深浅模式
正则表达式
字数: 0 字 时长: 0 分钟
（877-903）
14.1 正则表达式需求问题
正则表达式是对字符串执行模式匹配的技术
14.2 正则表达式底层实现
实例分析：给一段字符串(文本)，找出所有四个数字连在一起的子串，应该找到 1998 1999 3443 9889
java
public class RegTheory {
public static void main(String[] args) {
String content = "1998 年 12 月 8 日，第二代 Java 平台的企业版 J2EE 发布。1999 年 6 月，Sun 公司发布了" +
"第二代 Java 平台（简称为 Java2）的 3 个版本：J2ME（Java2 Micro Edition，Java2 平台的微型" +
"版），应用于移动、无线及有限资源的环境；J2SE（Java 2 Standard Edition，Java 2 平台的" +
"标准版），应用于桌面环境；J2EE（Java 2Enterprise Edition，Java 2 平台的企业版），应" +
"用 3443 于基于 Java 的应用服务器。Java 2 平台的发布，是 Java 发展过程中最重要的一个" +
"里程碑，标志着 Java 的应用开始普及 9889 ";
//目标:匹配所有四个连着的数字
//1. \\d 表示一个任意的数字
String regStr = "(\\d\\d)(\\d\\d)";
//2. 创建模式对象[即正则表达式对象]
Pattern pattern = Pattern.compile(regStr);
//3. 创建匹配器
//创建匹配器 matcher,按照正则表达式的规则去匹配 content 字符串
Matcher matcher = pattern.matcher(content);
//4. 开始匹配
/**
* matcher.find()
* 1. 根据指定的规则定位满足规则的子字符串(例如 1998)
* 2. 找到后，将子字符串的开始和结束的索引记录到 matcher 对象的属性 int[] groups; 里
* 例如 1998，就会把开始位置索引记录到 groups[0] = 0; 把结束位置的 索引值 + 1 的值记录到 groups[1] = 4
* 3. 同时记录 oldLast 的值为 子字符串的结束的索引的值 + 1 的值,即4,所以下次执行 find 时，就从 4 开始匹配
*
* matcher.group(0)
* 源码:
* public String group(int group) {
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* }
* 1. 根据 groups[0]=0 和 groups[1]=4 记录的位置从 content 开始截取子字符串返回，即返回 [0,4) 的位置的字符串
* 2. 解释 matcher.group(0) 里为什么传个 0
* 当把模式串 \\d\\d\\d\\d 写成 (\\d\\d)(\\d\\d) 时，正则表达式中有 () 表示分组，第一个 () 表示第一组，第二个 () 表示第二组
* 此时匹配时: (假如匹配 1998)
* 2.1 根据指定的规则定位满足规则的子字符串(例如 1998)，找到后，将子字符串的开始和结束的索引记录到 matcher 对象的属性 int[] groups; 里
* 2.2 例如 1998，就会把开始位置索引记录到 groups[0] = 0; 把结束位置的 索引值 + 1 的值记录到 groups[1] = 4
* 2.3 因为分组，所以 1998 变成 (19)(98)
* 2.4 此时就会记录第一组 () 匹配到的字符串 groups[2]=0 groups[3]=2
* 2.5 记录第二组 () 匹配到的字符串 groups[4]=2 groups[5]=4
*
* */
while (matcher.find()) {
/*
* 1. 如果正则表达式有 () 即分组，取出匹配的字符串规则如下
* 2. group(0) 表示匹配到的子字符串
* 3. group(1) 表示匹配到的子字符串的第一组字符串
* 4. group(2) 表示匹配到的子字符串的第二组字符串
* 5. 分组的数不能越界
* */
System.out.println("找到: " + matcher.group(0));
System.out.println("第一组 () 匹配到的值 = " + matcher.group(1));
System.out.println("第二组 () 匹配到的值 = " + matcher.group(2));
}
}
}14.3 正则表达式语法
14.3.1 基本介绍
如果想要灵活的运用正则表达式，必须了解其中各种元字符的功能，元字符从功能上大致分为：限定符、选择匹配符、分组组合和反向引用符、特殊字符、字符匹配符、定位符
14.3.2 转义符（\\）
在使用正则表达式去检索某些特殊字符的时候，需要用到转义符号，否则检索不到结果，甚至会报错。
在 Java 的正则表达式中，两个 \\ 代表其他语言中的一个 \
java
public class RegExp02 {
public static void main(String[] args) {
String content = "abc$(abc(123(";
//匹配 (
String regStr = "\\(";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}14.3.3 字符匹配符
应用实例：
（1）[a-z] 表示可以匹配 a-z 中任意一个字符。
（2）Java 正则表达式默认是区分字母大小写的，如何实现不区分大小写？
1）(?i)abc 表示 abc 都不区分大小写
2）a(?i)bc 表示 bc 不区分大小写
3）a((?i)b)c 表示只有 b 不区分大小写
4）当创建 Pattern 对象时，指定 Pattern.CASE_INSENSITIVE,表示匹配时不区分字母大小写
java
Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);java
public class RegExp03 {
public static void main(String[] args) {
String content = "a11c8abcABC";
//String regStr = "[a-z]"; //匹配 a-z 之间任意一个字符
//String regStr = "[A-Z]"; //匹配 A-Z 之间任意一个字符
String regStr = "abc"; //匹配 abc 字符串 [默认区分大小写]
//String regStr = "(?i)abc"; //匹配 abc 字符串 [不区分大小写]
//当创建 Pattern 对象时，指定 Pattern.CASE_INSENSITIVE,表示匹配时不区分字母大小写
Pattern pattern = Pattern.compile(regStr, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}（3）[^a-z]表示可以匹配不是 a-z 中的任意一个字符
（4）[abcd]表示可以匹配 abcd 中的任意一个字符
（5）[^abcd]表示可以匹配不是 abcd 中的任意一个字符
（6）\\d表示可以匹配 0-9 的任意一个数字，相当于 [0-9]
（7）\\D表示可以匹配不是 0-9 中的任意一个数字，相当于 [^0-9]
（8）\\w匹配任意英文字符、数字和下划线，相当于[a-zA-Z0-9_]
（9）\\W相当于 [^a-zA-Z0-9_] 与 \w 相反
（10）\\s 匹配任何空白字符（空格，制表符等）
（11）\\S 匹配任何非空白字符，和 \s 相反
（12）. 匹配出 \n 之外的所有字符，如果要匹配 . 本身则需要使用 \\.
14.3.4 选择匹配符
在匹配某个字符串的时候是选择性的，即既可以匹配这个，又可以匹配那个，这时需要用到选择匹配符号 |
14.3.5 限定符
用于指定其前面的字符和组合项连续出现多少次
14.3.6 定位符
定位符规定要匹配的字符串出现的位置，比如在字符串的开始还是在结束的位置
正则表达式大全
java
一、校验数字的表达式
1 数字：^[0-9]*$
2 n位的数字：^\d{n}$
3 至少n位的数字：^\d{n,}$
4 m-n位的数字：^\d{m,n}$
5 零和非零开头的数字：^(0|[1-9][0-9]*)$
6 非零开头的最多带两位小数的数字：^([1-9][0-9]*)+(.[0-9]{1,2})?$
7 带1-2位小数的正数或负数：^(\-)?\d+(\.\d{1,2})?$
8 正数、负数、和小数：^(\-|\+)?\d+(\.\d+)?$
9 有两位小数的正实数：^[0-9]+(.[0-9]{2})?$
10 有1~3位小数的正实数：^[0-9]+(.[0-9]{1,3})?$
11 非零的正整数：^[1-9]\d*$ 或 ^([1-9][0-9]*){1,3}$ 或 ^\+?[1-9][0-9]*$
12 非零的负整数：^\-[1-9][]0-9"*$ 或 ^-[1-9]\d*$
13 非负整数：^\d+$ 或 ^[1-9]\d*|0$
14 非正整数：^-[1-9]\d*|0$ 或 ^((-\d+)|(0+))$
15 非负浮点数：^\d+(\.\d+)?$ 或 ^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$
16 非正浮点数：^((-\d+(\.\d+)?)|(0+(\.0+)?))$ 或 ^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$
17 正浮点数：^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ 或 ^(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*))$
18 负浮点数：^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ 或 ^(-(([0-9]+\.[0-9]*[1-9][0-9]*)|([0-9]*[1-9][0-9]*\.[0-9]+)|([0-9]*[1-9][0-9]*)))$
19 浮点数：^(-?\d+)(\.\d+)?$ 或 ^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$
二、校验字符的表达式
1 汉字：^[\u4e00-\u9fa5]{0,}$
2 英文和数字：^[A-Za-z0-9]+$ 或 ^[A-Za-z0-9]{4,40}$
3 长度为3-20的所有字符：^.{3,20}$
4 由26个英文字母组成的字符串：^[A-Za-z]+$
5 由26个大写英文字母组成的字符串：^[A-Z]+$
6 由26个小写英文字母组成的字符串：^[a-z]+$
7 由数字和26个英文字母组成的字符串：^[A-Za-z0-9]+$
8 由数字、26个英文字母或者下划线组成的字符串：^\w+$ 或 ^\w{3,20}$
9 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
10 中文、英文、数字但不包括下划线等符号：^[\u4E00-\u9FA5A-Za-z0-9]+$ 或 ^[\u4E00-\u9FA5A-Za-z0-9]{2,20}$
11 可以输入含有^%&',;=?$\"等字符：[^%&',;=?$\x22]+
12 禁止输入含有~的字符：[^~\x22]+
三、特殊需求表达式
1 Email地址：^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$
2 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(/.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+/.?
3 InternetURL：[a-zA-z]+://[^\s]* 或 ^https://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
4 手机号码：^(13[0-9]|14[5|7]|15[0|1|2|3|5|6|7|8|9]|18[0|1|2|3|5|6|7|8|9])\d{8}$
5 电话号码("XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX)：^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$
6 国内电话号码(0511-4405222、021-87888822)：\d{3}-\d{8}|\d{4}-\d{7}
7 身份证号：
15或18位身份证：^\d{15}|\d{18}$
15位身份证：^[1-9]\d{7}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{3}$
18位身份证：^[1-9]\d{5}[1-9]\d{3}((0\d)|(1[0-2]))(([0|1|2]\d)|3[0-1])\d{4}$
8 短身份证号码(数字、字母x结尾)：^([0-9]){7,18}(x|X)?$ 或 ^\d{8,18}|[0-9x]{8,18}|[0-9X]{8,18}?$
9 帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
10 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
11 强密码(必须包含大小写字母和数字的组合，不能使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
12 日期格式：^\d{4}-\d{1,2}-\d{1,2}
13 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
14 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
15 钱的输入格式：
16 1.有四种钱的表示形式我们可以接受:"10000.00" 和 "10,000.00", 和没有 "分" 的 "10000" 和 "10,000"：^[1-9][0-9]*$
17 2.这表示任意一个不以0开头的数字,但是,这也意味着一个字符"0"不通过,所以我们采用下面的形式：^(0|[1-9][0-9]*)$
18 3.一个0或者一个不以0开头的数字.我们还可以允许开头有一个负号：^(0|-?[1-9][0-9]*)$
19 4.这表示一个0或者一个可能为负的开头不为0的数字.让用户以0开头好了.把负号的也去掉,因为钱总不能是负的吧.下面我们要加的是说明可能的小数部分：^[0-9]+(.[0-9]+)?$
20 5.必须说明的是,小数点后面至少应该有1位数,所以"10."是不通过的,但是 "10" 和 "10.2" 是通过的：^[0-9]+(.[0-9]{2})?$
21 6.这样我们规定小数点后面必须有两位,如果你认为太苛刻了,可以这样：^[0-9]+(.[0-9]{1,2})?$
22 7.这样就允许用户只写一位小数.下面我们该考虑数字中的逗号了,我们可以这样：^[0-9]{1,3}(,[0-9]{3})*(.[0-9]{1,2})?$
23 8.1到3个数字,后面跟着任意个 逗号+3个数字,逗号成为可选,而不是必须：^([0-9]+|[0-9]{1,3}(,[0-9]{3})*)(.[0-9]{1,2})?$
24 备注：这就是最终结果了,别忘了"+"可以用"*"替代如果你觉得空字符串也可以接受的话(奇怪,为什么?)最后,别忘了在用函数时去掉去掉那个反斜杠,一般的错误都在这里
25 xml文件：^([a-zA-Z]+-?)+[a-zA-Z0-9]+\\.[x|X][m|M][l|L]$
26 中文字符的正则表达式：[\u4e00-\u9fa5]
27 双字节字符：[^\x00-\xff] (包括汉字在内，可以用来计算字符串的长度(一个双字节字符长度计2，ASCII字符计1))
28 空白行的正则表达式：\n\s*\r (可以用来删除空白行)
29 HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? /> (网上流传的版本太糟糕，上面这个也仅仅能部分，对于复杂的嵌套标记依旧无能为力)
30 首尾空白字符的正则表达式：^\s*|\s*$或(^\s*)|(\s*$) (可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式)
31 腾讯QQ号：[1-9][0-9]{4,} (腾讯QQ号从10000开始)
32 中国邮政编码：[1-9]\d{5}(?!\d) (中国邮政编码为6位数字)
33 IP地址：\d+\.\d+\.\d+\.\d+ (提取IP地址时有用)