正則表達(dá)式是一種用于描述字符串模式的工具，它在文本處理、數(shù)據(jù)驗(yàn)證、搜索和替換等方面有著廣泛的應(yīng)用。這篇文章，我們將分析什么是正則表達(dá)式以及它是如何工作的？

什么是正則表達(dá)式?

正則表達(dá)式（regular expression，常簡(jiǎn)寫(xiě)為 regex、regexp 或 RE），又稱規(guī)律表達(dá)式、正規(guī)表示式、正規(guī)表示法、規(guī)則運(yùn)算式、常規(guī)表示法，是計(jì)算機(jī)科學(xué)概念，用簡(jiǎn)單字串來(lái)描述、匹配文中全部符合指定格式的字串，現(xiàn)在很多文本編輯器都支援用正則表達(dá)式搜尋、取代符合指定格式的字串。

Java Regex是一種用于匹配字符串的模式，它可以用來(lái)驗(yàn)證、查找、替換或拆分字符串。Java中的正則表達(dá)式由 java.util.regex包提供，主要由 3 個(gè)類和 1 個(gè)接口組成：

• Pattern Class：表示正則表達(dá)式的編譯表示。
• Matcher Class：用于執(zhí)行匹配操作的引擎。
• PatternSyntaxException Class：表示正則表達(dá)式語(yǔ)法錯(cuò)誤的異常。
• MatchResult Interface：用于表示匹配操作的結(jié)果。

正則表達(dá)式組成

Java 正則表達(dá)式主要由以下幾部分組成：

• 字符類：用于匹配指定范圍內(nèi)的任意字符。例如[a-z]表示匹配任意小寫(xiě)字母。
• 預(yù)定義字符類：簡(jiǎn)化的字符類。例如\d表示匹配任意數(shù)字，\w表示匹配任意字母、數(shù)字或下劃線。
• 量詞：用于指定字符或子表達(dá)式的重復(fù)次數(shù)。例如a*表示匹配零次或多次 a，a{2,4}表示匹配 2 到 4 次 a。
• 邊界匹配符：用于匹配字符串的邊界。例如^表示匹配字符串的開(kāi)始，$表示匹配字符串的結(jié)束。
• 分組：用于將多個(gè)字符或子表達(dá)式組合在一起。例如(abc)表示匹配字符串 "abc"。

下面還列舉了一些常見(jiàn)的正則表達(dá)式元素：

• .: 匹配除換行符以外的任意單字符
• *: 匹配前面的子表達(dá)式零次或多次
• +: 匹配前面的子表達(dá)式一次或多次
• ?: 匹配前面的子表達(dá)式零次或一次
• \d: 匹配一個(gè)數(shù)字字符，[0-9] 的縮寫(xiě)
• \D 匹配任何非數(shù)字，[^0-9] 的縮寫(xiě)
• \s 任何空格字符，[\t\n\x0B\f\r] 的縮寫(xiě)
• \S 任何非空格字符，是 [^\s] 的縮寫(xiě)
• \w: 匹配一個(gè)字母、數(shù)字或下劃線字符
• [abc]: 匹配方括號(hào)內(nèi)的任意一個(gè)字符
• ^: 匹配字符串的開(kāi)始
• $: 匹配字符串的結(jié)束

更多表達(dá)式，參考: regexr

Regex 類詳解

1.Matcher

Matcher類實(shí)現(xiàn) MatchResult 接口，它是一個(gè)正則表達(dá)式引擎，用于對(duì)字符序列執(zhí)行匹配操作。主要包含以下方法：

• boolean matches()：測(cè)試正則表達(dá)式是否與模式匹配。
• boolean find()：找到與模式匹配的下一個(gè)表達(dá)式。
• boolean find(int start)：找到與給定起始編號(hào)中的模式匹配的下一個(gè)表達(dá)式。
• String group()：返回匹配的子序列。
• int start()：返回匹配子序列的起始索引。
• int end()：返回匹配子序列的結(jié)束索引。
• int groupCount()：返回匹配子序列的總數(shù)。

2.Pattern

Pattern類是正則表達(dá)式的編譯版本，用于定義正則表達(dá)式引擎的模式。主要包含以下方法：

• static Pattern compile(String regex)：編譯給定的正則表達(dá)式并返回 Pattern 的實(shí)例。
• Matcher matcher(CharSequence input)：創(chuàng)建一個(gè)匹配器，該匹配器將給定的輸入與模式匹配。
• static boolean matches(String regex, CharSequence input)：它作為編譯和匹配器方法的組合工作。它編譯正則表達(dá)式并將給定的輸入與模式匹配。
• String[] split(CharSequence input)：圍繞給定模式的匹配項(xiàng)拆分給定的輸入字符串。
• String pattern()：返回正則表達(dá)式模式。

3.PatternSyntaxException

PatternSyntaxException 類是拋出未經(jīng)檢查的異常，指示正則表達(dá)式模式中的語(yǔ)法錯(cuò)誤。主要包含以下方法：

• int getIndex()：檢索異常的索引
• String getDescription()：檢索異常的描述信息
• String getPattern()：檢索錯(cuò)誤的正則表達(dá)式模式

4.MatchResult

MatchResult接口主要用于匹配操作的結(jié)果。此接口包含用于確定與正則表達(dá)式匹配的結(jié)果的查詢方法。匹配邊界、組和組邊界可以通過(guò)。主要包含以下方法：

• int start()：返回匹配的開(kāi)始索引
• int start(int group)：返回本次匹配期間給定組捕獲的子序列的起始索引。
• int end()：返回最后一個(gè)匹配字符后的偏移量。
• int end(int group)：返回本次匹配期間給定組捕獲的子序列的最后一個(gè)字符后的偏移量。
• String group()：返回與上一個(gè)匹配項(xiàng)匹配的輸入子序列。
• String group(int group)：返回上一次匹配操作期間給定組捕獲的輸入子序列。
• int groupCount()：返回此匹配結(jié)果模式中的捕獲組的數(shù)量。

正則使用場(chǎng)景

正則使用場(chǎng)景主要包含以下類型：

• 輸入驗(yàn)證，比如郵箱驗(yàn)證，手機(jī)號(hào)驗(yàn)證，URL 驗(yàn)證，密碼強(qiáng)度驗(yàn)證
• 文本搜索和替換，比如查找特定模式，替換特定模式
• 文本拆分，比如按照空白字符拆分字符串
• 日志和數(shù)據(jù)解析，比如提取IP地址，提取日期和時(shí)間
• 數(shù)據(jù)清洗，比如刪除HTML標(biāo)簽，格式化字符串
• 編譯器和解釋器，比如識(shí)別標(biāo)識(shí)符、關(guān)鍵字、操作符等
• 數(shù)據(jù)庫(kù)查詢，比如使用 SQL 的 REGEXP 運(yùn)算符進(jìn)行復(fù)雜的模式匹配查詢。
• 文件名匹配，比如查找所有以 .txt 結(jié)尾的文件

除了上面的場(chǎng)景，正則表達(dá)式還可以使用到其他的場(chǎng)景，需要根據(jù)具體的場(chǎng)景而定。

示例演示

1.郵箱驗(yàn)證

驗(yàn)證郵箱地址是一個(gè)常見(jiàn)的正則表達(dá)式應(yīng)用場(chǎng)景。首先，我們需要一個(gè)能夠驗(yàn)證郵箱地址的正則表達(dá)式。一個(gè)常見(jiàn)的用于驗(yàn)證郵箱的正則表達(dá)式如下：

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

該正則表達(dá)式的解釋如下：

• ^：匹配字符串的開(kāi)始。
• [a-zA-Z0-9._%+-]+：匹配一個(gè)或多個(gè)字母、數(shù)字、點(diǎn)、下劃線、百分號(hào)、加號(hào)或減號(hào)。
• @：匹配@符號(hào)。
• [a-zA-Z0-9.-]+：匹配一個(gè)或多個(gè)字母、數(shù)字、點(diǎn)或減號(hào)。
• \.：匹配一個(gè)點(diǎn)。
• [a-zA-Z]{2,}：匹配兩個(gè)或更多的字母。
• $：匹配字符串的結(jié)束。

下面是一個(gè)完整的 Java示例代碼：

import java.util.regex.*;
public class EmailValidator {
    public static void main(String[] args) {
        String emailPattern = "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$";
        String[] emails = {
            "valid.email@example.com",
            "invalid-email@example",
            "another.valid.email@example.co.uk",
            "invalid.email@.com",
            "valid_email123@example.org"
        };
        
        Pattern pattern = Pattern.compile(emailPattern);
        for (String email : emails) {
            Matcher matcher = pattern.matcher(email);
            boolean isMatch = matcher.matches();
            System.out.println("Email: " + email + " is valid? " + isMatch);
        }
    }
}

運(yùn)行結(jié)果：

Email: valid.email@example.com is valid? true
Email: invalid-email@example is valid? false
Email: another.valid.email@example.co.uk is valid? true
Email: invalid.email@.com is valid? false
Email: valid_email123@example.org is valid? true

在上述代碼中：

• Pattern.compile(emailPattern)：編譯正則表達(dá)式。
• pattern.matcher(email)：創(chuàng)建一個(gè)匹配器對(duì)象，用于匹配給定的郵箱字符串。
• matcher.matches()：檢查整個(gè)字符串是否與正則表達(dá)式匹配。

2.拆分字符串

在下面的示例中，正則表達(dá)式\s+表示一個(gè)或多個(gè)空白字符。split方法用于將字符串按匹配的模式拆分為多個(gè)部分。

import java.util.regex.*;

public class RegexExample {
    public static void main(String[] args) {
        String pattern = "\\s+";
        String text = "Split this string by spaces.";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        String[] parts = compiledPattern.split(text);
        
        for (String part : parts) {
            System.out.println(part);
        }
    }
}

3.查找子字符串

在下面示例中，正則表達(dá)式\d+表示一個(gè)或多個(gè)數(shù)字字符。find方法用于查找所有匹配的子字符串。

import java.util.regex.*;

public class RegexExample {
    public static void main(String[] args) {
        String pattern = "\\d+";
        String text = "There are 123 apples and 456 oranges.";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        Matcher matcher = compiledPattern.matcher(text);
        
        while (matcher.find()) {
            System.out.println("Found a number: " + matcher.group());
        }
    }
}

總結(jié)

正則表達(dá)式是一種功能強(qiáng)大且靈活的工具，能夠極大地提高字符串處理的效率和精度。正則表達(dá)式的技術(shù)難度不大，但是很難記憶，而且在輸入驗(yàn)證、文本搜索和替換、文本拆分、日志和數(shù)據(jù)解析、數(shù)據(jù)清洗、編譯器和解釋器等應(yīng)用場(chǎng)景使用比較多。所以，掌握正則表達(dá)式還是有很大幫助。