文章目录
简介
什么是正则表达式
正则表达式（Regular Expression，通常简称为regex，regexp或RE），是一种强大的文本处理工具，它是一种用于匹配字符串中字符组合的模式。正则表达式可以用来检查一个字符串是否含有某种子串、将匹配的子串替换或从某个字符串中取出符合某个条件的子串等。
例如，正则表达式 a.b 可以匹配 "acb"、"aeb"、"a1b" 等，. 是一个特殊字符，代表任何字符（除了换行符）。
java
String regex = "a.b";
String str = "acb";
boolean matches = str.matches(regex); // returns true正则表达式在Java中的应用
在Java中，正则表达式主要通过 java.util.regex 包中的两个类 Pattern 和 Matcher 来使用。Pattern 类用于编译正则表达式，而 Matcher 类用于执行通过 Pattern 类编译的正则表达式在字符序列上的操作。
正则表达式在Java中的应用广泛，包括但不限于：
- 验证输入：例如，检查用户输入的电子邮件地址或电话号码是否有效。
- 搜索文本：例如，搜索日志文件中的特定错误模式。
- 文本替换：例如，将文本文件中的所有 "colour" 替换为 "color"。
- 数据提取：例如，从文本文件中提取所有电子邮件地址。
java
import java.util.regex.Pattern;
import java.util.regex.Matcher;
Pattern pattern = Pattern.compile("a.b");
Matcher matcher = pattern.matcher("acb");
boolean matches = matcher.matches(); // returns trueJava正则表达式基础
常用的正则表达式符号和规则
正则表达式是由普通字符（例如字符 a 到 z）以及特殊字符（称为"元字符"）组成的文本模式。以下是一些常用的元字符和它们的含义：
.：匹配任何单个字符（除了换行符）。*：匹配前面的元素零次或多次。+：匹配前面的元素一次或多次。?：匹配前面的元素零次或一次。^：匹配输入字符串的开始位置。$：匹配输入字符串的结束位置。{n}：精确匹配n次前面的字符或者表达式。{n,}：匹配n次或更多次前面的字符或者表达式。{n,m}：匹配至少n次，至多m次前面的字符或者表达式。[abc]：匹配方括号内的任何字符，例如a、b或c。[^abc]：匹配除了方括号内字符的任何字符。(pattern)：匹配pattern并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到。\d：匹配数字，等价于[0-9]。\D：匹配非数字，等价于[^0-9]。\s：匹配任何空白字符，包括空格、制表符、换页符等等，等价于[ \f\n\r\t\v]。\S：匹配任何非空白字符，等价于[^ \f\n\r\t\v]。\w：匹配字母或数字或下划线或汉字，等价于[A-Za-z0-9_]。\W：匹配任何非单词字符，等价于[^A-Za-z0-9_]。
Java中的正则表达式类：Pattern和Matcher
在Java中，正则表达式的操作主要通过 java.util.regex 包中的两个类 Pattern 和 Matcher 来实现。
-
Pattern类：这是一个正则表达式的编译表示。Pattern 对象是一个多态的表达式，给定的正则表达式必须首先被编译为此类的一个实例。然后，这个模式可以被用来创建 Matcher 对象，以便匹配任意字符序列。 -
Matcher类：通过解释 Pattern 对象而得到的正则表达式匹配的引擎。所有的匹配操作都通过这个类完成。
java
import java.util.regex.Pattern;
import java.util.regex.Matcher;
// 创建 Pattern 对象
Pattern r = Pattern.compile("[a-z]+");
// 现在创建 matcher 对象
Matcher m = r.matcher("hello world");
boolean b = m.matches();Java正则表达式实例
字符串匹配
在Java中，我们可以使用 String 类的 matches() 方法来测试字符串是否匹配给定的正则表达式。
java
String content = "Hello, this is a test.";
// 返回 true
boolean isMatch = content.matches(".*test.*");在上述代码中，.*test.* 是一个正则表达式，它表示任何包含 "test" 的字符串。
字符串搜索
我们可以使用 Matcher 类的 find() 方法来搜索字符串中的子串。
java
import java.util.regex.Pattern;
import java.util.regex.Matcher;
String content = "I am a student. I am learning Java.";
Pattern pattern = Pattern.compile("am");
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("Found at: " + matcher.start() + " - " + matcher.end());
// Found at: 2 - 4
// Found at: 18 - 20
}在上述代码中，我们创建了一个 Pattern 对象，用于编译正则表达式 "am"，然后使用 Matcher 对象来查找与该模式匹配的子串。
字符串替换
我们可以使用 String 类的 replaceAll() 方法来替换字符串中匹配给定正则表达式的子串。
java
String content = "I am a student. I am learning Java.";
String updatedContent = content.replaceAll("am", "AM");
String updatedBlankSpace = content.replaceAll("\\s+", "_")
// 输出 "I AM a student. I AM learning Java."
System.out.println(updatedContent);
// 输出 "I_am_a_student._I_am_learning_Java."
System.out.println(updatedBlankSpace); 字符串分割
我们可以使用 String 类的 split() 方法来根据给定的正则表达式分割字符串。
java
String content = "I am a student. I am learning Java.";
String[] words = content.split("\\s+"); // 使用一个或多个空格进行分割
for (String word : words) {
System.out.println(word);
}验证电子邮件地址
^：表示字符串的开始。[\\w-]+：匹配一个或多个字母、数字、下划线或连字符。这部分匹配电子邮件地址的本地部分（即@符号之前的部分）。(\\.[\\w-]+)*：匹配一个点号后跟一个或多个字母、数字、下划线或连字符的序列，出现0次或多次。这部分允许本地部分包含点号分隔的子部分。@：匹配一个@符号。[\\w-]+：匹配一个或多个字母、数字、下划线或连字符。这部分匹配域名的第一部分。(\\.[\\w-]+)*：匹配一个点号后跟一个或多个字母、数字、下划线或连字符的序列，出现0次或多次。这部分允许域名包含点号分隔的子域。(\\.[a-zA-Z]{2,})：匹配一个点号后跟两个或更多字母。这部分匹配顶级域名（如.com、.org等）。$：表示字符串的结束。
所以，这个正则表达式的含义是：一个字符串从开始到结束必须是一个有效的电子邮件地址，格式为 local-part@domain，其中 local-part 和 domain 可以包含字母、数字、下划线、连字符和点号，顶级域名部分至少包含两个字母。
需要注意的是，这个正则表达式虽然涵盖了大多数常见的电子邮件格式，但并不完全符合所有可能的电子邮件格式。例如，它不支持带有引号的本地部分或包含特殊字符的域名。如果你需要一个更精确的电子邮件正则表达式，可能需要使用更复杂的模式。
java
String email = "user@example.com";
Pattern pattern = Pattern.compile("^[\\w-]+(\\.[\\w-]+)*@[\\w-]+(\\.[\\w-]+)*(\\.[a-zA-Z]{2,})$");
Matcher matcher = pattern.matcher(email);
System.out.println(matcher.matches()); // 输出：true 或 false验证手机号码（假设我们只接受10位数字）
java
String phoneNumber = "1234567890";
Pattern pattern = Pattern.compile("^\\d{10}$");
Matcher matcher = pattern.matcher(phoneNumber);
System.out.println(matcher.matches()); // 输出：true 或 false验证URL
^：表示字符串的开始。(http|https|ftp)://：匹配URL的协议部分，可以是http、https或ftp，后面跟着://。[^\\s/$.?#].：匹配URL的主机名部分。具体来说：[^\\s/$.?#]：匹配除空白字符、/、$、.、?、#之外的任何字符。.：匹配任何字符，除了换行符。
[^\\s]*：匹配除空白字符之外的任何字符，出现0次或多次。$：表示字符串的结束。
所以，这个正则表达式的含义是：一个字符串从开始到结束必须是一个有效的URL，格式为 protocol://hostname/path，其中 protocol 可以是http、https或ftp，hostname 和 path 不能包含空白字符、/、$、.、?、#。
需要注意的是，这个正则表达式并不完全符合URL的规范，例如它不支持包含/、$、.、?、#的路径，也不支持包含.的主机名。如果你需要一个更精确的URL正则表达式，可能需要使用更复杂的模式。
java
String url = "http://www.example.com";
Pattern pattern = Pattern.compile("^(http|https|ftp)://[^\\s/$.?#].[^\\s]*$");
Matcher matcher = pattern.matcher(url);
System.out.println(matcher.matches()); // 输出：true 或 false验证IP地址
^：表示字符串的开始。((25[0-5]|2[0-4]\\d|[01]?\\d\\d?)\\.){3}：匹配前三段数字和它们后面的点号。25[0-5]：匹配250到255之间的数字。2[0-4]\\d：匹配200到249之间的数字。[01]?\\d\\d?：匹配0到199之间的数字。具体来说：[01]?：匹配0或1，出现0次或1次。\\d\\d?：匹配一个或两个数字。
\\.：匹配一个点号。{3}：表示前面的模式（即((25[0-5]|2[0-4]\\d|[01]?\\d\\d?)\\.)）重复3次。
(25[0-5]|2[0-4]\\d|[01]?\\d\\d?)：匹配最后一段数字。- 这部分与前面的模式相同，但不包含点号。
$：表示字符串的结束。
所以，这个正则表达式的含义是：一个字符串从开始到结束必须是一个有效的IPv4地址，格式为 xxx.xxx.xxx.xxx，其中每个 xxx 是0到255之间的数字。
java
String ip = "192.168.1.1";
Pattern pattern = Pattern.compile("^((25[0-5]|2[0-4]\\d|[01]?\\d\\d?)\\.){3}(25[0-5]|2[0-4]\\d|[01]?\\d\\d?)$");
Matcher matcher = pattern.matcher(ip);
System.out.println(matcher.matches()); // 输出：true 或 false提取字符串中的数字
java
String str = "abc123def456";
Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(matcher.group());
// 输出 123 456
}验证是否是数字
^：表示字符串的开始。\\d：匹配一个数字字符。\\d是一个转义序列，表示任何一个数字（0-9）。+：表示前面的模式（即\\d）出现一次或多次。如果没有这个符号，正则表达式就只会匹配一个数字字符。$：表示字符串的结束。
所以，这个正则表达式的含义是：一个字符串从开始到结束只包含一个或多个数字字符。
java
String number = "12345";
Pattern pattern = Pattern.compile("^\\d+$");
Matcher matcher = pattern.matcher(number);
System.out.println(matcher.matches()); // 输出：true 或 false验证是否是字母
^：表示字符串的开始。[a-zA-Z]：这是一个字符集，匹配任何一个英文字母，无论大小写。a-z表示所有小写字母，A-Z表示所有大写字母。在字符集中，-是一个范围操作符，表示范围从前面的字符到后面的字符。+：表示前面的模式（即[a-zA-Z]）出现一次或多次。如果没有这个符号，正则表达式就只会匹配一个字符。$：表示字符串的结束。
所以，这个正则表达式的含义是：一个字符串从开始到结束只包含一个或多个英文字母（无论大小写）。
java
String letters = "abcABC";
Pattern pattern = Pattern.compile("^[a-zA-Z]+$");
Matcher matcher = pattern.matcher(letters);
System.out.println(matcher.matches()); // 输出：true 或 false验证是否是日期（格式：yyyy-mm-dd）
这个正则表达式的含义如下：
^：表示字符串的开始。\\d{4}：匹配四个数字。\\d是一个表示数字字符的转义序列，{4}表示前面的模式（即数字字符）要出现4次。-：匹配一个连字符（减号）。\\d{2}：匹配两个数字。\\d是一个表示数字字符的转义序列，{2}表示前面的模式（即数字字符）要出现2次。-：匹配一个连字符（减号）。\\d{2}：匹配两个数字。\\d是一个表示数字字符的转义序列，{2}表示前面的模式（即数字字符）要出现2次。$：表示字符串的结束。
java
String date = "2024-06-02";
Pattern pattern = Pattern.compile("^\\d{4}-\\d{2}-\\d{2}$");
Matcher matcher = pattern.matcher(date);
System.out.println(matcher.matches()); // 输出：true 或 false验证密码强度（至少8个字符，包含大写字母，小写字母和数字）
这个正则表达式的含义如下：
^表示字符串的开始。(?=.*[0-9])确保字符串中至少包含一个数字。(?=.*[a-z])确保字符串中至少包含一个小写字母。(?=.*[A-Z])确保字符串中至少包含一个大写字母。.{8,}$确保字符串的长度至少为8个字符，.表示任意字符，{8,}表示至少出现8次，$表示字符串的结尾。
java
String password = "Password123";
Pattern pattern = Pattern.compile("^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z]).{8,}$");
Matcher matcher = pattern.matcher(password);
System.out.println(matcher.matches()); // 输出：true 或 falseJava正则表达式的实现
Java正则表达式主要由 Pattern 类和 Matcher 类实现。下面我们来详细了解一下这两个类的实现。
Pattern类的实现
Pattern 类是Java正则表达式的编译表示，它的实例是不可变的，可以安全地被多个并发线程使用。Pattern 类没有公开的构造函数，要创建一个 Pattern 对象，你必须首先调用其公开的静态 compile 方法，它返回一个 Pattern 对象。这个方法需要一个正则表达式作为它的第一个参数。
java
Pattern pattern = Pattern.compile("[a-z]+");在上述代码中，我们创建了一个 Pattern 对象，它表示一个或多个小写字母的序列。
Pattern 类还提供了一些其他的方法，例如：
matcher(CharSequence input)：生成一个Matcher对象，用于匹配给定的字符序列。split(CharSequence input)：根据此模式分割给定的输入序列。pattern()：返回此模式的字符串表示形式。
Matcher类的实现
Matcher 类是通过解释 Pattern 对象而得到的正则表达式匹配的引擎。所有的匹配操作都通过这个类完成。
你不能直接创建一个 Matcher 对象，而是需要通过调用 Pattern 对象的 matcher 方法来创建一个 Matcher 对象。
java
Pattern pattern = Pattern.compile("[a-z]+");
Matcher matcher = pattern.matcher("hello");在上述代码中，我们创建了一个 Matcher 对象，用于匹配字符串 "hello"。
Matcher 类提供了一些方法来进行匹配操作，例如：
matches()：尝试将整个区域与模式进行匹配。find()：尝试查找与模式匹配的输入序列的下一个子序列。group()：返回由以前匹配操作所匹配的输入子序列。start()：返回以前匹配的初始索引。end()：返回最后匹配字符之后的索引。
这就是Java正则表达式的实现，主要由 Pattern 类和 Matcher 类完成。
Java正则表达式的性能优化
在Java中，正则表达式是一个强大而灵活的工具，但如果不正确使用，可能会导致性能问题。以下是一些优化Java正则表达式性能的建议：
预编译正则表达式
在Java中，每次调用 String 类的 matches(), split(), replaceAll() 等方法时，都会编译正则表达式，这是一个相对耗时的操作。如果你在循环或频繁调用的方法中使用这些方法，应考虑预编译正则表达式。
预编译正则表达式意味着你创建一个 Pattern 对象，然后重复使用它。这样，正则表达式只需要编译一次，而不是每次使用时都编译。
java
Pattern pattern = Pattern.compile("[a-z]+");
for (String input : inputs) {
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) {
// do something
}
}在上述代码中，正则表达式只编译了一次，然后在循环中重复使用。
使用非捕获组
在正则表达式中，使用括号 () 可以创建一个组，这意味着正则表达式引擎会记住与括号中的表达式匹配的文本。然而，这个记忆功能有时是不必要的，而且会消耗额外的资源。
如果你不需要记住匹配的文本，可以使用非捕获组 (?:) 代替普通组。非捕获组的语法是在括号内的第一个字符位置使用 ?:。
比如，(?:[a-z]+)\d* 匹配一个或多个小写字母后面跟着零个或多个数字，但是不会记住匹配的字母。
这两个优化技巧可以帮助你提高Java正则表达式的性能。然而，你应该注意，正则表达式不总是解决问题的最佳工具。在某些情况下，使用其他的字符串处理方法可能更有效。