abc]"符合"plain"中"p","l","i","n"。 | |
[a-z] | 字元範圍。匹配指定範圍內的任何字元。例如,"[a-z]"符合"a"到"z"範圍內的任何小寫字母。 | |
[^a-z] | 反向範圍字元。匹配不在指定的範圍內的任何字元。例如,"[^a-z]"會匹配任何不在"a"到"z"範圍內的任何字元。 | |
\b | #符合一個字邊界,即字與空格間的位置。例如,"er\b"符合"never"中的"er",但不符合"verb"中的"er"。 | |
\B | #非字邊界比對。 "er\B"符合"verb"中的"er",但不符合"never"中的"er"。 | |
\cx | 符合 x 指示的控製字元。例如,\cM 符合 Control-M 或回車符。 x 的值必須在 A-Z 或 a-z 之間。如果不是這樣,則假定 c 就是"c"字元本身。 | |
\d | 數字字元匹配。等效於 [0-9]。 | |
\D | #非數字字元匹配。等效於 [^0-9]。 | |
\f | # 換頁符號符合。等效於 \x0c 和 \cL。 | |
\n | #換行符匹配。等效於 \x0a 和 \cJ。 | |
\r | #符合一個回車符。等效於 \x0d 和 \cM。 | |
\s | #符合任何空白字符,包括空格、製表符、換頁符等。與 [ \f\n\r\t\v] 等效。 | |
\S | #符合任何非空白字元。與 [^ \f\n\r\t\v] 等效。 | |
\t | #製表符匹配。與 \x09 和 \cI 等效。 | |
\v | #垂直製表符匹配。與 \x0b 和 \cK 等效。 | |
\w | #符合任何字類字符,包括下劃線。與"[A-Za-z0-9_]"等效。 | |
\W | #與任何非單字字元相符。與"[^A-Za-z0-9_]"等效。 | |
\xn | 匹配n,此處的n 是一個十六進位轉義碼。十六進制轉義碼必須正好是兩位數長。例如,"\x41"符合"A"。 "\x041"與"\x04"&"1"等效。允許在正規表示式中使用 ASCII 代碼。 | |
\num | #匹配num,此處的num 是一個正整數。到捕獲匹配的反向引用。例如,"(.)\1"符合兩個連續的相同字元。 | |
\n | #標識一個八進位轉義碼或反向引用。如果 \n 前面至少有 n 個捕獲子表達式,那麼 n 是反向引用。否則,如果 n 是八進位數 (0-7),那麼 n 是八進位轉義碼。 | |
\nm | #標識一個八進位轉義碼或反向引用。如果 \nm 前面至少有 nm 個捕獲子表達式,那麼 nm 是反向引用。如果 \nm 前面至少有 n 個捕獲,則 n 是反向引用,後面跟著字元 m。如果兩個前面的情況都不存在,則\nm 匹配八進位值nm,其中n 和m 是八進位數字( 0-7)。 | |
\nml | #當n 是八進位數( 0-3),m 和l 是八進位數(0-7) 時,符合八進位轉義碼nml。 | |
\un | 符合 n,其中 n 是以四位數十六進位數表示的 Unicode 字元。例如,\u00A9 符合版權符號 (©)。 |
Matcher類別的方法
索引方法
索引方法提供了有用的索引值,精確表示輸入字串中在哪能找到符合:
序號 | #方法及說明 |
---|---|
#
1 | |
# 傳回先前匹配的初始索引。 |
2 |
返回在先前的配對作業期間,由給定群組所捕捉的子序列的初始指標 |
3 |
返回在先前的匹配操作期間,由給定組捕獲子序列的最後字元之後的偏移量。 | 研究方法 |
---|---|
#序號 | |
1 | |
嘗試將從區域開頭開始的輸入序列與該模式相符。 |
2 public boolean find() |
3 public boolean find(int start |
替換方法
替換方法是替換輸入字串裡文字的方法:
#方法及說明 | |
1 | public Matcher appendReplacement(StringBuffer sb, String replacement) # 實現非終端添加和替換步驟。 |
2 | public StringBuffer appendTail(StringBuffer sb) 實現終端添加和替換步驟。 |
3 | public String replaceAll(String replacement) 替換模式與給定替換字串相符的輸入序列的每個子序列。 |
4 | public String replaceFirst(String replacement) # 替換模式與給定替換字串相符的輸入序列的第一個子序列。 |
start 和end 方法
下面是一個對單字"cat"出現在輸入字串中出現次數進行計數的例子:
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "\bcat\b"; private static final String INPUT = "cat cat cat cattie cat"; public static void main( String args[] ){ Pattern p = Pattern.compile(REGEX); Matcher m = p.matcher(INPUT); // 获取 matcher 对象 int count = 0; while(m.find()) { count++; System.out.println("Match number "+count); System.out.println("start(): "+m.start()); System.out.println("end(): "+m.end()); } } }
以上實例編譯運行結果如下:
Match number 1 start(): 0 end(): 3 Match number 2 start(): 4 end(): 7 Match number 3 start(): 8 end(): 11 Match number 4 start(): 19 end(): 22
可以看到這個例子是使用單字邊界,以確保字母"c" "a" "t" 並非僅是一個較長的字的子字串。它也提供了一些關於輸入字串中匹配發生位置的有用資訊。
Start方法傳回在先前的匹配操作期間,由給定群組所捕獲的子序列的初始索引,end方法最後一個匹配字元的索引加1。
matches 和lookingAt 方法
matches 和lookingAt 方法都用來嘗試匹配一個輸入序列模式。它們的不同是matcher要求整個序列都匹配,而lookingAt 不要求。
這兩個方法經常在輸入字串的開始使用。
我們透過下面這個例子,來解釋這個功能:
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static final String REGEX = "foo"; private static final String INPUT = "fooooooooooooooooo"; private static Pattern pattern; private static Matcher matcher; public static void main( String args[] ){ pattern = Pattern.compile(REGEX); matcher = pattern.matcher(INPUT); System.out.println("Current REGEX is: "+REGEX); System.out.println("Current INPUT is: "+INPUT); System.out.println("lookingAt(): "+matcher.lookingAt()); System.out.println("matches(): "+matcher.matches()); } }
以上實例編譯運行結果如下:
Current REGEX is: foo Current INPUT is: fooooooooooooooooo lookingAt(): true matches(): false
replaceFirst 和replaceAll 方法
#replaceFirst 和replaceAll 方法用來取代符合正規表示式的文字。不同的是,replaceFirst 替換首次匹配,replaceAll 替換所有匹配。
下面的例子來解釋這個功能:
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "dog"; private static String INPUT = "The dog says meow. " + "All dogs say meow."; private static String REPLACE = "cat"; public static void main(String[] args) { Pattern p = Pattern.compile(REGEX); // get a matcher object Matcher m = p.matcher(INPUT); INPUT = m.replaceAll(REPLACE); System.out.println(INPUT); } }
以上實例編譯運行結果如下:
The cat says meow. All cats say meow.
appendReplacement 和appendTail 方法
#Matcher 類別也提供了appendReplacement 和appendTail 方法用於文字替換:
看下面的例子來解釋這個功能:
import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { private static String REGEX = "a*b"; private static String INPUT = "aabfooaabfooabfoob"; private static String REPLACE = "-"; public static void main(String[] args) { Pattern p = Pattern.compile(REGEX); // 获取 matcher 对象 Matcher m = p.matcher(INPUT); StringBuffer sb = new StringBuffer(); while(m.find()){ m.appendReplacement(sb,REPLACE); } m.appendTail(sb); System.out.println(sb.toString()); } }
以上實例編譯運行結果如下:
-foo-foo-foo-
PatternSyntaxException 類別的方法
PatternSyntaxException 是一個非強制異常類,它指示一個正規表示式模式中的語法錯誤。
PatternSyntaxException 類別提供了下面的方法來幫助我們查看發生了什麼錯誤。
序號 | |
---|---|
# 1 | public String getDescription() 取得錯誤的描述。 |
2 | public int getIndex() 取得錯誤的索引。 |
3 | public String getPattern() 取得錯誤的正規表示式模式。 |
4 | public String getMessage() 傳回多行字串,包含語法錯誤及其索引的描述、錯誤的正規表示式模式和模式中錯誤索引的可視化指示。 |