Java21 正则表达式

在 Java 21 中，正则表达式主要通过 java.util.regex 包提供支持，其核心组件包括 Pattern、Matcher 和 String 类中自带的方法（如 replaceAll 和 matches）。以下是关于正则表达式在 Java 21 中的详细介绍及一些新的特性或用法。

---

核心组件

1. Pattern 类

• Pattern 是正则表达式的编译表示形式。
• 使用 Pattern.compile(String regex) 编译正则表达式。
• 提供了优化匹配的标志位（如 CASE_INSENSITIVE、DOTALL）。

Pattern pattern = Pattern.compile("[a-z]+", Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher("Hello World");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "Hello" 和 "World"
}

2. Matcher 类

• Matcher 是执行匹配操作的引擎，依赖于 Pattern。
• 支持多种匹配方式：find()、matches()、lookingAt() 等。

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("Order 123, Item 456");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 123 和 456
}

3. String 中的正则方法

• matches：检查整个字符串是否匹配正则表达式。
• replaceAll 和 replaceFirst：使用正则表达式进行替换。
• split：使用正则表达式分割字符串。

String str = "apple,banana,orange";
String[] fruits = str.split(",");
for (String fruit : fruits) {
    System.out.println(fruit);
}

---

常见标志和特性

常用标志位（Pattern 常量）

标志位	含义
Pattern.CASE_INSENSITIVE	忽略大小写匹配（等价于 (?i)）。
Pattern.MULTILINE	允许 ^ 和 $ 匹配每行的开头和结尾（等价于 (?m)）。
Pattern.DOTALL	使 . 匹配包括换行符在内的所有字符（等价于 (?s)）。
Pattern.UNICODE_CASE	结合 CASE_INSENSITIVE，对 Unicode 字符有效。
Pattern.COMMENTS	忽略正则中的空白和注释（等价于 (?x)）。

Pattern pattern = Pattern.compile("^hello", Pattern.CASE_INSENSITIVE | Pattern.MULTILINE);
Matcher matcher = pattern.matcher("hello world\nHello Java");
while (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "hello" 和 "Hello"
}

---

正则表达式语法

基础元字符

元字符	含义
.	匹配任意单个字符（除换行符）。
\d	匹配数字（0-9）。
\w	匹配字母、数字或下划线。
\s	匹配空白字符（空格、制表符等）。
\b	匹配单词边界。
^	匹配行的开头。
$	匹配行的结尾。
[...]	匹配括号内任意一个字符。
[^...]	匹配括号内没有的任意字符。

Pattern pattern = Pattern.compile("\\d{3}-\\d{2}-\\d{4}");
Matcher matcher = pattern.matcher("123-45-6789");
if (matcher.matches()) {
    System.out.println("Valid format!"); // 输出 "Valid format!"
}

---

高级语法

表达式	含义
(...)	分组，捕获子表达式。
(?:...)	非捕获分组。
(?=...)	正向先行断言（匹配后面紧跟的内容）。
(?!...)	负向先行断言（匹配后面不紧跟的内容）。
(?<=...)	正向后行断言（匹配前面紧跟的内容）。
(?<!...)	负向后行断言（匹配前面不紧跟的内容）。

// 示例：正向先行断言
Pattern pattern = Pattern.compile("\\d+(?= dollars)");
Matcher matcher = pattern.matcher("I owe 100 dollars");
if (matcher.find()) {
    System.out.println(matcher.group()); // 输出 "100"
}

---

Java 21 中的新特性

1. Unicode 支持增强

   • Java 21 继续支持最新版本的 Unicode，正则表达式对 Unicode 的处理更加全面。
   • 例如，\p{Script=Latin} 匹配所有拉丁字符。

2. 更高的性能优化

   • Pattern 的编译器在 Java 21 中进一步优化，能够处理更复杂的正则表达式并提供更快的匹配速度。

3. 内置内联正则表达式语法改进

   • 可以直接将常用标志（如 CASE_INSENSITIVE、DOTALL）内嵌在正则表达式中，无需额外设置。

---

实践示例

验证邮箱

Pattern pattern = Pattern.compile("^[\\w.%+-]+@[\\w.-]+\\.[a-zA-Z]{2,}$");
Matcher matcher = pattern.matcher("example@example.com");
System.out.println(matcher.matches()); // 输出 true

替换多行文本

String text = "<tag>\nSome content\n</tag>";
String result = text.replaceAll("(?s)<.*?>", "REPLACED");
System.out.println(result); // 输出 REPLACED

提取 URL 中的域名

Pattern pattern = Pattern.compile("https?://([^/]+)");
Matcher matcher = pattern.matcher("https://www.example.com/path");
if (matcher.find()) {
    System.out.println(matcher.group(1)); // 输出 www.example.com
}

---

总结

在 Java 21 中，正则表达式依然强大，支持 Unicode、标志位、断言等多种高级特性。借助 Pattern 和 Matcher，你可以高效地处理复杂的文本匹配需求。此外，性能优化和更广泛的 Unicode 支持让正则表达式在 Java 21 中更加灵活和高效。