大数据之路week04--day05（java 正则表达式）

1.1 正则表达式

1.2 简介

Regular Expression  正则表达式   常简称为： regex、正则

正则表达式是一整套约束字符串的语法规则，独立于任何编程语言

正则表达式 方便、灵活、功能强大，多部分编程语言都对正则表达式提供了支持

我们通常把正则作为一个工具，进行字符串的 校验、获取、替换等操作

1.2 普通字符和元字符

正则表达式中，所有字符分为两类：普通字符和元字符（具有特殊含义的字符）

主要普通字符：小写字母、大写字母、数字、下划线、部分特殊符号、非西文字符等

主要元字符：.   \   { }  *   +   ?   ( )   [ ]   -   |   ^   $

.    表示任意一个字符（除了换行符）

\     转移符，用来改变其他字符的含义，

如：

\元字符          把元字符转义为普通字符，如\.  把元字符 . 转义为普通字符的 .

\普通字符      把普通字符转义为含有特殊含义的字符，如\n 换行符，\r 回车符，\t 制表符

2 java对正则的支持

2.1 Pattern类

Java提供了java.util.regex.Pattern 类来创建正则表达式对象

public  static  boolean  matches(regex, str)  // 用来判断str是否匹配regex，或者说用来判断str是否符合regex的要求

import java.util.regex.Pattern;

public class RegexTest
{
    public static void main(String[] args)
    {
        String regex = "abc";// 要求字符串为"abc"
        String str = "abc";

        boolean match = Pattern.matches(regex, str);
        System.out.println(match);//输出true
    }
}

2.1.1 元字符的用法

易错点：

1  Java代码中的 \\ 只表示正则中的 \

2  \n表示换行符，即使用\和n这两个字符组合在一起表示一个换行字符

public static void main(String[] args)
    {
        /*
         String regex = ".";// .在正则中标识任意字符，要求str="任意字符"
        String str = "a";

        boolean match = Pattern.matches(regex, str);
        System.out.println(match);//输出 true
        */        

        String regex = "\\.";// 相当于正则中的\.，要求str="."
        String str = "a";

        boolean match = Pattern.matches(regex, str);
        System.out.println(match);//输出 false
    }

2.1.2 重复匹配

(x表示一个字符，或者一个字符类，或者一个组等)

x{n}     x连续出现n次

x{n,}    x至少连续出现n次

x{n,m}  x至少连续出现n次，至多连续出现m次

x*      x连续出现0次或多次，等同于x{0,}

x+      x至少连续出现1次，等同于x{1,}

x?      x出现0次或1次，等同于x{0,1}

/*		 String regex = "a{3}";// 要求a连续出现3次，str="aaa"
         String str = "a";//false
*/ 

/*         String regex = "a{3,6}";// 要求a至少连续出现3次，str="aaa.."
         String str = "aaaaa";//true
*/
		String regex = "a?";
		String str = "a";//true

        boolean match = Pattern.matches(regex, str);
        System.out.println(match);

2.1.3 选择匹配

使用 |  实现选择匹配，即多个选项中任选一个

a|b|c          匹配a或者b或者c

red|blue|green    匹配red或者blue或者green

 /*
         String regex = "a|b|c";// str="a" "b" "c"
         String str = "b";//true
*/
        String regex = "red|blue|green";// str= "red"或"blue"或"green"
        String str = "blue";//true

        boolean match = Pattern.matches(regex, str);
        System.out.println(match);

2.1.4 字符类

匹配候选字符的任意一个

[ ]          [abc]   匹配abc中任意一个字符，类似 a|b|c

[^ ]        [^abc]   匹配非abc的任意一个字符

[ - ]        [0-9]、[a-z]、[a-zA-Z]   匹配范围内的任意一个字符

注意：字符类中的元字符（\除外），会被自动转义为普通字符，比如 [.]  等同于  [\.]

\w    代表一个单词字符，类似于[a-zA-Z0-9_]，有的语言中也可以匹配中文

\W   代表一个非单词字符，类似于[^a-zA-Z0-9_]

\d    代表一个数字字符，等同于[0-9]

\D    代表一个非数字字符，等同于[^0-9]

\s    代表一个空白字符

\S    代表一个非空白字符

  // String regex = "hello[abc]";// str="helloa" "hellob" "helloc"

  // String regex = "[0-9]";// str="0" "1"..."9"
 

2.2 Matcher类

Java还提供了 java.util.regex.Matcher  匹配器类，用来支持复杂的正则操作

Matcher matcher = Pattern.compile(regex).matcher(str);

boolean find = matcher.find();// 查找str中是否有下一个匹配regex的子字符串

String group = matcher.group();// 返回当前和regex匹配的子字符串

//典型用法

while (matcher.find()) {

String substr = matcher.group();

// ...

}

贪婪匹配：在重复匹配时，默认会匹配尽可能多的字符

非贪婪匹配：在重复匹配后面加上?问号，会匹配尽可能少的字符(并不严格)

public static void main(String[] args) {

        // String regex = "ab";// 要求str的子字符串substr="ab"
        // String str = "xabxxabmmabx";

        //打印出一个字符串里面的所有的qq邮箱
        String regex = "[1-9][0-9]{4,}@qq.com";// qq邮箱的正则表达式写法
        String str = "xx12345@qq.comabc123456@qq.commm1234567@qq.com";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);

        while (matcher.find()) {
            String group = matcher.group();
            System.out.println(group);
        }
    }

输出：

12345@qq.com
123456@qq.com
1234567@qq.com

2.2.1 贪婪匹配和非贪婪匹配

贪婪匹配：在重复匹配时，默认会匹配尽可能多的字符。这也是正则中默认的匹配模式。

非贪婪匹配：在重复匹配后面加上?问号，会匹配尽可能少的字符(并不严格)

注意下面三处代码的不同

1.

String regex = "[1-9][0-9]{4,}";// qq邮箱的正则表达式写法
        String str = "xx012345@qq.comabc0123456@qq.commm1234567@qq.com";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);

        while (matcher.find()) {
            String group = matcher.group();
            System.out.println(group);
        }

输出：

12345
123456
1234567

2.

String regex = "[1-9][0-9]{4,}?";// qq邮箱的正则表达式写法
        String str = "xx012345@qq.comabc0123456@qq.commm1234567@qq.com";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);

        while (matcher.find()) {
            String group = matcher.group();
            System.out.println(group);
        }

输出：

12345
12345
12345

3.

String regex = "[1-9][0-9]{4,}@qq.com";// qq邮箱的正则表达式写法
        String str = "xx012345@qq.comabc0123456@qq.commm1234567@qq.com";

        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);

        while (matcher.find()) {
            String group = matcher.group();
            System.out.println(group);
        }

输出：

12345@qq.com
123456@qq.com
1234567@qq.com

2.3 String支持正则操作的方法

由于正则表达式和字符串如此相关，Java就为 java.lang.String 字符串类提供了若干可以直接进行正则操作的方法。

这里有个小技巧，String的方法中参数为regex的都是支持正则的。

//使用replacement替换全部匹配regex的子字符串

String newStr = str.replaceAll(regex, replacement);

String[] newStrs = str.split(regex);//使用regex作为分隔符切分str

boolean match = str.matches(regex);// 等同于Pattern.matches(regex, str)

   String str="0123456789";
   System.out.println(str.replaceAll("[0-9]", "*"));
   System.out.println("--------------------------------------");

   String str2="apple12orange84745banana666hello";
   String[] parts = str2.split("[0-9]+");
   System.out.println(Arrays.toString(parts));

输出：

**********
--------------------------------------
[apple, orange, banana, hello]