java 正则表达式

在Java中，我们为了查找某个给定字符串中是否有需要查找的某个字符或者子字串、或者对字符串进行分割、或者对字符串一些字符进行替换/删除，一般会通过if-else、for 的配合使用来实现这些功能 。如下所示：

 

public class Test{
  public static void main(String args[]) {
         String str="@Shang Hai Hong Qiao Fei Ji Chang";
         boolean rs = false;
         for(int i=0;i<str.length();i++){
                char z=str.charAt(i);
                if('a' == z || 'F' == z) {
                       rs  = true;
                       break;
                }else{
                       rs= false;
                }
         }
         System.out.println(rs);
       }
}

      这种方法使用简单直观，但是 难以解决复杂的工作，而且代码量也会增加很多，不利于维护。

 

      这时，我们可以使用正则表达式来实现这些功能，而且代码简单易维护。下面就来介绍了Java中对字符串的正则表达式的几个常用的功能，具体情况如下所示（其中用到了java.util.regex包）：

 

1.Java中在某个字符串中查询某个字符或者某个子字串

String s = "@Shang Hai Hong Qiao Fei Ji Chang";
String regEx = "a|F"; //表示a或F
Pattern pat = Pattern.compile(regEx);
Matcher mat = pat.matcher(s);
boolean rs = mat.find();

    如果s中有regEx，那么rs为true，否则为flase。

    如果想在查找时忽略大小写，则可以写成Pattern pat=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

 

2.在某个文件中获取一段字符串

String regEx = ".+\(.+)$";
String s = "c:\test.txt";
Pattern pat = Pattern.compile(regEx);
Matcher mat = pat.matcher(s);
boolean rs = mat.find();
for(int i=1;i<=mat.groupCount();i++){
　　System.out.println(mat.group(i));
}

 　以上的执行结果为test.txt，提取的字符串储存在mat.group(i)中，其中i最大值为mat.groupCount();

 

3.对字符串的分割

String regEx=":";
Pattern pat = Pattern.compile(regEx);
String[] rs = pat.split("aa:bb:cc");

 　执行后，r就是{"aa","bb","cc"}

    如果用正则表达式分割就如上所示，一般我们都会使用下面更简单的方法：

String s = "aa:bb:cc";
String[] rs=s.split(":");

 

4.字符串的替换/删除

String regEx="@+"; //表示一个或多个@
Pattern pat=Pattern.compile(regEx);
Matcher mat=pat.matcher("@@aa@b cc@@");
String s=mat.replaceAll("#");

　结果为"##aa#b cc##"
　　
　如果要把字符串中的@都给删除，只用要空字符串替换就可以了：

String s=mat.replaceAll("");

 　结果为"aab cc"

 

 

注：对Pattern类的说明： 
      1.public final class java.util.regex.Pattern是正则表达式编译后的表达法。

      下面的语句将创建一个Pattern对象并赋值给句柄pat：Pattern pat = Pattern.compile(regEx);
      有趣的是，Pattern类是final类，而且它的构造器是private。也许有人告诉你一些设计模式的东西，或者你自己查有关资料。这里的结论是：Pattern类不能被继承，我们不能通过new创建Pattern类的对象。
       因此在Pattern类中，提供了2个重载的静态方法，其返回值是Pattern对象（的引用）。如：

public static Pattern compile(String regex) {
        return new Pattern(regex, 0);
}

       当然，我们可以声明Pattern类的句柄，如Pattern pat = null；

 

    2.pat.matcher(str)表示以用Pattern去生成一个字符串str的匹配器，它的返回值是一个Matcher类的引用。
       我们可以简单的使用如下方法：boolean rs = Pattern.compile(regEx).matcher(str).find();

 

 

附 ： 常用的正则表达式：

匹配特定数字：
^[1-9]d*$　 　 //匹配正整数
^-[1-9]d*$ 　 //匹配负整数
^-?[1-9]d*$　　 //匹配整数
^[1-9]d*|0$　 //匹配非负整数（正整数 + 0）
^-[1-9]d*|0$　　 //匹配非正整数（负整数 + 0）
^[1-9]d*.d*|0.d*[1-9]d*$　　 //匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$　 //匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$　 //匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$　　 //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$　　//匹配非正浮点数（负浮点数 + 0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串

在使用RegularExpressionValidator验证控件时的验证功能及其验证表达式介绍如下:

只能输入数字：“^[0-9]*$”
只能输入n位的数字：“^d{n}$”
只能输入至少n位数字：“^d{n,}$”
只能输入m-n位的数字：“^d{m,n}$”
只能输入零和非零开头的数字：“^(0|[1-9][0-9]*)$”
只能输入有两位小数的正实数：“^[0-9]+(.[0-9]{2})?$”
只能输入有1-3位小数的正实数：“^[0-9]+(.[0-9]{1,3})?$”
只能输入非零的正整数：“^+?[1-9][0-9]*$”
只能输入非零的负整数：“^-[1-9][0-9]*$”
只能输入长度为3的字符：“^.{3}$”
只能输入由26个英文字母组成的字符串：“^[A-Za-z]+$”
只能输入由26个大写英文字母组成的字符串：“^[A-Z]+$”
只能输入由26个小写英文字母组成的字符串：“^[a-z]+$”
只能输入由数字和26个英文字母组成的字符串：“^[A-Za-z0-9]+$”
只能输入由数字、26个英文字母或者下划线组成的字符串：“^w+$”
验证用户密码:“^[a-zA-Z]w{5,17}$”正确格式为：以字母开头，长度在6-18之间，

只能包含字符、数字和下划线。
验证是否含有^%&’,;=?$”等字符：“[^%&’,;=?$x22]+”
只能输入汉字：“^[u4e00-u9fa5],{0,}$”
验证Email地址：“^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$”
验证InternetURL：“^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$”
验证电话号码：“^((d{3,4})|d{3,4}-)?d{7,8}$”

正确格式为：“XXXX-XXXXXXX”，“XXXX-XXXXXXXX”，“XXX-XXXXXXX”，

“XXX-XXXXXXXX”，“XXXXXXX”，“XXXXXXXX”。
验证身份证号（15位或18位数字）：“^d{15}|d{}18$”
验证一年的12个月：“^(0?[1-9]|1[0-2])$”正确格式为：“01”-“09”和“1”“12”
验证一个月的31天：“^((0?[1-9])|((1|2)[0-9])|30|31)$”

正确格式为：“01”“09”和“1”“31”。

匹配中文字符的正则表达式： [u4e00-u9fa5]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配空行的正则表达式：n[s| ]*r
匹配HTML标记的正则表达式：/< (.*)>.*|< (.*) />/
匹配首尾空格的正则表达式：(^s*)|(s*$)
匹配Email地址的正则表达式：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
匹配网址URL的正则表达式：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?

-------------------------------------------------------------------------v1.0-------------------------------------------------------

匹配中文字符的正则表达式： [\u4e00-\u9fa5]  
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了  
  
匹配双字节字符(包括汉字在内)：[^\x00-\xff]  
评注：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）  
  
匹配空白行的正则表达式：\n\s*\r  
评注：可以用来删除空白行  
  
匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? />  
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力  
  
匹配首尾空白字符的正则表达式：^\s*|\s*$  
评注：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  
  
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*  
评注：表单验证时很实用  
  
匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*  
评注：网上流传的版本功能很有限，上面这个基本可以满足需求  
  
匹配帐号是否合法(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}$  
评注：表单验证时很实用  
  
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}  
评注：匹配形式如 0511-4405222 或 021-87888822  
  
匹配腾讯QQ号：[1-9][0-9]{4,}  
评注：腾讯QQ号从10000开始  
  
匹配中国邮政编码：[1-9]\d{5}(?!\d)  
评注：中国邮政编码为6位数字  
  
匹配身份证：\d{15}|\d{18}  
评注：中国的身份证为15位或18位  
  
匹配ip地址：\d+\.\d+\.\d+\.\d+  
评注：提取ip地址时有用  

--------------------------------------------------------------------------v1.1----------------------------------------------------

正则表达式是个好东西,就是有些复杂.在验证输入,字符串查找,处理上确实很方便. 

D可使用的表达式:http://www.digitalmars.com/ctg/regular.html 

常用的元字符 
. 匹配除换行符以外的任意字符 
\w 匹配字母或数字或下划线或汉字 
\s 匹配任意的空白符 
\d 匹配数字 
\b 匹配单词的开始或结束 
^ 匹配字符串的开始 
$ 匹配字符串的结 


常用的限定符 
* 重复零次或更多次 
+ 重复一次或更多次 
? 重复零次或一次 
{n} 重复n次 
{n,} 重复n次或更多次 
{n,m} 重复n到m次 


常用的反义代码 
\W 匹配任意不是字母，数字，下划线，汉字的字符 
\S 匹配任意不是空白符的字符 
\D 匹配任意非数字的字符 
\B 匹配不是单词开头或结束的位置 
[^x] 匹配除了x以外的任意字符 
[^aeiou] 匹配除了aeiou这几个字母以外的任意字符 

常用的正则表达式: 

匹配中文字符的正则表达式： [\u4e00-\u9fa5], [\一-\龥] 可以. 
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了 

匹配双字节字符(包括汉字在内)：[^\x00-\xff] 
评注：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） 

匹配空白行的正则表达式：\n\s*\r 
评注：可以用来删除空白行 

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? /> 
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力 

匹配首尾空白字符的正则表达式：^\s*|\s*$ 
评注：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 

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)* 
评注：表单验证时很实用 

匹配网址URL的正则表达式：[a-zA-z]+://[^\s]* 
评注：网上流传的版本功能很有限，上面这个基本可以满足需求 

匹配帐号是否合法(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}$ 
评注：表单验证时很实用 

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7} 
评注：匹配形式如 0511-4405222 或 021-87888822 

匹配腾讯QQ号：[1-9][0-9]{4,} 
评注：腾讯QQ号从10000开始 

匹配中国邮政编码：[1-9]\d{5}(?!\d) 
评注：中国邮政编码为6位数字 

匹配身份证：\d{15}|\d{18} 
评注：中国的身份证为15位或18位 

匹配ip地址：\d+\.\d+\.\d+\.\d+ 
评注：提取ip地址时有用 

匹配特定数字： 
^[1-9]\d*$　 　 //匹配正整数 
^-[1-9]\d*$ 　 //匹配负整数 
^-?[1-9]\d*$　　 //匹配整数 
^[1-9]\d*|0$　 //匹配非负整数（正整数 + 0） 
^-[1-9]\d*|0$　　 //匹配非正整数（负整数 + 0） 
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　 //匹配正浮点数 
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　 //匹配负浮点数 
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　 //匹配浮点数 
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 + 0） 
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 + 0） 
评注：处理大量数据时有用，具体应用时注意修正 

匹配特定字符串： 
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串 
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串 
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串 
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串 
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串 
评注：最基本也是最常用的一些表达式 


规则还有很多,写了个测试程序. 

-------------------------------------------------------------------------v1.2----------------------------------------------------

关于正则表达式 g,m 参数的总结,为了回答“正则表达式(/[^0-9]/g,'')中的"/g"是什么意思？”

 

为了解答“正则表达式(/[^0-9]/g,'')中的"/g"是什么意思？”这个问题，也为了能够便于大家对正则表达式有一个更为综合和深刻的认识，我将一些关键点和容易犯糊涂的地方再系统总结一下。 

总结1：附件参数g的用法 

表达式加上参数g之后，表明可以进行全局匹配，注意这里“可以”的含义。我们详细叙述： 

1）对于表达式对象的exec方法，不加入g，则只返回第一个匹配，无论执行多少次均是如此，如果加入g，则第一次执行也返回第一个匹配，再执行返回第二个匹配，依次类推。例如 
var regx=/user\d/; 
var str=“user18dsdfuser2dsfsd”; 
var rs=regx.exec(str);//此时rs的值为{user1} 
var rs2=regx.exec(str);//此时rs的值依然为{user1} 
如果regx=/user\d/g；则rs的值为{user1}，rs2的值为{user2} 
通过这个例子说明：对于exec方法，表达式加入了g，并不是说执行exec方法就可以返回所有的匹配，而是说加入了g之后，我可以通过某种方式得到所有的匹配，这里的“方式”对于exec而言，就是依次执行这个方法即可。 

2）对于表达式对象的test方法，加入g于不加上g没有什么区别。 

3）对于String对象的match方法，不加入g，也只是返回第一个匹配，一直执行match方法也总是返回第一个匹配，加入g，则一次返回所有的匹配（注意这与表达式对象的exec方法不同，对于exec而言，表达式即使加上了g，也不会一次返回所有的匹配）。例如： 
var regx=/user\d/; 
var str=“user1sdfsffuser2dfsdf”; 
var rs=str.match(regx);//此时rs的值为{user1} 
var rs2=str.match(regx);//此时rs的值依然为{user1} 
如果regx=/user\d/g，则rs的值为{user1,user2}，rs2的值也为{user1,user2} 

4）对于String对象的replace方法，表达式不加入g，则只替换第一个匹配，如果加入g，则替换所有匹配。（开头的三道测试题能很好的说明这一点） 

5）对于String对象的split方法，加上g与不加g是一样的，即： 
var sep=/user\d/; 
var array=“user1dfsfuser2dfsf”.split(sep); 
则array的值为{dfsf, dfsf} 
此时sep=/user\d/g，返回值是一样的。 

6）对于String对象的search方法，加不加g也是一样的。 

总结2：附加参数m的用法 

附加参数m，表明可以进行多行匹配，但是这个只有当使用^和$模式时才会起作用，在其他的模式中，加不加入m都可以进行多行匹配（其实说多行的字符串也是一个普通字符串），我们举例说明这一点 

1）使用^的例子 
var regx=/^b./g; 
var str=“bd76 dfsdf 
sdfsdfs dffs 
b76dsf sdfsdf”; 
var rs=str.match(regx); 
此时加入g和不加入g，都只返回第一个匹配{bd}，如果regx=/^b./gm，则返回所有的匹配{bd,b7}，注意如果regx=/^b./m，则也只返回第一个匹配。所以，加入m表明可以进行多行匹配，加入g表明可以进行全局匹配，综合到一起就是可以进行多行全局匹配 

2）使用其他模式的例子，例如 
var regx=/user\d/; 
var str=“sdfsfsdfsdf 
sdfsuser3 dffs 
b76dsf user6”; 
var rs=str.match(regx); 
此时不加参数g，则返回{user3}，加入参数g返回{user3,user6}，加不加入m对此没有影响。 

3）因此对于m我们要清楚它的使用，记住它只对^和$模式起作用，在这两种模式中，m的作用为：如果不加入m，则只能在第一行进行匹配，如果加入m则可以在所有的行进行匹配。我们再看一个^的例子 
var regx=/^b./; 
var str=“ret76 dfsdf 
bjfsdfs dffs 
b76dsf sdfsdf”; 
var rs=str.match(regx); 
此时rs的值为null，如果加入g，rs的值仍然为null，如果加入m，则rs的值为{bj}（也就是说，在第一行没有找到匹配，因为有参数m，所以可以继续去下面的行去找是否有匹配），如果m和g都加上，则返回{bj,b7}（只加m不加g说明，可以去多行进行匹配，但是找到一个匹配后就返回，加入g表明将多行中所有的匹配返回，当然对于match方法是如此，对于exec呢，则需要执行多次才能依次返回） 

总结3：在HTML的textarea输入域中，按一个Enter键，对应的控制字符为“\r\n”，即“回车换行”，而不是“\n\r”，即“换行回车”，我们看一个前面我们举过的例子： 
var regx=/a\r\nbc/; 
var str=“a 
bc”; 
var rs=regx.exec(str); 
结果：匹配成功，rs的值为：{ }，如果表达式为/a\n\rbc/，则不会被匹配，因此在一般的编辑器中一个”Enter”键代表着“回车换行”，而非“换行回车”，至少在textarea域中是这样的。