衆所周知,在程式開發中,難免會遇到需要比對、查找、替換、判斷字元串的情況發生,而這些情況有時又比較複雜,如果用純編碼方式解決,往往會浪費程式員的時間及精力。是以,學習及使用正規表達式,便成了解決這一沖突的主要手段。
大 家都知道,正規表達式是一種可以用于模式比對和替換的規範,一個正規表達式就是由普通的字元(例如字元a到z)以及特殊字元(元字元)組成的文字模式,它 用以描述在查找文字主體時待比對的一個或多個字元串。正規表達式作為一個模闆,将某個字元模式與所搜尋的字元串進行比對。
自從jdk1.4推出java.util.regex包,就為我們提供了很好的JAVA正規表達式應用平台。
因為正規表達式是一個很龐雜的體系,是以我僅例舉些入門的概念,更多的請參閱相關書籍及自行摸索。
\\ 反斜杠
\t 間隔 ('\u0009')
\n 換行 ('\u000A')
\r 回車 ('\u000D')
\d 數字 等價于[0-9]
\D 非數字 等價于[^0-9]
\s 空白符号 [\t\n\x0B\f\r]
\S 非空白符号 [^\t\n\x0B\f\r]
\w 單獨字元 [a-zA-Z_0-9]
\W 非單獨字元 [^a-zA-Z_0-9]
\f 換頁符
\e Escape
\b 一個單詞的邊界
\B 一個非單詞的邊界
\G 前一個比對的結束
^為限制開頭
^java 條件限制為以Java為開頭字元
$為限制結尾
java$ 條件限制為以java為結尾字元
. 條件限制除\n以外任意一個單獨字元
java.. 條件限制為java後除換行外任意兩個字元
加入特定限制條件「[]」
[a-z] 條件限制在小寫a to z範圍中一個字元
[A-Z] 條件限制在大寫A to Z範圍中一個字元
[a-zA-Z] 條件限制在小寫a to z或大寫A to Z範圍中一個字元
[0-9] 條件限制在小寫0 to 9範圍中一個字元
[0-9a-z] 條件限制在小寫0 to 9或a to z範圍中一個字元
[0-9[a-z]] 條件限制在小寫0 to 9或a to z範圍中一個字元(交集)
[]中加入^後加再次限制條件「[^]」
[^a-z] 條件限制在非小寫a to z範圍中一個字元
[^A-Z] 條件限制在非大寫A to Z範圍中一個字元
[^a-zA-Z] 條件限制在非小寫a to z或大寫A to Z範圍中一個字元
[^0-9] 條件限制在非小寫0 to 9範圍中一個字元
[^0-9a-z] 條件限制在非小寫0 to 9或a to z範圍中一個字元
[^0-9[a-z]] 條件限制在非小寫0 to 9或a to z範圍中一個字元(交集)
在限制條件為特定字元出現0次以上時,可以使用「*」
J* 0個以上J
.* 0個以上任意字元
J.*D J與D之間0個以上任意字元
在限制條件為特定字元出現1次以上時,可以使用「+」
J+ 1個以上J
.+ 1個以上任意字元
J.+D J與D之間1個以上任意字元
在限制條件為特定字元出現有0或1次以上時,可以使用「?」
JA? J或者JA出現
限制為連續出現指定次數字元「{a}」
J{2} JJ
J{3} JJJ
文字a個以上,并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)
文字個以上,b個以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
兩者取一「|」
J|A J或A
Java|Hello Java或Hello
「()」中規定一個組合類型
比如,我查詢<a href=\"index.html\">index</a>中<a href></a>間的資料,可寫作<a.*href=\".*\">(.+?)</a>
在使用Pattern.compile函數時,可以加入控制正規表達式的比對行為的參數:
Pattern Pattern.compile(String regex, int flag)
flag的取值範圍如下:
Pattern.CANON_EQ 當且僅當兩個字元的"正規分解(canonical decomposition)"都完全相同的情況下,才認定比對。比如用了這個标志之後,表達式"a\u030A"會比對"?"。預設情況下,不考慮"規 範相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 預設情況下,大小寫不明感的比對隻适用于US-ASCII字元集。這個标志能讓表達式忽略大小寫進行比對。要想對Unicode字元進行大小不明感的匹 配,隻要将UNICODE_CASE與這個标志合起來就行了。
Pattern.COMMENTS(?x) 在這種模式下,比對時會忽略(正規表達式裡的)空格字元(譯者注:不是指表達式裡的"\\s",而是指表達式裡的空格,tab,回車之類)。注釋從#開始,一直到這行結束。可以通過嵌入式的标志來啟用Unix行模式。
Pattern.DOTALL(?s) 在這種模式下,表達式'.'可以比對任意字元,包括表示一行的結束符。預設情況下,表達式'.'不比對行的結束符。
Pattern.MULTILINE
(?m) 在這種模式下,'^'和'$'分别比對一行的開始和結束。此外,'^'仍然比對字元串的開始,'$'也比對字元串的結束。預設情況下,這兩個表達式僅僅比對字元串的開始和結束。
Pattern.UNICODE_CASE
(?u) 在這個模式下,如果你還啟用了CASE_INSENSITIVE标志,那麼它會對Unicode字元進行大小寫不明感的比對。預設情況下,大小寫不敏感的比對隻适用于US-ASCII字元集。
Pattern.UNIX_LINES(?d) 在這個模式下,隻有'\n'才被認作一行的中止,并且與'.','^',以及'$'進行比對。
抛開空泛的概念,下面寫出幾個簡單的Java正則用例:
◆比如,在字元串包含驗證時
//查找以Java開頭,任意結尾的字元串
Pattern pattern = Pattern.compile("^Java.*");
Matcher matcher = pattern.matcher("Java不是人");
boolean b= matcher.matches();
//當條件滿足時,将傳回true,否則傳回false
System.out.println(b);
◆以多條件分割字元串時
Pattern pattern = Pattern.compile("[, |]+");
String[] strs = pattern.split("Java Hello World Java,Hello,,World|Sun");
for (int i=0;i<strs.length;i++) {
System.out.println(strs[i]);
}
◆文字替換(首次出現字元)
Pattern pattern = Pattern.compile("正規表達式");
Matcher matcher = pattern.matcher("正規表達式 Hello World,正規表達式 Hello World");
//替換第一個符合正則的資料
System.out.println(matcher.replaceFirst("Java"));
◆文字替換(全部)
System.out.println(matcher.replaceAll("Java"));
◆文字替換(置換字元)
Matcher matcher = pattern.matcher("正規表達式 Hello World,正規表達式 Hello World ");
StringBuffer sbr = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());
◆驗證是否為郵箱位址
String str="[email][email protected][/email]";
Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());
◆去除html标記
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href=\"index.html\">首頁</a>");
String string = matcher.replaceAll("");
System.out.println(string);
◆查找html中對應條件字元串
Pattern pattern = Pattern.compile("href=\"(.+?)\"");
if(matcher.find())
System.out.println(matcher.group(1));
◆截取http://位址
//截取url
Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");
Matcher matcher = pattern.matcher("dsdsds<[url]http://dsds//gfgffdfd>fdf[/url]");
StringBuffer buffer = new StringBuffer();
while(matcher.find()){
buffer.append(matcher.group());
buffer.append("\r\n");
System.out.println(buffer.toString());
◆替換指定{}中文字
String str = "Java目前的發展史是由{0}年-{1}年";
String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};
System.out.println(replace(str,object));
public static String replace(final String sourceString,Object[] object) {
String temp=sourceString;
for(int i=0;i<object.length;i++){
String[] result=(String[])object[i];
Pattern pattern = Pattern.compile(result[0]);
Matcher matcher = pattern.matcher(temp);
temp=matcher.replaceAll(result[1]);
}
return temp;
◆以正則條件查詢指定目錄下檔案
//用于緩存檔案清單
private ArrayList files = new ArrayList();
//用于承載檔案路徑
private String _path;
//用于承載未合并的正則公式
private String _regexp;
class MyFileFilter implements FileFilter {
/**
* 比對檔案名稱
*/
public boolean accept(File file) {
try {
Pattern pattern = Pattern.compile(_regexp);
Matcher match = pattern.matcher(file.getName());
return match.matches();
} catch (Exception e) {
return true;
}
}
/**
* 解析輸入流
* @param inputs
*/
FilesAnalyze (String path,String regexp){
getFileName(path,regexp);
}
* 分析檔案名并加入files
* @param input
private void getFileName(String path,String regexp) {
//目錄
_path=path;
_regexp=regexp;
File directory = new File(_path);
File[] filesFile = directory.listFiles(new MyFileFilter());
if (filesFile == null) return;
for (int j = 0; j < filesFile.length; j++) {
files.add(filesFile[j]);
return;
* 顯示輸出資訊
* @param out
*/
public void print (PrintStream out) {
Iterator elements = files.iterator();
while (elements.hasNext()) {
File file=(File) elements.next();
out.println(file.getPath());
public static void output(String path,String regexp) {
FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);
fileGroup1.print(System.out);
public static void main (String[] args) {
output("C:\\","[A-z|.]*");
Java正則的功用還有很多,事實上隻要是字元處理,就沒有正則做不到的事情存在。(當然,正則解釋時較耗時間就是了|||……)
本文轉自 cping 51CTO部落格,原文連結:http://blog.51cto.com/cping1982/130175