`

(转)Java正则表达式学习笔记

 
阅读更多

Java正则表达式学习笔记


自从JDK1.4开始,JDK中新添加了java.util.regex包,用来处理正则表达式。在Java中的正则表达式的表达规则和Perl中基本是类似的,下面是JDK中对正则表达式语法描述。

正则表达式语法(摘自从Java doc中)
字符
x 字符 x
\\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn 带有八进制值 0 的字符 mnn(0 <= m <= 3、0 <= n <= 7)
\xhh 带有十六进制值 0x 的字符 hh
\uhhhh 带有十六进制值 0x 的字符 hhhh
\t 制表符 ('\u0009')
\n 新行(换行)符 ('\u000A')
\r 回车符 ('\u000D')
\f 换页符 ('\u000C')
\a 报警 (bell) 符 ('\u0007')
\e 转义符 ('\u001B')
\cx 对应于 x 的控制符
  
字符类
[abc] a、b 或 c(简单类)
[^abc] 任何字符,除了 a、b 或 c(否定)
[a-zA-Z] a 到 z 或 A 到 Z,两头的字母包括在内(范围)
[a-d[m-p]] a 到 d 或 m 到 p:[a-dm-p](并集)
[a-z&&[def]] d、e 或 f(交集)
[a-z&&[^bc]] a 到 z,除了 b 和 c:[ad-z](减去)
[a-z&&[^m-p]] a 到 z,而非 m 到 p:[a-lq-z](减去)
  
预定义字符类
. 任何字符(与行结束符可能匹配也可能不匹配)
\d 数字:[0-9]
\D 非数字: [^0-9]
\s 空白字符:[ \t\n\x0B\f\r]
\S 非空白字符:[^\s]
\w 单词字符:[a-zA-Z_0-9]
\W 非单词字符:[^\w]
  
POSIX 字符类(仅 US-ASCII)
\p{Lower} 小写字母字符:[a-z]
\p{Upper} 大写字母字符:[A-Z]
\p{ASCII} 所有 ASCII:[\x00-\x7F]
\p{Alpha} 字母字符:[\p{Lower}\p{Upper}]
\p{Digit} 十进制数字:[0-9]
\p{Alnum} 字母数字字符:[\p{Alpha}\p{Digit}]
\p{Punct} 标点符号:!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph} 可见字符:[\p{Alnum}\p{Punct}]
\p{Print} 可打印字符:[\p{Graph}\x20]
\p{Blank} 空格或制表符:[ \t]
\p{Cntrl} 控制字符:[\x00-\x1F\x7F]
\p{XDigit} 十六进制数字:[0-9a-fA-F]
\p{Space} 空白字符:[ \t\n\x0B\f\r]
  
java.lang.Character 类(简单的 java 字符类型)
\p{javaLowerCase} 等效于 java.lang.Character.isLowerCase()
\p{javaUpperCase} 等效于 java.lang.Character.isUpperCase()
\p{javaWhitespace} 等效于 java.lang.Character.isWhitespace()
\p{javaMirrored} 等效于 java.lang.Character.isMirrored()
  
Unicode 块和类别的类
\p{InGreek} Greek 块(简单块)中的字符
\p{Lu} 大写字母(简单类别)
\p{Sc} 货币符号
\P{InGreek} 所有字符,Greek 块中的除外(否定)
[\p{L}&&[^\p{Lu}]]     所有字母,大写字母除外(减去)
  
边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
\B 非单词边界
\A 输入的开头
\G 上一个匹配的结尾
\Z 输入的结尾,仅用于最后的结束符(如果有的话)
\z 输入的结尾
  
Greedy 数量词
X? X,一次或一次也没有
X* X,零次或多次
X+ X,一次或多次
X{n} X,恰好 n 次
X{n,} X,至少 n 次
X{n,m} X,至少 n 次,但是不超过 m 次
  
Reluctant 数量词
X?? X,一次或一次也没有
X*? X,零次或多次
X+? X,一次或多次
X{n}? X,恰好 n 次
X{n,}? X,至少 n 次
X{n,m}? X,至少 n 次,但是不超过 m 次
  
Possessive 数量词
X?+ X,一次或一次也没有
X*+ X,零次或多次
X++ X,一次或多次
X{n}+ X,恰好 n 次
X{n,}+ X,至少 n 次
X{n,m}+ X,至少 n 次,但是不超过 m 次
  
Logical 运算符
XY X 后跟 Y
X|Y X 或 Y
(X) X,作为捕获组
  
Back 引用
\n 任何匹配的 nth 捕获组
  
引用
\ Nothing,但是引用以下字符
\Q Nothing,但是引用所有字符,直到 \E
\E Nothing,但是结束从 \Q 开始的引用
  
特殊构造(非捕获)
(?:X) X,作为非捕获组
(?idmsux-idmsux)     Nothing,但是将匹配标志由 on 转为 off
(?idmsux-idmsux:X)      X,作为带有给定标志 on - off 的非捕获组
(?=X) X,通过零宽度的正 lookahead
(?!X) X,通过零宽度的负 lookahead
(?<=X) X,通过零宽度的正 lookbehind
(?<!X) X,通过零宽度的负 lookbehind
(?>X) X,作为独立的非捕获组


语法规则很对,不过常用的不多,根据上面的语法规则,尝试写出电话号码的正则表达式。

电话号码,比如0531-88391537,刚开始感觉很简单,但是区号和电话号码长度是不固定的,区号一般是3位或者4位,而电话号码则是7位或者8位。从上面的语法中,看到有一条语法符合我们的这个需求:X{n,m} X,至少 n 次,但是不超过 m 次。而区号和电话号码都是数字,在正则表达式里面表述数字可以这样:[0-9],表示0到9。更简单一点,我们可以用\d来表示。所以这个的正则表达式如下:
\d{3,4}-\d{7,8}

下面明确一下写这个正则表达式的目的,是为了在程序中判断某个字符串是否符合这个正则表达式,从什么位置开始符合这个正则表达式,然后在什么位置结束。在java.util.regex里面提供了两个类,可以用来完成我们相应的功能。下面介绍一下这两个类:

Pattern
这个类相当于正则表达式在Java中的对象表示了,可以根据正则表达式构造这个类,然后传递一个字符串,得到结果,这个结果用对象来表示就是下面的Matcher类。
常用的方法如下:
compile(String regex)
根据正则表达式取得Pattern对象,相当于一个静态工厂方法。
pattern()            
取得传递的正则表达式。
matches(String regex, CharSequence input)  
判断一个字符串是不是符合传递的正则表达式,返回boolean。
matcher(CharSequence input)
根据input字符串取得Matcher对象。
split(CharSequence input)
根据正则表达式分割字符串。

Matcher
一个结果类。实现了MatchResult接口,完成了表示结果的这个责任,同时还提供了一些其他的方法辅助处理结果。
常用的方法如下:
start()   
匹配的开始位置,返回int
end()    
匹配的结束位置,返回int
group()  
匹配的字符串,返回string
find()   
扫描字符串,寻找下一个匹配的结果。返回boolean

上面的两个类的函数基本熟悉了以后,我们可以来完成我们的功能了,我们先写一个简单的,用来判断一个字符串是不是一个正确的电话号码。代码如下:

public static boolean isVaildPhoneNum(String phoneNum){
     String phoneNumPattern="}";
     boolean result=Pattern.matches(phoneNumPattern, phoneNum);
     return result;
}

如果想判断一个电话号码是否合法,直接传递电话号码即可boolean值。
电话号码是有点简单,可以继续写一个Email验证的方法,就根据163的邮箱名命名规则来写一个:
1.由字母a~z(不区分大小写)、数字0~9、点、减号或下划线组成
2.只能以数字或字母开头和结尾,例如:beijing.2008
3.用户名长度为4~18个字符
根据上面的语法规则,写出Email的正则表达式如下:
[a-zA-Z0-9][a-zA-Z0-9._-]{2,16}[a-zA-Z0-9]@[a-zA-Z0-9]+.[a-zA-Z0-9]+

验证代码如下:
public static boolean isVaildEmail(String email){
     String emailPattern="[a-zA-Z0-9][a-zA-Z0-9._-]{2,16}[a-zA-Z0-9]@[a-zA-Z0-9]+.[a-zA-Z0-9]+";
     boolean result=Pattern.matches(emailPattern, email);
     return result;
}

关于正则表达式,只要掌握好其语法,熟悉java.util.regex包,就可以算是基本掌握了,更多的功能参考一下JDK的帮助文档。

分享到:
评论

相关推荐

Global site tag (gtag.js) - Google Analytics