Java 中的正则表达式

• 转义字符由反斜杠\x组成，用于实现特殊功能
• 当想取消这些特殊功能时可以在前面加上反斜杠\

例如在Java中当\出现时是转义字符的一部分，具有特殊意义，前面加一个反斜可以取消其特殊意义，表示1个普通的反斜杠\，\\\\表示2个普通的反斜杠\\。其实就是要求Java中的字符串输出结果是正确的正则表达式。

1. 概念

正则表达式其实就是规则。

2. 字符类

• 单字符匹配规则，语法示例：

1. [abc]：a 或者 b，或者 c 字符中的一个；
2. [^abc]：除 a,b,c 以外的任何字符中的一个；
3. [a-z]：a-z 小写字母中的一个；
4. [A-Z]：A-Z 大写字母中的一个；
5. [0-9]：0-9 数字中的一个；
6. [a-zA-Z0-9]：a-z 或者 A-Z 或者 0-9 中的一个；
7. [a-dm-p]：a 到 d 或 m 到 p 中的一个。

3. 逻辑运算符

• 语法示例：

1. &&：并且
2. | ：或者

4. 预定义字符

• 语法示例：

1. "." ： 匹配任何字符；
2. "\d"：任何数字 [0-9] 的简写；
3. "\D"：任何非数字 [^0-9] 的简写；
4. "\s"： 空白字符 [ \t\n\x0B\f\r] 的简写；
5. "\S"： 非空白字符 [^\s] 的简写；
6. "\w"：大小字母或数字或下划线或汉字；
7. "\W"：非单词字符 [^\w] ；
8. "\t"：一个 Tab 的间隔。

5. 数量词

• 语法示例：

1. X? : 0 次或 1 次；
2. X* : 0 次或者多次；
3. X+ : 1 次或者多次；
4. X{n} : 正好好 n 次；
5. X{n,} : 至少 n 次；
6. X{n,m}: n 到 m 次（n 和 m 都是包含的）

正则表达式的作用：

（1）检验字符串是否满足某些规则。

（2）查找一段文本中满足某些规则的内容。

1、下面是作用1：检验字符串是否满足某些规则的练习

（1）请编写正则表达式验证用户输入的手机号码是否满足要求。

• 中国手机号码是以 13、14、15、16、17、18、19 开头的11位数字：1[3-9]

    String regex = "1[3-9]\\d{9}";
    System.out.println("15236302279".matches(regex));

（2）请编写正则表达式验证用户输入的邮箱号是否满足要求。

• 邮箱包括用户名和域名两部分，它们之间由@符号连接
• 用户名包括字母、数字和下划线，至少有一个字符：\\w+
• 域名包括两部分：邮箱服务提供商和域名
• 邮箱服务提供商：任意的字母加数字，总共出现2-7次：[\\w&&[^_]]{2,7}
• 域名：大小写字母，如.com,.cn,.edu.cn等，出现2-3次：(\\.[a-zA-Z]+){1,2}

    String regex2 = "\\w+@[\\w&&[^_]]{2,7}(\\.[a-zA-Z]+){1,2}";
    System.out.println("liuyujie@163.com".matches(regex2));

（3）请编写正则表达式验证用户输入的座机号码是否满足要求。

• 座机号码包括区号和电话号码两部分，它们之间通常用连字符 - 隔开。有时候也可以省略连字符。
• 区号一般是3位或4位数字，第一位是0：0\\d{2,3}
• 连字符-，有时也可省略：-?
• 电话号码一般是7位或8位数字，第一位不能为0：\\d{7,8}。

    String regex3 = "0\\d{2,3}-?\\d{7,8}";
    System.out.println("010-12345678".matches(regex3));

2、查找一段文本中满足某些规则的内容

练习：

1. 首先获取正则表达式的对象；
2. 然后获取文本匹配器的对象；
3. find()方法：文本匹配器从头开始读取，寻找是否有满足规则的子串。如果没有，方法返回false；如果有，返回true。在底层记录子串的起始索引和结束索引+1。
4. group()方法：方法底层会根据find方法记录的索引进行字符串的截取，其实就是利用substring(起始索引，结束索引);包头不包尾，把截取的小串进行返回。

     //1.获取正则表达式的对象
    Pattern p = Pattern.compile("Java\\d{0,2}");
    //2.获取文本匹配器的对象
    //m去读取text，找符合p规则的子串
    Matcher m = p.matcher(text);

    //3.利用循环获取
    while (m.find()) {
        String s = m.group();
        System.out.println(s);
    }

有如下文本，按要求爬取数据。

Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台。

需求1：爬取版本号为8，11.17的Java文本，但是只要Java，不显示版本号。

需求2：爬取版本号为8，11，17的Java文本。正确爬取结果为：Java8 Java11 Java17 Java17

需求3：爬取除了版本号为8，11，17的Java文本。

6. 零宽断言和负向零宽断言

1. (?=...) 用于查找在某些内容(但并不包括这些内容)之前的东西。
2. (?!...) 排除某些内容的匹配。例如：\d{3}(?!\d)，首先匹配三位数字，然后这三位数字的后面不能是数字。
3. (?:...)用来对表达式进行分组，但是不会捕获。例如：表示匹配 "Java" 这个单词，但不会把它作为一个捕获组，因此不能通过后向引用\1等方式再次使用这个匹配结果。

        String s = "Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，" +
            "因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";

        //1.定义正则表达式
        //?指代前面的数据Java
        //=表示在Java后面要跟随的数据
        //但是在获取的时候，只获取前半部分
        //需求1:
        String regex2 = "((?i)Java)(?=\\d{1,2})";
        //需求2:
        String regex2 = "((?i)Java)(\\d{1,2})";
        String regex3 = "((?i)Java)(?:\\d{1,2})";
        //需求3:
        String regex4 = "((?i)Java)(?!\\d{1,2})";

        Pattern p = Pattern.compile(regex4);
        Matcher m = p.matcher(s);
        while (m.find()) {
            System.out.println(m.group());
        }

7. 贪婪匹配和懒惰匹配

1. 贪婪匹配：匹配尽可能多的字符。
2. 懒惰匹配：匹配尽可能少的字符。
3. 正则表达式在匹配多个字符时尽可能多，默认是贪婪匹配；如果在后面加上?则表示懒惰匹配，如 +? 表示懒惰匹配。

8. 忽略大小写

1. (?i) ：在开头使用表示接下来所有的数据都忽略大小写，但是一个字符串中如果只想忽略某个字符的大小写，可以这样写：a((?i)b)c，只忽略字母b的大小写，a和c只能是小写。

9. 捕获分组和非捕获分组

1. 捕获分组是用()定义的分组，它可以把匹配到的内容保存到一个单独的组中，以便后续引用或者在匹配后进行处理。
2. (?:) (?=) (?!)都是非捕获分组，更多的使用(?:...)这样的语法来剥夺一个分组对组号分配的参与权。

10. 分组组号

1. ()表示捕获分组。
2. 组号如何识别？从左往右，左括号是第几个就是第几组，组号是连续不间断的。
3. \\X：表示把第X组的内容再出来用一次。

需求1：判断一个字符串的开始字符和结束字符是否一致?只考虑一个字符。

• 用.来匹配第一个字符。

    String regex = "(.).*\\1";
    System.out.println("a121a".matches(regex));

需求2：判断一个字符串的开始部分和结束部分是否一致?可以有多个字符。

    String regex2 = "(.+).*\\1";
    System.out.println("abc123abc".matches(regex2));

需求3：判断一个字符串的开始部分和结束部分是否一致?开始部分内部每个字符也需要一致。

    String regex3 = "((.)\\2*).*\\1";
    System.out.println("aaa123aaa".matches(regex3));

需求4：将字符串"我要学学编编编编程程程程程程"替换为"我要学编程"，即将重复的字符替换为单个字符。

• 如何获取一段文本中重复2次及以上的字符？(.)\\1+
• 字符串的replaceAll和split两个方法都可以使用正则表达式
• 在正则表达式外使用分组，格式为$X，其中X为组号

    String text = "我要学学编编编编程程程程程程";
    String regex = "(.)\\1+";
    System.out.println(text.replaceAll(regex, "$1"));

结合需求1-3以及4的思考：

public class RegexDemo7 {
    public static void main(String[] args) {
        String text = "1a222a";
        String regex1 = "(.).*\\1";
        Pattern p = Pattern.compile(regex1);
        Matcher m = p.matcher(text);
        while (m.find()) {
            String s = m.group();
            System.out.println(s);
        }
    }
}

输出结果

当文本为下面这个时输出结果为

    String text = "1a121a";