一、初识正则表达式
1、概念
正则表达式是对字符串操作的一种逻辑公式，它会将事先定义好的一些特定字符，以及这些特定字符的组合，组成一个规则字符串，并且通过这个规则字符串表达对给定字符串的过滤逻辑。
一条正则表达式也称为一个模式，使用每个模式可以匹配指定文本中与表达式模式相同的字符串。正则表达式由普通字符、元字符或预定义字符集组成，其中普通字符包括大小写字母和数字。
常见用途
-
数据验证：比如电话号码、邮箱等
-
替换文本：快速找到特定文本，用于替换
-
快速提取字符串：基于匹配规则，快速从文档中查找或提取子字符串
3、正则的用途举例
案例1
以下哪些是四大名著？
A.西游记
B.三国演义
C.水浒传
D.红楼梦
你喜欢哪些课程？
A.python
B.java
C.hadoop
D.爬虫
执行3/2后的结果正确的是
A、1
B、1.0
B、1.5
B、0
以上排版比较浪费空间，将其变为一行
请将选项后面的.换成、
案例2
Zhangsan like orange or apple
将or替换为and
二、基本语法
1、普通字符
正则表达式中的普通字符，由没有显示的指定为元字符的打印和非打印的字符组成，普通字符没有其它含义，表示它本身。
举例
hello world
匹配hello
hello
2、元字符
使用简单的元字符表达某一类字符，下面列出常用的匹配方式：
预定义字符类
| 元字符 | 描述 |
|---|---|
. | **默认模式：**匹配任何1个字符但换行除外；**DOTALL模式：**匹配任意字符 |
\d | 一个数字：[0-9] |
\D | 非数字：[^0-9] |
\h | 水平空白字符：[ \t\xA0\u1680\u180e\u2000-\u200a\u202f\u205f\u3000] |
\H | 非水平空白字符：[^\h] |
\s | 空白字符：[ \t\n\x0B\f\r] |
\S | 非空白字符：[^\s] |
\v | 垂直空白字符：[\n\x0B\f\r\x85\u2028\u2029] |
\V | 非垂直空白字符：[^\v] |
\w | 单词字符：[a-z,A-Z,_,0-9] |
\W | 非单词字符：[^\w] |
POSIX 字符类（仅限 US-ASCII）
| 元字符 | 描述 |
|---|---|
\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：[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] |
举例
重庆大学 张三,ZhangSan 8000元 重庆万州
重庆大学 李四,Lisiq 8800元 重庆万州
重庆大学 王五,Wangwu 9800元 四川成都
思考，匹配工资信息
\d\d\d\d
思考，匹配中文姓名
\s\s,
其中,用于辅助定位
思考，匹配英文姓名
3、 转义字符
我们已经学了部分元字符，比如. ? + *等，那如果我们想要查找元字符本身，比如要查找. 或者 * ，就出现了问题：没办法指定它们，因为它们会被解释成别的意思。这时就得使用 \来取消这些字符的特殊意义，从而表示字符字面量。
| 元字符 | 转义字符 |
|---|---|
| $ | \$ |
| . | \. |
| + | \+ |
| * | \* |
| ? | \? |
| ^ | \^ |
| / | \/ |
| \ | \\ |
| ( | \( |
| ) | \) |
| [ | \[ |
| ] | \] |
| { | \{ |
| } | \} |
举例
<script src="student.js"></script>
<script src="score.xml"></script>
取出文件名
\w+\.\w+
说明：
\w+：中的【+】表示，\w重复1次或多次。说人话，能匹配1个或多个字母
\.：表示【.】的转义字符，因为【.】在正则表达式中，有特殊的含义
举例
apple's price is $10.01 per kg.
apple's price is $10.02 per kg.
取出价格
\d+\.\d+
4、字符集
在正则表达式语法中，方括号表示字符范围，也称字符集（或者叫字符组）。
| 字符类 | 说明 |
|---|---|
[abc] | a、b、c |
[^abc] | ^ 表示取反，除 a、b、c 以外的其它字符 |
[a-zA-Z] | - 表示连续，匹配所有字母字符 |
[0-9] | - 表示连续，匹配所有数字字符 |
[a-c[x-z]] | a到c，或 x 到 z，等价于 [a-cx-z]，（并） |
[a-z&&[def]] | &&表示and，等价于 [def]，（交） |
[a-z&&[^bc]] | a到z，但bc除外，等价于[ad-z]，（差） |
举例
124 156 111 1337
92 20 999 666
匹配所有的偶数数字
[02468]
匹配所有的偶数
\d*[02468]
说明：
\d*：【*】匹配\d 0次或多次，说人话：匹配0个或多个数字
[02468]：匹配1个偶数数数字
5、量词
上面我们学会的是单个字符的匹配，如果要表达多个类似的字符，只能通过复制多次的方式，比如我们要查找5个连在一起的数字，要写成\d\d\d\d\d，按程序员的思维，显然不合理，比如我们要表示1000个数字、任意多个数字、…
接下来介绍如何通过量词来表示上面的情形，下面列出了几种量词的写法：
| 量词 | 含义 | 举例 |
|---|---|---|
| X? | X出现 0次 或 1次 | \d? 0个或1个数字 |
| X+ | X出现 1次 或 多次 | \d+1个或多个数字 |
| X* | X出现 0次 或 n次 | \d* 0个或多个数字 |
| X{m} | X出现 m次 | \d{3} 3个数字 |
| X{m,} | X出现 至少m次 | \d{2,} 至少3个数字 |
| X{m,n} | X出现 m~n次 | 0\d{2,3} 0后面根2-3个数字 |
举例
ggle gogle google gooogle goooogle gooooogle goooooogle gooooooogle goooooooogle
匹配上面所有的字符串
go*gle
说明：
o*：o可以出现0次或多次
举例
重庆大学 张三,ZhangSan 80000元 重庆万州
重庆大学 李四,Lisiq 8800元 重庆万州
重庆大学 王五,Wangwu 9800元 四川成都
思考，匹配工资信息
\d+
思考，匹配中文姓名
(\s+),
说明：【,】用于定位，()表示分组，方便后续通过分组编号取出这部分数据
思考，匹配英文姓名
,(\w+)
说明：【,】用于定位，()表示分组，方便后续通过分组编号取出这部分数据
举例
13612345678
13612345678abc
24654897132
12306123456
匹配手机号码
简易版本
1[3456789]\d{9}$
说明：【$】表示以\d{9}，也就是9个数字结尾，具体用法见出面的边界。如果不写【$】13612345678abc也会被匹配
6、边界
如何表示一个字符串的起始位置和结束位置呢，这便是我们要讲的边界，这里先给几个简单的边界表示
| 边界匹配器 | 描述 |
|---|---|
^ | 一行的开头，^hi.*，以hi开头的行 |
$ | 一行的结尾，.+\.jpg$，以.jpg结尾的行 |
\b | 单词，边界，指的是占位的字符左右的间隙位置，\bor\b，匹配两边是边界的or |
\B | 非单词，边界 |
注意：
- 单词指的是
\w可以匹配的字符，即数字、大小写字母以及下划线[0-9a-zA-Z_]- 边界 指的是占位的字符左右的间隙位置，边界是零宽断言，只匹配位置, 不匹配字符
举例
Zhangsan like orange or apple
将or替换为and
【老师你也太坏了，不我是让你爱上正则表达式】
查找框里写：\bor\b
替换框里写：and
7、选择、分组和、向后引用
1）选择（或分支）
正则表达式里的选择条件指的是有几种规则，如果满足其中任意一种规则都应该当成匹配，具体方法是用 | 把不同的规则分隔开。
X|Y 任何一个X或者Y
比如要识别如下两种固话号码，
0991-8585671
023-58102054
(0991)8585671
(023)58102054
则可以写成
0\d{2,3}-?\d{7,8}|\(0\d{2,3}\)\d{7,8}
2）分组
概念
可以使用小括号( )来指定一个子表达式(也叫分组)，例如：
(http)(www.*com)
(http)?(www.*com) http作为一个整体，可有可无
组号
捕获组通过从左到右计算它们的左括号来编号
例如，在表达式 ((A)(B(C))) 中，有四个这样的组：
1号分组：((A)(B(C)))
2号分组： (A)
3号分 ：(B(C))
4号分组 ：(C)
注意：分组编号是从1开始的，0号分组代表整个表达式
例子
还记得刚写的两种固话的匹配吗，可以写成
(\(0\d{2,3}\)|0\d{2,3}-?)\d{7,8}
3）分组捕获与后向引用
作用：将前面分组匹配到的结果（内容），以组号的方式引用，给到后续表达式继续使用。
说明：默认情况下，每个分组会自动拥有一个组号，规则是：从左向右，以分组的左括号为标志，第一个出现的分组的组号为1，第二个为2，以此类推。
例子
请找到出左右对称的信息
===welcome===
==hello==
==你好=
==吃了吗===
例子
匹配重复单词的字符串
go go
kitty kitty
\b(\w+)\b\s+\1\b
说明：\1中的1表示组号，在这里表示(\w+)的匹配结果
8、贪婪、懒惰
先来看个例子：
123abc123456abc
如果想找出123abc和123456abc两个字符串，你兴奋的写下了.*abc，结果发现只匹配了一次，把整个字符串匹配了。这便是我们要讲的匹配模式。
1）贪婪
当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符，这被称为贪婪匹配
示例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索 aabab的话，它会匹配整个字符串aabab。
属于贪婪模式的量词，也叫做匹配优先量词，包括：“{m,n}”、“{m,}”、“?”、“*”和“+”。
2）懒惰
如果想要匹配尽可能少的字符呢，这就是懒惰匹配模式。
只要在量词后面加上一个问号?就可以了。
比如前面的示例，你只需要将正则表达式写为如下形式即可：
.*?abc
懒惰匹配总是出现在有量词的地方，有如下懒惰量词：
| 语法 | 描述 |
|---|---|
| *？ | 重复任意次，但尽可能少重复 |
| +? | 重复1次或更多次，但尽可能少重复 |
| ?? | 重复0次或1次，但尽可能少重复 |
| {n,}? | 重复n次以上，但尽可能少重复 |
| {m,n}? | 重复m到n次，但尽可能少重复 |
注意
问号(?)：问号有两种场景
- 一是以量词方式使用，表示
?前面的子表达式或者字符出现1次或者0次；- 二是出现在量词后面，表示懒惰匹配。
三、在String类中使用正则
String类提供了3个实例方法支持正则操作
① matches 匹配
boolean matches(String regex)
判断此字符串是否与给定的 正则表达式 匹配。
例如：
// 判断是不是一个正确的电话号码
String tel = "023-58580000";
boolean matches = tel.matches("\\d+-\\d+");
System.out.println(matches);
② split 拆分
String[] split(String regex)
围绕给定 正则表达式 的匹配项拆分此字符串。
String[] split(String regex, int limit)
围绕给定 正则表达式 的匹配项拆分此字符串。
例如：
// 按正则对字符串进行拆分
String stuInfo = "zhangsan china-cq 1985/11/12";
//String[] rst = stuInfo.split(" |-|/");
String[] rst = stuInfo.split("[ -/]");
for (String item : rst) {
System.out.println(item);
}
③ replace相关
String replace(String old, String new)
String replaceFirst(String regex, String replacement)
使用replacement替换regex的第一个匹配。
String replaceAll(String regex, String replacement)
使用replacement替换regex的所有匹配。
例如：
(86)023-12345670
021:12345671
010-12345672
需要得到如下结果
(023)12345670
(021)12345671
(010)12345672
String stuInfo = """
(86)023-12345670
021:12345671
010-12345672""";
String string = stuInfo.replaceAll("(\\(86\\))?(\\d{3})(-|:)", "($2)");
System.out.println(string);
四、Pattern类和Matcher类
- Matcher类不能单独使用，用于配合Pattern类。
- Pattern类根据正则表达式创建匹配规则，Matcher根据匹配规则执行具体的匹配操作。
1、创建匹配模式（规则）
使用 Pattern.compile() 静态方法，编译正则表达式字符串，形成模式对象（匹配规则）
static Pattern compile(String regex)
将给定的正则表达式字符串，编译成一个模式。
static Pattern compile(String regex, int flags)
将给定的正则表达式字符串，编译成具有【给定标志】的模式。
【flags可以取以下值】
Pattern.CANON_EQ 启用规范等价。
Pattern.CASE_INSENSITIVE 启用不区分大小写的匹配。【重要】
Pattern.COMMENTS 模式中允许空格和注解。
Pattern.DOTALL 启用 dotall 模式。【重要】
Pattern.LITERAL 启用模式的文字解析。
Pattern.MULTILINE 启用多行模式。【重要】
Pattern.UNICODE_CASE 启用 Unicode 感知大小写折叠。
Pattern.UNICODE_CHARACTER_CLASS 启用Unicode版本预定义字符类和POSIX字符类.
Pattern.UNIX_LINES 启用 Unix 行模式。
例如：
String phone = "13100000000";
// 获得模式对象（匹配规则）
Pattern pattern = Pattern.compile("1[345789]\\d{9}");
2、创建匹配器
根据模式（匹配规则）生成匹配器。使用 Pattern对象的 matcher(CharSequence input) 方法，创建匹配器
Matcher类用于，在给定的Pattern实例的模式控制下进行字符串的匹配工作。
例如：
String phone = "13100000000";
Pattern pattern = Pattern.compile("1[345789]\\d{9}"); // 匹配规则
Matcher matcher = pattern.matcher(phone); // 匹配器
3、匹配器的常用方法
匹配器，Matcher的实例对象
① matches匹配
"abc".matches("\w{3}")
boolean matches()
字符串，是否与正则表达式【完全】匹配
例如：
String phone = "13100000000";
Pattern pattern = Pattern.compile("1[345789]\\d{9}"); // 编译后的模式
Matcher matcher = pattern.matcher(phone);
System.out.println(matcher.matches());
② lookingAt匹配
boolean lookingAt()
字符串的【开始位置】，是否有和正则表达式匹配的内容
例如：
③ find匹配
boolean find()
字符串中，是否有【与位置无关】和正则表达式匹配的内容
boolean find(int start)
字符串中【从start指定的地方开始】，是否有【与位置无关】和正则表达式匹配的内容
例如：
④ groupCount 匹配
int groupCount()
返回匹配到的分组（结果）个数
例如：
⑤ group
获得匹配结果，注意 要先调用匹配方法，后才能获得匹配结果，否则报错
String group(); String group(0);
//返回匹配到的【整体】结果
String group(int group);
//根据【分组编号，0表示完整结果，组号从1开始】，获取匹配到的结果
例如：
⑥ replaceAll
String replaceAll(String replacement)
将正则表达式对应的【所有】【完整匹配】结果，使用字符串替换，并返回替换后的新字符串
例如：
⑦ replaceFirst
String replaceFirst(String replacement)
将正则表达式对应的【第一个】【完整匹配】结果，使用字符串替换，并返回替换后的新字符串
例如：
⑧ 其他方法见API手册
4、其它相关用法
① 使用 pattern 匹配字符串
使用 Pattern.matches() 静态方法，判断正则表达式与字符串【完全】匹配。
Static boolean matches(String regex, CharSequence input)
例如：
// 判断手机号格式是否正确
String phone = "13100000000";
System.out.println(Pattern.matches("1[345789]\\d{9}", phone));
② 使用 pattern 拆分字符串
Pattern.compile("[ -/]").split("张三 中国/重庆/巴南 2011-11-11");