正規表達式入門——java語言

前情引入

什麼是正規表達式？

正規表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫為regex、regexp或RE），計算機科學的一個概念。正規表達式通常被用來檢索、替換那些符合某個模式(規則)的文本—— 來自百度的解釋。

說得簡單一點，正規表達式就是一套模式，一套對應規則。就像我們使用的字元集一樣，有對應關系。字元集是用來與我們使用的語言文字對應的，正規表達式則是用來與字元對應的。

比如在ASCII碼中，97對應的是小寫字母"a"，在正規表達式中，"\w" 就對應任何一個單詞字元(數字、字母和下劃線)
正規表達式有什麼用？

有了這套對應關系之後，我們就可以很友善的對字元串(或稱文本)進行各種操作，檢索、替換等等。正規表達式被廣泛的應用在計算機的各個領域，主流的開發語言(java、c、python、c++、js……)和數以億萬記的軟體中，都可以看到正規表達式的身影。

正規表達式和java語言本身沒有關系

入門初體驗

在java中，java.util.regex包下的類都是和正則相關的類，我們來簡單的體驗一下

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegularTest02
{
    public static void main(String[] args)
    {
        regularTest();
    }

    public static void regularTest()
    {
        Pattern pattern = Pattern.compile("\\w");//被編譯後的表達式對象
        Matcher matcher = pattern.matcher("abc123##");//需要比對的對象(就是需要操作的字元串)
        boolean isMatch = matcher.matches();//matches這個方法是嘗試比對整個字元串
        
        //下面這種寫法和上面的那種寫法效果是一樣的，隻是上面的寫法，可以将表達式對象和需要比對的對象複用
        boolean isMatch1 = Pattern.matches("\\w", "a");//也是嘗試比對整個字元串
        System.out.println(isMatch);
        System.out.println(isMatch1);
    }
}

13行：表示擷取一個被編譯之後的正規表達式對象

14行：表示需要比對的對象，也就是要對那個字元串進行操作

16行：matches方法是嘗試比對整個目标字元串，如果比對成功，則傳回true，否則傳回false

如果是初學者，可能對于上面的内容不是很了解，但是java這種面向對象的語言，有這個好處：我們不需要知道為什麼要這麼做，而隻需要知道我們如果要完成一個功能，需要怎麼做（對于初學者而言）

我們需要怎麼做？讀文檔、查資料，看哪個類、哪個方法能幫我們完成功能。現在我已經告訴你了，你隻需要像上面這麼做，就能達到我們想要的目的，是以，你照着上面這麼寫就好了。

需要注意一點的是，在java中，反斜杠 “\” 具有特殊含義：轉義，是以想要表示一個普通的反斜杠，一個反斜杠是不行的，要用兩個反斜杠，前面那個反斜杠的作用就是轉義，将後面這個反斜杠轉義為一個普通的反斜杠。如果裡是在了解不了的話，你就記死結論：java中兩個反斜杠表示一個普通的反斜杠。

順便提一嘴，在正規表達式中，反斜杠一樣具有特殊含義，是以要在java中使用正規表達式表示一個普通的反斜杠，需要用四個反斜杠表示一個普通的反斜杠，後面會講到。

現在我們來推測一下程式的運作結果，前面我已經說了，"\w" 就對代表何一個單詞字元(數字、字母和下劃線)，那麼控制台應該列印true還是false呢？如果将14行中的 “abc123##” 換成 “abc” 呢？如果換成 “a” 或其他的單詞字元呢？可以自己去測試一下，再來看結果分析。

前兩個都是false，因為 “\w” 隻代表一個單詞字元，而前兩個目标字元串裡都不止一個字元。如果換成 “a” 或其它的單詞字元，肯定就是true了。

正式認識

前面我們簡單的使用了正規表達式，下面我們來系統的認識一下正則的文法規則。簡單的正規表達式大緻由兩部分組成：比對内容和比對次數，複雜的還有其它一些東西。

上面我們說的，"\w" 代表任意一個單詞字元，但是如果我們要代表兩個單詞字元呢？三個或者更多個呢？

三個常用的表示次數的符号：

? ：表示比對前面的字元零次或一次
+：表示比對前面的字元一次或多次
* ：表示比對前面的字元任意次(零次或多次)

代碼測試，還是上面那幾行代碼

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegularTest02
{
    public static void main(String[] args)
    {
        regularTest();
    }

    public static void regularTest()
    {
        System.out.println(Pattern.matches("\\w?","zbc"));
        System.out.println(Pattern.matches("\\w+","zbc"));
        System.out.println(Pattern.matches("\\w*","zbc"));
		System.out.println(Pattern.matches("\\w?",""));
		System.out.println(Pattern.matches("\\w+",""));
		System.out.println(Pattern.matches("\\w*",""));
    }
}

上面程式的列印結果是什麼呢？

13行：false，因為 “?” 隻代表前面的字元零次或一次，它的前一個字元是什麼？是 “\w” ，表示任意一個單詞字元。是以整體意思表示比對任意一個單詞字元零次或一次。但是下面的需要比對的字元串對象中，卻有三個字元，是以肯定不比對。

14行：true，因為 “+” 代表比對前面的字元一次或多次，前一個字元是任意一個單詞字元，是以，隻要不為空，多少個單詞字元拼在一起都可以比對成功，當然是true了。

後面的嘗試自己分析一下，另外，自己還可以多試一些邊，加深影響。注意考慮三個表示次數的差別去改。

其它表示次數的形式

{n,m}：比對前面的字元n次到m次
{n,}：比對前面的字元n次到無限次
{n}：比對前面的字元n次

這三個，可以明确的表示一個次數邊界，感覺上會用得多一些。但實際上用得并不多（就我個人經驗而言），因為在對一些文本或字元串進行操作的時候，我們往往是不清楚個數的。

我就不測試了，大家感興趣的話可以去測試一下，将之前的 “?”、"+"、"*" 改成上面的就可以了。

了解了表示比對次數的文法之後，我們來認識一下表示比對其它内容的規則

常用的比對内容規則

\w：表示比對任意一個單詞字元(單詞、字元和下劃線)
\W：表示比對任意一個非單詞字元
\d：表示比對任意一個十進制數字
\D：表示比對任意一個非十進制數字
\s：表示比對任意一個空白字元(包括空格、制表符、換頁符等等)
\S：表示比對任意一個非空白字元，也就是可見字元
. : (英文狀态下的點.) 表示比對一個除換行符之外的其它任意字元

這三對都是相對應的，記住一個，另一個也就知道了。當然，還有很多表示表示比對其它的規則，大家先熟悉和掌握這些基本的、常用的，再往了解其它的，有個循序漸進的過程。

代碼測試，知道了這些比對内容的規則，再結合前面的比對次數，我們就可以換更多的花樣來測試了。

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegularTest02
{
    public static void main(String[] args)
    {
        regularTest();
    }

    public static void regularTest()
    {
        System.out.println(Pattern.matches("\\d?","zbc"));
        System.out.println(Pattern.matches("\\d+","zbc"));
        System.out.println(Pattern.matches("\\D*","zbc"));
		System.out.println(Pattern.matches("\\s?",""));
		System.out.println(Pattern.matches("\\S+",""));
		System.out.println(Pattern.matches("\\S*",""));
		System.out.println(Pattern.matches(".","a"));
		System.out.println(Pattern.matches(".?","abc"));
		System.out.println(Pattern.matches(".+","abc"));
    }
}

結果我就不帶領大家分析了，自己慢慢分析，應該是可以得出結果的。如果分析錯了，結合控制台的列印，應該也能很快反應過來的。

下面，我們來認識一下正規表達式中另一類神奇的存在：元字元。其實我們在之前已經用過了，隻是我們不知道它是元字元。例如：" "、 “{}”、 “*” ……這些都是元字元。什麼？我之前用得好好的，現在你告訴我它是元字元，我不能接受！！

元字元是什麼意思呢？就是具有特殊含義的字元。說到特殊含義，那什麼是沒有特殊含義的字元呢？說到現在，我們一直都在說比對任意xxxx，那我就想比對一個 “w” ，一個 “s” 呢？這咋辦。

其實很簡單

System.out.println(Pattern.matches("w","w"));
		System.out.println(Pattern.matches("w?","www"));
		System.out.println(Pattern.matches("s+","sss"));
		System.out.println(Pattern.matches("s*","ass"));

如果是普通字元，單寫一個，就代表比對一個該字元。

現在我們再回頭來看元字元，是不是具有特殊含義？是的吧，

常用的元字元

. ：表示比對一個除換行符之外的其它任意字元
? ：表示比對前面的字元零次或一次
+ ：表示比對前面的字元一次或多次
* ：表示比對前面的字元任意次(零次或多次)
\：加在元字元前面可以消除其特殊功能，加在一些普通字元前面可以使其具有特殊含義
{}：成對出現，表示比對中括号中指定的次數
[]：成對出現，表示一個字元集，或者是一個範圍，比對其中一個。有些元字元在其中沒有特殊含義
()：表示一個整體，也可以表示分組（子組），結合比對對象進行使用
^：脫字元，表示除xxx之外。還表示從字元串的頭開始比對
|：對兩個正規表達式進行或操作，這個符号優先級别很低

有一些是老熟人了吧，我就不說了哦。

1. \

“\” 好像挺有意思的，加在元字元前面可以消除其特殊功能，加在一些普通字元前面可以使其具有特殊含義，是什麼意思呢？我們都知道了，"+" 表示比對前一個字元一次或多次，那我就想比對 “+” 本身怎麼辦？

//這樣寫肯定是不行的
		System.out.println(Pattern.matches("+","++"));

那怎麼辦呢？這時候就要用到 “\” 了，讓 “\” 把 “+” 這個元字元的特殊含義給消除了，是以就這麼寫:

//注意要用雙反斜杠，前面已經解釋過了
		System.out.println(Pattern.matches("\\+","++"));
		System.out.println(Pattern.matches("\\+?","++"));

要比對其它的元字元也是類似，但是有個問題是：我就想比對一個反斜杠，這咋辦？

其實思路還是一樣的，反斜杠不是具有特殊含義嗎？那我就再用一個反斜杠，來消除它的特殊含義，隻不過在java中，反斜杠也具有特殊含義，是以我們得用兩個反斜杠表示字元串中一個普通的反斜杠，是以我們得用四個反斜杠來表示正規表達式中一個普通的反斜杠，每兩個反斜杠，表示正規表達式中一個具有特殊含義的反斜杠，然後再用反斜杠消除特殊後面一個反斜杠的特殊含義。

System.out.println(Pattern.matches("\\\\","\\"));
		System.out.println(Pattern.matches("\\\\?","\\\\"));
		System.out.println(Pattern.matches("\\\\*","\\\\\\"));

“\” 的另外一個作用就是，将一些普通字元變得有特殊含義，其實我們早已經用過了，就是在比對内容那裡，“w”、“W”、“s”、“S”、“d”、“D”……這些原本都是普通的字元，隻代表比對它本身，但是在它前面加一個反斜杠之後，就賦予了它特殊的含義。

2. []

“[]” 表示一個字元集，比對其中一個。例如："[123]" 表示比對 “1” 或 “2” 或 “3”。

當連字元( “-” )在字元集中出現在兩個有順序的字元之間時，表示比對這個範圍之内的任意一個，比如："[1-3]" 的效果就和 “[123]” 一樣，都表示比對 “1” 或 “2” 或 “3”。"[a-c]"就表示比對 “a” 或 “b” 或 “c”

System.out.println(Pattern.matches("[1-3]","3"));
		System.out.println(Pattern.matches("[a-c]","a"));
		System.out.println(Pattern.matches("[a-c]","b"));
		System.out.println(Pattern.matches("[a-c]","c"));

注意：當連字元不是出現在兩個具有順序關系 \color{red}{具有順序關系} 具有順序關系的字元之間時，就表示比對連字元本身。

比如："[-123]"、"[123-]" 和 “[1-3-]” 都表示比對 “-” 或 “1” 或 “2” 或"3"

System.out.println(Pattern.matches("[-123]","-"));//true
		System.out.println(Pattern.matches("[123-]","-"));//true
		System.out.println(Pattern.matches("[1-3-]","-"));//true

在比如"[1-z]"就表示比對 “1” 或 “-” 或 “z”，如果是 “[3-1]” 這種逆序的寫法，在java中會報錯，編譯不通過，不知道其它情況下是怎樣的。

還有就是有些元字元在 “[ ]” 中沒有特殊含義！！

3. ()

“()” 表示一個整體，比如說，我要比對 “110” 一次或多次，就可以用 “()” 将 “110” 表示為一個整體,然後後面再規定次數。

System.out.println(Pattern.matches("(110)+","110"));
        System.out.println(Pattern.matches("(110)+","110110"));
        System.out.println(Pattern.matches("(110)+","110011"));

關于表示子組後面再說。

4. ^

“^” 在字元集 “[]” 中，如果出現在第一個，是脫字元，表示除去什麼什麼。

比如 “[^123]” 表示比對任意一個 “1”、“2”、“3” 之外的字元。 " [^a-d]" 表示比對任意一個除"a"、“b”、“c”、“d” 之外的字元。

System.out.println(Pattern.matches("[^123]","3"));
        System.out.println(Pattern.matches("[^123]","5"));
        System.out.println(Pattern.matches("[^a-d]","d"));
        System.out.println(Pattern.matches("[^a-d]","z"));

如果 “^” 在 “[]” 中，不是出現在第一個的，就表示一個普通的 “^” 字元。比如 “[12^3]” 就表示比對 “1” 或 “2” 或 “^” 或 “3”。

如果"^“不是出現在字元集”[ ]"中，是表示從頭開始比對的意思，但是我不知道用java怎麼示範。

5. |

“|” 表示對兩個正規表達式進行或操作，這個符号優先級别很低，比如：“ab|cd” 不是表示比對 “abd” 或 “acd” ，而是表示比對 “ab” 或 "cd"

System.out.println(Pattern.matches("ab|cd","abd"));
        System.out.println(Pattern.matches("ab|cd","acd"));
        System.out.println(Pattern.matches("ab|cd","ab"));
        System.out.println(Pattern.matches("ab|cd","cd"));

暫時就說這麼多，最基本的内容。

熱身練習

比對非負整數
比對正整數
比對整數

習題是我從别處搬來的，想練習可以去這裡：https://blog.csdn.net/qian_youyou/article/details/79121916

他給的答案中，每個表達式最前面都是"^"，最後面都是"$"，大家如果不知道的這個東西話，可以暫時将其忽略。

正規表達式入門——java語言

前情引入

入門初體驗

正式認識

三個常用的表示次數的符号：

其它表示次數的形式

常用的比對内容規則

常用的元字元

1. \

2. []

3. ()

4. ^

5. |

熱身練習

如果哪裡寫得有問題，還請指出。

繼續閱讀

利用Python進行簡單爬蟲（爬取豆瓣《湮滅》短評）寫在最前爬蟲正規表達式比對做法BeautifulSoup做法最後

pyquery爬取天蠶洋芋經典玄幻三部曲鬥破蒼穹：武動乾坤：大主宰：

Python 爬蟲實戰: 爬取并下載下傳CSDN文章

C# 正規表達式詳解（學習心得 25）一、轉義字元二、字元類三、定位點四、分組構造五、限定符六、反向引用構造七、備用構造八、替換九、雜項構造十、Regex 類

C#發送電子郵件 (異步)

Boost學習之XML解析

QT實作資料總管總結

如何配置Eclipse進行Perl開發

一個不錯的 js 校驗

python 正則判斷字元串是否為版本号

個人覺得C++BuilderX是個失敗的作品

力扣每日一題：65. 有效數字題目：65. 有效數字解題思路

SQL注入風險小例

比較Flash AS3與AS2特性與功能

GSL--GNU Scientific Library

neo4j之cypher使用文檔