极客笔记Java正则表达式匹配字符串替换
1. 引言
在Java程序中，正则表达式是一种强大而灵活的工具，可用于匹配和替换字符串。正则表达式提供了一种机制，可以通过特定的模式匹配字符串中的特定文本，并对其进行替换。这种能力在数据处理、文本清洗和信息提取等任务中非常有用。
本文将通过一系列示例来详解如何使用Java正则表达式进行字符串匹配和替换的操作。我们将从基本的匹配和替换开始，逐步深入，涵盖各种用例和常用的正则表达式语法。
2. 正则表达式基础
在介绍Java中的正则表达式功能之前，我们首先需要了解正则表达式的基础知识。
2.1. 字符匹配
正则表达式用于匹配字符串中的特定文本。最简单的正则表达式是单个字符，可以直接匹配指定的字符。例如，正则表达式 “a” 可以用来匹配字符串中的字母 “a”。
以下示例演示了如何使用String.matches方法来检查字符串是否与给定的正则表达式匹配：
String text = "Hello, world!";
boolean isMatched = text.matches("Hello");
System.out.println(isMatched);
输出：
true
2.2. 字符类
字符类是用方括号[]括起来的字符集合，用于匹配其中的任意一个字符。例如，正则表达式[abc]可以匹配字符串中的字符 “a”、”b” 或 “c”。
以下示例演示了使用字符类进行字符匹配：
String text = "Hello, world!";
boolean isMatched = text.matches("[Hh]ello");
System.out.println(isMatched);
输出：
true
2.3. 通配符
在正则表达式中，点.可以匹配除了换行符以外的任何单个字符。这个特殊的字符叫做通配符。
以下示例演示了如何使用通配符进行字符匹配：
String text = "Hello, world!";
boolean isMatched = text.matches("Hello, .+!");
System.out.println(isMatched);
输出：
true
2.4. 边界匹配
在正则表达式中，^和$字符分别用来匹配字符串的开头和结尾。
^匹配字符串的开头，例如"^Hello"可以匹配以 “Hello” 开头的字符串。$匹配字符串的结尾，例如"world!$"可以匹配以 “world!” 结尾的字符串。
以下示例演示了如何使用边界匹配符进行字符匹配：
String text = "Hello, world!";
boolean isMatched = text.matches("^Hello.*world!$");
System.out.println(isMatched);
输出：
true
2.5. 量词
量词用来指定前面的字符或字符类出现的次数。
在正则表达式中，常见的量词包括：
*：表示前面的字符或字符类可以出现0次或多次。+：表示前面的字符或字符类可以出现1次或多次。?：表示前面的字符或字符类可以出现0次或1次。{n}：表示前面的字符或字符类出现恰好n次。{n,}：表示前面的字符或字符类至少出现n次。{n,m}：表示前面的字符或字符类出现至少n次，且不超过m次。
以下示例演示了如何使用量词进行字符匹配：
String text = "aaaa";
boolean isMatched1 = text.matches("a*");
boolean isMatched2 = text.matches("a+");
boolean isMatched3 = text.matches("a?");
boolean isMatched4 = text.matches("a{4}");
boolean isMatched5 = text.matches("a{3,}");
boolean isMatched6 = text.matches("a{2,4}");
System.out.println(isMatched1); // true
System.out.println(isMatched2); // true
System.out.println(isMatched3); // false
System.out.println(isMatched4); // true
System.out.println(isMatched5); // true
System.out.println(isMatched6); // true
输出：
true
true
false
true
true
true
3. Java中的正则表达式库
Java提供了java.util.regex包来支持正则表达式的处理。该包提供了Pattern和Matcher两个类，用于编译和匹配正则表达式。
3.1. 编译正则表达式
在使用正则表达式之前，我们首先需要使用Pattern.compile方法将其编译成一个Pattern对象。
以下示例演示了如何编译一个正则表达式：
import java.util.regex.Pattern;
String regex = "^Hello, .+!$";
Pattern pattern = Pattern.compile(regex);
3.2. 匹配正则表达式
一旦我们有了一个编译好的正则表达式Pattern对象，我们可以使用该对象的matcher方法来创建一个Matcher对象，该对象可以用于对字符串进行匹配。
以下示例演示了如何使用Matcher对象进行正则表达式匹配：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
String text = "Hello, world!";
String regex = "^Hello, .+!$";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
boolean isMatched = matcher.matches();
System.out.println(isMatched);
输出：
true
3.3. 查找匹配
除了检查字符串是否与整个正则表达式匹配，我们还可以使用Matcher对象来查找其中的子串匹配。
以下示例演示了如何使用Matcher对象查找字符串中匹配的子串：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
String text = "Hello, world!";
String regex = "Hello";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
if (matcher.find()) {
int start = matcher.start();
int end = matcher.end();
String match = text.substring(start, end);
System.out.println(match); // Hello
}
输出：
Hello
3.4. 替换匹配
最常见的用途之一是使用正则表达式来替换字符串中的特定文本。Java提供了Matcher对象的replaceAll和replaceFirst方法来进行替换操作。
以下示例演示了如何使用replaceAll方法来替换字符串中的匹配子串：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
String text = "Hello, world!";
String regex = "world";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
String replaced = matcher.replaceAll("Java");
System.out.println(replaced); // Hello, Java!
输出：
Hello, Java!
4. 常用的正则表达式语法
了解了正则表达式的基础知识和Java正则表达式库的用法后，让我们继续了解一些常用的正则表达式语法。
4.1. 字符类表达式
| 表达式 | 描述 |
|---|---|
[abc] |
匹配字符”a”、”b” 或 “c” |
[^abc] |
匹配除了字符”a”、”b” 或 “c”之外的任意字符 |
[a-z] |
匹配任意小写字母 |
[A-Z] |
匹配任意大写字母 |
[0-9] |
匹配任意数字 |
[a-zA-Z0-9] |
匹配任意字母或数字 |
4.2. 限定符
| 表达式 | 描述 |
|---|---|
* |
匹配前面的字符或字符类出现0次或多次 |
+ |
匹配前面的字符或字符类出现1次或多次 |
? |
匹配前面的字符或字符类出现0次或1次 |
{n} |
匹配前面的字符或字符类出现恰好n次 |
{n,} |
匹配前面的字符或字符类至少出现n次 |
{n,m} |
匹配前面的字符或字符类出现至少n次，且不超过m次 |
4.3. 转义字符
有些字符在正则表达式中具有特殊意义，如果想要匹配这些特殊字符本身，需要使用转义字符\进行转义。
以下是一些常见的转义字符用法示例：
\\d：匹配数字\\w：匹配字母、数字或下划线\\s：匹配空白字符（空格、制表符等）\\.：匹配点字符（要匹配真正的点字符）
4.4. 捕获组
捕获组用于将匹配的子串保存到内部变量中，并在后续的操作中使用。可以通过()括起来的子表达式来创建捕获组。
以下示例演示了如何使用捕获组将电话号码中的区号和号码进行分组：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
String text = "我的电话号码是(123)456-7890";
String regex = "\\((\\d{3})\\)(\\d{3}-\\d{4})";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
if (matcher.find()) {
String areaCode = matcher.group(1);
String phoneNumber = matcher.group(2);
System.out.println("区号: " + areaCode); // 区号: 123
System.out.println("号码: " + phoneNumber); // 号码: 456-7890
}
输出：
区号: 123
号码: 456-7890
5. 实际用例
理论知识已经讲解完毕，现在让我们通过一些实际的用例来更深入地了解Java正则表达式的应用。
5.1. 邮箱格式验证
邮箱格式验证是一个常见的需求，我们可以使用正则表达式来判断一个字符串是否符合邮箱的格式规范。
以下是一个简单的邮箱格式验证的示例：
import java.util.regex.Pattern;
String email = "example@example.com";
String regex = "^[A-Za-z0-9+_.-]+@[A-Za-z0-9.-]+$";
boolean isValid = Pattern.matches(regex, email);
System.out.println(isValid);
输出：
true
5.2. URL提取
从一段文本中提取URL是常见的信息提取任务之一。我们可以使用正则表达式来匹配并提取其中的URL。
以下是一个从文本中提取URL的示例：
import java.util.regex.Matcher;
import java.util.regex.Pattern;
String text = "这是一段包含URL的文本，请点击访问：https://www.example.com";
String regex = "(https?|ftp)://[^\\s/$.?#].[^\\s]*";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(text);
while (matcher.find()) {
String url = matcher.group();
System.out.println(url);
}
输出：
https://www.example.com
5.3. HTML标签过滤
在进行网页内容处理时，有时候需要过滤掉其中的HTML标签，只保留文本内容。我们可以使用正则表达式来实现HTML标签的过滤。
以下是一个简单的HTML标签过滤的示例：
import java.util.regex.Pattern;
String html = "<p>This is a <strong>sample</strong> HTML</p>";
String regex = "<[^>]+>";
String filtered = html.replaceAll(regex, "");
System.out.println(filtered);
输出：
This is a sample HTML
6. 总结
本文详细介绍了如何在Java中使用正则表达式进行字符串匹配和替换操作。我们从基础的字符匹配和替换开始，逐步深入了解了字符类表达式、限定符、转义字符和捕获组等常用的正则表达式语法。通过实际用例，我们展示了正则表达式在邮箱格式验证、URL提取和HTML标签过滤等场景中的应用。