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="\\d{3,4}-\\d{7,8}";
     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。