JAVA12--正则表达式

正则表达式定义了字符串的模式。
正则表达式可以用来搜索、编辑或处理文本。
正则表达式并不仅限于某一种语言，但是在每种语言中有细微的差别。

对于正则表达式abc来说，它只能精确地匹配字符串"abc"，不能匹配"ab"，“Abc”，“abcd"等其他任何字符串。
如果正则表达式有特殊字符，那就需要用\转义。例如，正则表达式a&c，其中&是用来匹配特殊字符&的，它能精确匹配字符串"a&c”，但不能匹配"ac"、“a-c”、“a&&c"等。
要注意正则表达式在Java代码中也是一个字符串，所以，对于正则表达式a&c来说，对应的Java字符串是"a\&c”，因为\也是Java字符串的转义字符，两个\实际上表示的是一个\：

public class Main {
    public static void main(String[] args) {
        String re1 = "abc";
        System.out.println("abc".matches(re1));
        System.out.println("Abc".matches(re1));
        System.out.println("abcd".matches(re1));

        String re2 = "a\\&c"; // 对应的正则是a\&c
        System.out.println("a&c".matches(re2));
        System.out.println("a-c".matches(re2));
        System.out.println("a&&c".matches(re2));
    }
}

如果想匹配非ASCII字符，例如中文，那就用\u####的十六进制表示，例如：a\u548cc匹配字符串"a和c"，中文字符和的Unicode编码是548c。

匹配任意字符

精确匹配实际上用处不大，因为直接用String.equals()就可以做到。大多数情况下，想要的匹配规则更多的是模糊匹配。可以用.匹配一个任意字符。
例如，正则表达式a.c中间的.可以匹配一个任意字符，例如，下面的字符串都可以被匹配：

• “abc”，因为.可以匹配字符b；
• “a&c”，因为.可以匹配字符&；
• “acc”，因为.可以匹配字符c。
  但它不能匹配"ac"、“a&&c”，因为.匹配一个字符且仅限一个字符。

匹配数字

用.可以匹配任意字符，这个口子开得有点大。如果只想匹配0~9这样的数字，可以用\d匹配。例如，正则表达式00\d可以匹配：

• “007”，因为\d可以匹配字符7；
• “008”，因为\d可以匹配字符8。
  它不能匹配"00A"，“0077”，因为\d仅限单个数字字符。

匹配常用字符

用\w可以匹配一个字母、数字或下划线，w的意思是word。例如，java\w可以匹配：

• “javac”，因为\w可以匹配英文字符c；
• “java9”，因为\w可以匹配数字字符9；
• “java_”，因为\w可以匹配下划线_。
  它不能匹配"java#"，"java "，因为\w不能匹配#、空格等字符。

匹配空格字符

用\s可以匹配一个空格字符，注意空格字符不但包括空格，还包括tab字符（在Java中用\t表示）。例如，a\sc可以匹配：

• “a c”，因为\s可以匹配空格字符；
• “a c”，因为\s可以匹配tab字符\t。
  它不能匹配"ac"，"abc"等。

匹配非数字

用\d可以匹配一个数字，而\D则匹配一个非数字。例如，00\D可以匹配：

• “00A”，因为\D可以匹配非数字字符A；
• “00#”，因为\D可以匹配非数字字符#。
  00\d可以匹配的字符串"007"，"008"等，00\D是不能匹配的。
  类似的，\W可以匹配\w不能匹配的字符，\S可以匹配\s不能匹配的字符，这几个正好是反着来的。

public class Main {
    public static void main(String[] args) {
        String re1 = "java\\d"; // 对应的正则是java\d
        System.out.println("java9".matches(re1));
        System.out.println("java10".matches(re1));
        System.out.println("javac".matches(re1));

        String re2 = "java\\D";
        System.out.println("javax".matches(re2));
        System.out.println("java#".matches(re2));
        System.out.println("java5".matches(re2));
    }
}

重复匹配
用\d可以匹配一个数字，例如，A\d可以匹配"A0"，“A1”，如果要匹配多个数字，比如"A380"，怎么办？
修饰符可以匹配任意个字符，包括0个字符。用A\d可以匹配：

• A：因为\d*可以匹配0个数字；
• A0：因为\d*可以匹配1个数字0；
• A380：因为\d*可以匹配多个数字380。
  修饰符+可以匹配至少一个字符。用A\d+可以匹配：
• A0：因为\d+可以匹配1个数字0；
• A380：因为\d+可以匹配多个数字380。
  但它无法匹配"A"，因为修饰符+要求至少一个字符。
  修饰符?可以匹配0个或一个字符。用A\d?可以匹配：
• A：因为\d?可以匹配0个数字；
• A0：因为\d+可以匹配1个数字0。
  但它无法匹配"A33"，因为修饰符?超过1个字符就不能匹配了。
  如果想精确指定n个字符怎么办？用修饰符{n}就可以。A\d{3}可以精确匹配：
• A380：因为\d{3}可以匹配3个数字380。
  如果想指定匹配n~m个字符怎么办？用修饰符{n,m}就可以。A\d{3,5}可以精确匹配：
• A380：因为\d{3,5}可以匹配3个数字380；
• A3800：因为\d{3,5}可以匹配4个数字3800；
• A38000：因为\d{3,5}可以匹配5个数字38000。
  如果没有上限，那么修饰符{n,}就可以匹配至少n个字符。

匹配开头和结尾

用正则表达式进行多行匹配时，用^表示开头，KaTeX parse error: Undefined control sequence: \d at position 11: 表示结尾。例如，^A\̲d̲{3}，可以匹配"A001"、“A380”。

匹配指定范围

如果规定一个7~8位数字的电话号码不能以0开头，应该怎么写匹配规则呢？\d{7,8}是不行的，因为第一个\d可以匹配到0。
使用[…]可以匹配范围内的字符，例如，[123456789]可以匹配1~9，这样就可以写出上述电话号码的规则：[123456789]\d{6,7}。
把所有字符全列出来太麻烦，[…]还有一种写法，直接写[1-9]就可以。
要匹配大小写不限的十六进制数，比如1A2b3c，我们可以这样写：[0-9a-fA-F]，它表示一共可以匹配以下任意范围的字符：

• 0-9：字符0~9；
• a-f：字符a~f；
• A-F：字符A~F。
  如果要匹配6位十六进制数，前面讲过的{n}仍然可以继续配合使用：[0-9a-fA-F]{6}。
  […]还有一种排除法，即不包含指定范围的字符。假设要匹配任意字符，但不包括数字，可以写[^1-9]{3}：
• 可以匹配"ABC"，因为不包含字符1~9；
• 可以匹配"A00"，因为不包含字符1~9；
• 不能匹配"A01"，因为包含字符1；
• 不能匹配"A05"，因为包含字符5。

或规则匹配

用|连接的两个正则规则是或规则，例如，AB|CD表示可以匹配AB或CD。

public class Main {
    public static void main(String[] args) {
        String re = "java|php";
        System.out.println("java".matches(re));
        System.out.println("php".matches(re));
        System.out.println("go".matches(re));
    }
}

它可以匹配"java"或"php"，但无法匹配"go"。
要把go也加进来匹配，可以改写为java|php|go。

使用括号

可以把公共部分提出来，然后用(…)把子规则括起来表示成learn\s(java|php|go)。

public class Main {
    public static void main(String[] args) {
        String re = "learn\\s(java|php|go)";
        System.out.println("learn java".matches(re));
        System.out.println("learn Java".matches(re));
        System.out.println("learn php".matches(re));
        System.out.println("learn Go".matches(re));
    }
}

上面的规则仍然不能匹配learn Java、learn Go这样的字符串。试修改正则，使之能匹配大写字母开头的learn Java、learn Php、learn Go

分组匹配

(…)还有一个重要作用，就是分组匹配。

import java.util.regex.*; 
public class Main {
    public static void main(String[] args) {
        Pattern p = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        Matcher m = p.matcher("010-12345678");
        if (m.matches()) {
            String g1 = m.group(1);
            String g2 = m.group(2);
            System.out.println(g1);
            System.out.println(g2);
        } else {
            System.out.println("匹配失败!");
        }
    }
}

运行上述代码，会得到两个匹配上的子串010和12345678。
要特别注意，Matcher.group(index)方法的参数用1表示第一个子串，2表示第二个子串。传入0得到010-12345678，即整个正则匹配到的字符串。
复使用String.matches()对同一个正则表达式进行多次匹配效率较低，因为每次都会创建出一样的Pattern对象。完全可以先创建出一个Pattern对象，然后反复使用，就可以实现编译一次，多次匹配。

import java.util.regex.*;
public class Main {
    public static void main(String[] args) {
        Pattern pattern = Pattern.compile("(\\d{3,4})\\-(\\d{7,8})");
        pattern.matcher("010-12345678").matches(); // true
        pattern.matcher("021-123456").matches(); // true
        pattern.matcher("022#1234567").matches(); // false
        // 获得Matcher对象:
        Matcher matcher = pattern.matcher("010-12345678");
        if (matcher.matches()) {
            String whole = matcher.group(0); // "010-12345678", 0表示匹配的整个字符串
            String area = matcher.group(1); // "010", 1表示匹配的第1个子串
            String tel = matcher.group(2); // "12345678", 2表示匹配的第2个子串
            System.out.println(area);
            System.out.println(tel);
        }
    }
}

使用Matcher时，必须首先调用matches()判断是否匹配成功，匹配成功后，才能调用group()提取子串。