Java學習——正則表示式
1匹配驗證-驗證Email是否正確
package test_script; import java.util.regex.Matcher; import java.util.regex.Pattern; public class regtest { public static void main(String[] args){ //要驗證的字串 String str="[email protected]"; //郵箱驗證規則 String regEx="[a-zA-Z]{1,}[0-9]{0,}@(([a-zA-Z0-9]-*){1,}\\.){1,3}[a-zA-Z\\-]{1,}"; //編譯正則表示式 Pattern pattern= Pattern.compile(regEx); //編譯正則表示式忽略大小寫的寫法： //Pattern pat=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE); Matcher matcher=pattern.matcher(str); boolean rs=matcher.matches(); System.out.println(rs); /* //要驗證的字串 String str="bike.xsoftlab.net"; String regEx="bike.*"; Pattern pattern=Pattern.compile(regEx); Matcher matcher=pattern.matcher(str); boolean rs=matcher.find(); System.out.println(rs); */ } }
2捕獲組
捕獲組是把多個字元當一個單獨單元進行處理的方法，它通過對括號內的字元分組來建立。
例如，正則表示式 (dog) 建立了單一分組，組裡包含"d"，"o"，和"g"。
捕獲組是通過從左至右計算其開括號來編號。例如，在表示式（（A）（B（C））），有四個這樣的組：
- ((A)(B(C)))
- (A)
- (B(C))
- (C)
可以通過呼叫 matcher 物件的 groupCount 方法來查看錶達式有多少個分組。groupCount 方法返回一個 int 值，表示matcher物件當前有多個捕獲組。
還有一個特殊的組（group(0)），它總是代表整個表示式。該組不包括在 groupCount 的返回值中。
package test_script; import java.util.regex.Matcher; import java.util.regex.Pattern; public class RegexMatches { public static void main(String[] args){ String line="This order was placed for QT3000! OK?"; String pattern="(\\D*)(\\d+)(.*)"; Pattern r= Pattern.compile(pattern); Matcher m=r.matcher(line); if(m.find()){ System.out.println("Found value"+m.group(0)); System.out.println("Found value"+m.group(1)); System.out.println("Found value"+m.group(2)); System.out.println("Found value"+m.group(3)); }else{ System.out.println("No match!"); } } }
執行結果：
Found valueThis order was placed for QT3000! OK?
Found valueThis order was placed for QT
Found value3000
Found value! OK?
正則表示式語法
在其他語言中，\\ 表示：我想要在正則表示式中插入一個普通的（字面上的）反斜槓，請不要給它任何特殊的意義。
在 Java 中，\\ 表示：我要插入一個正則表示式的反斜線，所以其後的字元具有特殊的意義。
所以，在其他的語言中（如Perl），一個反斜槓 \ 就足以具有轉義的作用，而在 Java 中正則表示式中則需要有兩個反斜槓才能被解析為其他語言中的轉義作用。也可以簡單的理解在 Java 的正則表示式中，兩個 \\ 代表其他語言中的一個 \，這也就是為什麼表示一位數字的正則表示式是 \\d，而表示一個普通的反斜槓是 \\\\。
3常用正則表示式
| 規則 | 正則表示式語法 |
| 一個或多個漢字 | ^[\u0391-\uFFE5]+$ |
| 郵政編碼 | ^[1-9]\d{5}$ |
| QQ號碼 | ^[1-9]\d{4,10}$ |
| 郵箱 | ^[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\.){1,3}[a-zA-z\-]{1,}$ |
| 使用者名稱（字母開頭 + 數字/字母/下劃線） | ^[A-Za-z][A-Za-z1-9_-]+$ |
| 手機號碼 | ^1[3|4|5|8][0-9]\d{8}$ |
| URL | ^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$ |
| 18位身份證號 | ^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$ |
4正則表示式語法
| 元字元 |
描述 |
| \ |
將下一個字元標記符、或一個向後引用、或一個八進位制轉義符。例如，“\\n”匹配\n。“\n”匹配換行符。序列“\\”匹配“\”而“\(”則匹配“(”。即相當於多種程式語言中都有的“轉義字元”的概念。 |
| ^ |
匹配輸入字串的開始位置。如果設定了RegExp物件的Multiline屬性，^也匹配“\n”或“\r”之後的位置。 |
| $ |
匹配輸入字串的結束位置。如果設定了RegExp物件的Multiline屬性，$也匹配“\n”或“\r”之前的位置。 |
| * |
匹配前面的子表示式任意次。例如，zo*能匹配“z”，“zo”以及“zoo”。*等價於{0,}。 |
| + |
匹配前面的子表示式一次或多次(大於等於1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等價於{1,}。 |
| ? |
匹配前面的子表示式零次或一次。例如，“do(es)?”可以匹配“do”或“does”中的“do”。?等價於{0,1}。 |
| {n} |
n是一個非負整數。匹配確定的n次。例如，“o{2}”不能匹配“Bob”中的“o”，但是能匹配“food”中的兩個o。 |
| {n,} |
n是一個非負整數。至少匹配n次。例如，“o{2,}”不能匹配“Bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等價於“o+”。“o{0,}”則等價於“o*”。 |
| {n,m} |
m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”將匹配“fooooood”中的前三個o。“o{0,1}”等價於“o?”。請注意在逗號和兩個數之間不能有空格。 |
| ? |
當該字元緊跟在任何一個其他限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘可能少的匹配所搜尋的字串，而預設的貪婪模式則儘可能多的匹配所搜尋的字串。例如，對於字串“oooo”，“o+?”將匹配單個“o”，而“o+”將匹配所有“o”。 |
| .點 |
匹配除“\r\n”之外的任何單個字元。要匹配包括“\r\n”在內的任何字元，請使用像“[\s\S]”的模式。 |
| (pattern) |
匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用“\(”或“\)”。 |
| (?:pattern) |
匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行儲存供以後使用。這在使用或字元“(|)”來組合一個模式的各個部分是很有用。例如“industr(?:y|ies)”就是一個比“industry|industries”更簡略的表示式。 |
| (?=pattern) |
正向肯定預查，在任何匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如，“Windows(?=95|98|NT|2000)”能匹配“Windows2000”中的“Windows”，但不能匹配“Windows3.1”中的“Windows”。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜尋，而不是從包含預查的字元之後開始。 |
| (?!pattern) |
正向否定預查，在任何不匹配pattern的字串開始處匹配查詢字串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如“Windows(?!95|98|NT|2000)”能匹配“Windows3.1”中的“Windows”，但不能匹配“Windows2000”中的“Windows”。 |
| (?<=pattern) |
反向肯定預查，與正向肯定預查類似，只是方向相反。例如，“(?<=95|98|NT|2000)Windows”能匹配“2000Windows”中的“Windows”，但不能匹配“3.1Windows”中的“Windows”。 |
| (?<!pattern) |
反向否定預查，與正向否定預查類似，只是方向相反。例如“(?<!95|98|NT|2000)Windows”能匹配“3.1Windows”中的“Windows”，但不能匹配“2000Windows”中的“Windows”。 |
| x|y |
匹配x或y。例如，“z|food”能匹配“z”或“food”或"zood"(此處請謹慎)。“(z|f)ood”則匹配“zood”或“food”。 |
| [xyz] |
字元集合。匹配所包含的任意一個字元。例如，“[abc]”可以匹配“plain”中的“a”。 |
| [^xyz] |
負值字元集合。匹配未包含的任意字元。例如，“[^abc]”可以匹配“plain”中的“plin”。 |
| [a-z] |
字元範圍。匹配指定範圍內的任意字元。例如，“[a-z]”可以匹配“a”到“z”範圍內的任意小寫字母字元。 注意:只有連字元在字元組內部時,並且出現在兩個字元之間時,才能表示字元的範圍; 如果出字元組的開頭,則只能表示連字元本身. |
| [^a-z] |
負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，“[^a-z]”可以匹配任何不在“a”到“z”範圍內的任意字元。 |
| \b |
匹配一個單詞邊界，也就是指單詞和空格間的位置（即正則表示式的“匹配”有兩種概念，一種是匹配字元，一種是匹配位置，這裡的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”。 |
| \B |
匹配非單詞邊界。“er\B”能匹配“verb”中的“er”，但不能匹配“never”中的“er”。 |
| \cx |
匹配由x指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的“c”字元。 |
| \d |
匹配一個數字字元。等價於[0-9]。 |
| \D |
匹配一個非數字字元。等價於[^0-9]。 |
| \f |
匹配一個換頁符。等價於\x0c和\cL。 |
| \n |
匹配一個換行符。等價於\x0a和\cJ。 |
| \r |
匹配一個回車符。等價於\x0d和\cM。 |
| \s |
匹配任何不可見字元，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。 |
| \S |
匹配任何可見字元。等價於[^ \f\n\r\t\v]。 |
| \t |
匹配一個製表符。等價於\x09和\cI。 |
| \v |
匹配一個垂直製表符。等價於\x0b和\cK。 |
| \w |
匹配包括下劃線的任何單詞字元。類似但不等價於“[A-Za-z0-9_]”，這裡的"單詞"字元使用Unicode字符集。 |
| \W |
匹配任何非單詞字元。等價於“[^A-Za-z0-9_]”。 |
| \xn |
匹配n，其中n為十六進位制轉義值。十六進位制轉義值必須為確定的兩個數字長。例如，“\x41”匹配“A”。“\x041”則等價於“\x04&1”。正則表示式中可以使用ASCII編碼。 |
| \num |
匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，“(.)\1”匹配兩個連續的相同字元。 |
| \n |
標識一個八進位制轉義值或一個向後引用。如果\n之前至少n個獲取的子表示式，則n為向後引用。否則，如果n為八進位制數字（0-7），則n為一個八進位制轉義值。 |
| \nm |
標識一個八進位制轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表示式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進位制數字（0-7），則\nm將匹配八進位制轉義值nm。 |
| \nml |
如果n為八進位制數字（0-7），且m和l均為八進位制數字（0-7），則匹配八進位制轉義值nml。 |
| \un |
匹配n，其中n是一個用四個十六進位制數字表示的Unicode字元。例如，\u00A9匹配版權符號（©）。 |
| \< \> | 匹配詞（word）的開始（\<）和結束（\>）。例如正則表示式\<the\>能夠匹配字串"for the wise"中的"the"，但是不能匹配字串"otherwise"中的"the"。注意：這個元字元不是所有的軟體都支援的。 |
| \( \) | 將 \( 和 \) 之間的表示式定義為“組”（group），並且將匹配這個表示式的字元儲存到一個臨時區域（一個正則表示式中最多可以儲存9個），它們可以用 \1 到\9 的符號來引用。 |
| | | 將兩個匹配條件進行邏輯“或”（Or）運算。例如正則表示式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：這個元字元不是所有的軟體都支援的。 |
| + | 匹配1或多個正好在它之前的那個字元。例如正則表示式9+匹配9、99、999等。注意：這個元字元不是所有的軟體都支援的。 |
| ? | 匹配0或1個正好在它之前的那個字元。注意：這個元字元不是所有的軟體都支援的。 |
| {i} {i,j} | 匹配指定數目的字元，這些字元是在它之前的表示式定義的。例如正則表示式A[0-9]{3} 能夠匹配字元"A"後面跟著正好3個數字字元的串，例如A123、A348等，但是不匹配A1234。而正則表示式[0-9]{4,6} 匹配連續的任意4個、5個或者6個數字 |
另外還有一篇博文也不錯：