Java正则表达式基础知识

前言准备知识

常用元字符及其含义

元字符	含义	示例	匹配结果
`.`	匹配除换行符外的任意单个字符	`a.c`	匹配"abc"、"a c"、"a#c"等
`^`	匹配字符串的开始位置	`^Hello`	匹配以"Hello"开头的字符串
`$`	匹配字符串的结束位置	`world$`	匹配以"world"结尾的字符串
`*`	匹配前一个字符0次或多次	`ab*c`	匹配"ac"、"abc"、"abbc"等
`+`	匹配前一个字符1次或多次	`ab+c`	匹配"abc"、"abbc"，不匹配"ac"
`?`	匹配前一个字符0次或1次	`colou?r`	匹配"color"和"colour"
`{n}`	匹配前一个字符恰好n次	`a{3}`	匹配"aaa"
`{n,}`	匹配前一个字符至少n次	`a{2,}`	匹配"aa"、"aaa"等
`{n,m}`	匹配前一个字符n到m次	`a{2,4}`	匹配"aa"、"aaa"、"aaaa"

一、Java正则表达式基础语法

1.1 元字符体系

元字符是构成正则表达式的核心要素，Java支持的标准元字符包括：

java 复制代码

// 字符类元字符
String digitPattern = "\\d";      // 匹配数字 [0-9]
String wordPattern = "\\w";       // 匹配单词字符 [a-zA-Z0-9_]
String spacePattern = "\\s";      // 匹配空白字符 [ \t\n\x0B\f\r]
String nonDigitPattern = "\\D";   // 匹配非数字
String nonWordPattern = "\\W";    // 匹配非单词字符
String nonSpacePattern = "\\S";   // 匹配非空白字符

// 边界匹配元字符
String startPattern = "^\\d+";    // 匹配以数字开头的字符串
String endPattern = "\\w+$";      // 匹配以单词字符结尾的字符串
String wordBoundary = "\\bjava\\b"; // 匹配完整单词"java"

1.2 量词运算符

量词控制模式重复次数，是构建复杂匹配规则的关键：

java 复制代码

// 贪婪量词（默认）
String greedy = "a*";     // 匹配0个或多个a（尽可能多）
String reluctant = "a*?"; // 匹配0个或多个a（尽可能少）
String possessive = "a*+"; // 匹配0个或多个a（独占模式）

// 具体次数限定
String exact = "a{3}";    // 精确匹配3个a
String range = "a{2,4}";  // 匹配2到4个a
String atLeast = "a{2,}"; // 匹配至少2个a

二、常用正则表达式模式库

2.1 数据验证类模式

验证类型	正则表达式	应用场景
邮箱验证	`^[A-Za-z0-9+_.-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,}$`	用户注册、登录验证
手机号码	`^1[3-9]\\d{9}$`	中国大陆手机号验证
身份证号	`^[1](#验证类型正则表达式应用场景邮箱验证 ^[A-Za-z0-9+_.-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,} $用户注册、登录验证手机号码 ^1[3-9]\\d{9}$ 中国大陆手机号验证身份证号 `1\d{5}(18 19 IP地址` ^((25[0-5] 2[0-4]\d)^\d{5}(18	19
IP地址	`^((25[0-5]	2[0-4]\d

邮箱正则表达式解析：

^[a-zA-Z0-9._%+-]+：匹配邮箱用户名部分，包含字母、数字和特定符号
@：匹配@符号
[a-zA-Z0-9.-]+：匹配域名部分
\.[a-zA-Z]{2,}$：匹配顶级域名，至少2个字母

2.2 文本处理类模式

java 复制代码

// URL提取
String urlPattern = "https?://[\\w./?=&%-]+";
String text = "访问https://www.example.com/page?param=value获取详情";
Pattern.compile(urlPattern).matcher(text).results()
    .forEach(match -> System.out.println("发现URL: " + match.group()));

// HTML标签移除
String htmlPattern = "<[^>]+>";
String htmlText = "<div>Hello <b>World</b></div>";
String plainText = htmlText.replaceAll(htmlPattern, "");
System.out.println("纯文本: " + plainText); // 输出: Hello World

// 中文提取
String chinesePattern = "[\\u4e00-\\u9fa5]+";
String mixedText = "Hello你好World世界";
Pattern.compile(chinesePattern).matcher(mixedText).results()
    .forEach(match -> System.out.println("中文: " + match.group()));

三、Java正则API深度解析

3.1 Pattern与Matcher协同工作流

java 复制代码

public class RegexAdvancedExample {
    public static void main(String[] args) {
        String text = "订单号: ORD20231215001, 金额: ￥1,250.50, 日期: 2023-12-15";
        
        // 复合模式匹配
        String orderPattern = "ORD(\\d{8})(\\d{3})";
        String amountPattern = "￥([\\d,]+)\\.(\\d{2})";
        String datePattern = "(\\d{4})-(\\d{2})-(\\d{2})";
        
        // 订单号解析
        Matcher orderMatcher = Pattern.compile(orderPattern).matcher(text);
        if (orderMatcher.find()) {
            String orderDate = orderMatcher.group(1);  // 20231215
            String sequence = orderMatcher.group(2);   // 001
            System.out.printf("订单日期: %s, 序列号: %s%n", orderDate, sequence);
        }
        
        // 金额解析与转换
        Matcher amountMatcher = Pattern.compile(amountPattern).matcher(text);
        if (amountMatcher.find()) {
            String integerPart = amountMatcher.group(1).replace(",", "");
            String decimalPart = amountMatcher.group(2);
            double amount = Double.parseDouble(integerPart + "." + decimalPart);
            System.out.printf("解析金额: %.2f%n", amount);
        }
    }
}

3.2 分组与反向引用

分组机制允许对匹配的子表达式进行单独操作和引用：

java 复制代码

public class GroupReferenceExample {
    public static void main(String[] args) {
        // 重复单词检测
        String duplicatePattern = "\\b(\\w+)\\b\\s+\\1\\b";
        String text = "这是一个测试测试文本，包含重复重复的词语";
        
        Matcher matcher = Pattern.compile(duplicatePattern).matcher(text);
        while (matcher.find()) {
            System.out.println("发现重复: " + matcher.group(1));
        }
        
        // 日期格式重组
        String dateText = "2023/12/15";
        String rearranged = dateText.replaceAll("(\\d{4})/(\\d{2})/(\\d{2})", "$1年$2月$3日");
        System.out.println("格式转换: " + rearranged); // 2023年12月15日
    }
}

四、性能优化与最佳实践

4.1 Pattern预编译策略

对于频繁使用的正则表达式，预编译能显著提升性能：

java 复制代码

public class OptimizedRegex {
    // 预编译常用模式
    private static final Pattern EMAIL_PATTERN = 
        Pattern.compile("^[A-Za-z0-9+_.-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,}$");
    private static final Pattern PHONE_PATTERN = 
        Pattern.compile("^1[3-9]\\d{9}$");
    private static final Pattern URL_PATTERN = 
        Pattern.compile("https?://[\\w./?=&%-]+");
    
    public boolean validateEmail(String email) {
        return EMAIL_PATTERN.matcher(email).matches();
    }
    
    public boolean validatePhone(String phone) {
        return PHONE_PATTERN.matcher(phone).matches();
    }
    
    public List<String> extractUrls(String text) {
        return URL_PATTERN.matcher(text).results()
            .map(MatchResult::group)
            .collect(Collectors.toList());
    }
}

4.2 复杂文本解析实战

java 复制代码

public class LogParser {
    private static final Pattern LOG_PATTERN = Pattern.compile(
        "^(\\d{4}-\\d{2}-\\d{2}\\s+\\d{2}:\\d{2}:\\d{2})\\s+" +
        "(\\w+)\\s+" +
        "\\[(\\w+)\\]\\s+" +
        "(.*?)\\s+" +
        "-\\s+(.+)$"
    );
    
    public void parseLogEntry(String logLine) {
        Matcher matcher = LOG_PATTERN.matcher(logLine);
        if (matcher.matches()) {
            String timestamp = matcher.group(1);
            String level = matcher.group(2);
            String thread = matcher.group(3);
            String logger = matcher.group(4);
            String message = matcher.group(5);
            
            System.out.printf("时间: %s, 级别: %s, 线程: %s, 记录器: %s, 消息: %s%n",
                timestamp, level, thread, logger, message);
        }
    }
}

1-9 ↩︎