Java编程：正则表达式Pattern、Matcher详解

「爱情、让人受尽委屈。」 2022-06-09 00:05 270阅读 0赞

转载地址:[http://blog.csdn.net/claram/article/details/52875925][http_blog.csdn.net_claram_article_details_52875925]

对于正则的一些东西，在于应用到实践中，不然记在多也只是暂时的，这里有一些例子有助于我们理解。

平时在对字符串进行操作的时候进行用到正则表达式，影响最深刻的是2011开发新华网微博的时候，对微博内容做了复杂的正则表达式校验。接下来介绍一下[Java][]中的正则表达式的使用。以下内容基于JDK1.7进行讲解。

> Java中默认的正则表达式是贪婪匹配的。   
> [JavaScript][]中默认的正则表达式也是贪婪匹配的。

这里留下一个问题：什么是贪婪匹配，后续做详细说明。

在Java中，java.util.regex包定义了正则表达式使用到的相关类，其中最主要的两个类为：Pattern、Matcher。

*  Pattern 编译正则表达式后创建一个匹配模式。
 *  Matcher 使用Pattern实例提供的正则表达式对目标字符串进行匹配。

### Pattern类 ###

*  private Pattern(String p, int f) 私有的构造方法。
 *  public static Pattern compile(String regex) 通过静态方法compile创建Pattern对象，查看源代码发现compile直接调用了Pattern构造函数。

public static Pattern compile(String regex) {
            return new Pattern(regex, 0);
        }
     
      
       1
       2
       3
      
     
      
       1
       2
       3

*  public static Pattern compile(String regex, int flags) 通过静态方法compile创建Pattern对象，查看源代码发现compile直接调用了Pattern构造函数，该方法允许设置多个Match Flag，如`Pattern.CASE_INSENSITIVE|Pattern.UNIX_LINES`，关于Match Flag后续做详细说明。

public static Pattern compile(String regex, int flags) {
            return new Pattern(regex, flags);
        }
     
      
       1
       2
       3
      
     
      
       1
       2
       3

*  public String pattern() 返回字符串类型的正则表达式，也就是compile函数的regex参数值。
 *  public Matcher matcher(CharSequence input) 为目标字符串input创建一个Matcher对象。
 *  public int flags() 返回当前Pattern对象的Match Flag值，如果设置的值为`Pattern.CASE_INSENSITIVE|Pattern.UNIX_LINES`，则返回累加和。`Pattern.CASE_INSENSITIVE`的值为`0x02`，`Pattern.UNIX_LINES`的值为`0x01`，则`flags()`返回值为3。
 *  public static boolean matches(String regex, CharSequence input) 通过指定的正则表达式regex对input进行正则匹配，该方法适用于只进行一次匹配的任务，因为该方法不生成Matcher实例。
 *  public String\[\] split(CharSequence input) 通过正则表达式对input进行分割。
 *  public String\[\] split(CharSequence input, int limit) 通过正则表达式对input进行分割，limit参数指明分割的段数。
 *  public static String quote(String s) 将字符串s转换为正则字面量，正则表达式“.”表示匹配除“\\n”之外的任何字符零次或多次，使用quote进行转换后“.”只能匹配“.\*”，没有当初的正则的含义了。在使用quote()方法之后，原有的字符串s变成了\\Qs\\E的样式，\\Q 代表字面内容的开始，\\E 代表字面内容的结束。

### Matcher类 ###

*  Matcher(Pattern parent, CharSequence text) 构造方法。
 *  public Pattern pattern() 返回创建Matcher对象的Pattern对象。
 *  public MatchResult toMatchResult() 将匹配结果以MatchResult的形式返回
 *  public Matcher usePattern(Pattern newPattern) 修改Matcher对象的Pattern，用以进行新的模式匹配。
 *  public Matcher reset() 重置匹配器的状态。
 *  public Matcher reset(CharSequence input) 重置匹配器的状态，重置目标字符串的值为input。
 *  public int start() 返回当前匹配到的字符串在原目标字符串中的起始索引位置
 *  public int start(int group) 返回当前匹配到的字符串中group组在目标字符串的起始索引位置
 *  public int end() 返回当前匹配的字符串的最后一个字符在原目标字符串中的offset（偏移量），这个需要大家注意一下。
 *  public int end(int group) 返回当前匹配的字符串中group组的最后一个字符在原目标字符串中的offset（偏移量），这个需要大家注意一下。
 *  public String group() 返回匹配到的字符串，结合find函数使用。
 *  public String group(int group) 返回匹配到的字符串中的group组的字符串。
 *  public String group(String name) 返回被named-capturing组捕获的字符串，关于named-capturing group（命名捕获组）是JDK1.7新增的功能，可以将正则表达式中的组进行命名。

> (?X) 定义一个名为groupName的组。   
> \\k 用于向后引用（back reference）名为groupName的组。   
> $\{groupName\} 用于，在替换函数中，后向引用名为groupName的组。   
> group(groupName) 用于获得对应的带捕获的名为groupName的组的值。

*  public int groupCount() 返回当前Matcher对象捕获的组的个数。
 *  public boolean matches() 将整个目标字符串与正则表达式进行匹配，只有完全匹配才能返回true，否则false。
 *  public boolean find() 对目标字符串进行正则匹配，通过while可以多次执行find方法，获取多次的匹配结果，代码编写方式类似于iterator.next()。
 *  public boolean find(int start) 在制定的索引位置对目标字符串进行正则匹配。
 *  public boolean lookingAt() 目标字符串的起始字符串与正则表达式匹配返回true，否则返回false。
 *  public static String quoteReplacement(String s) 返回字符串s字面意义的替代字符串。
 *  public Matcher appendReplacement(StringBuffer sb, String replacement) 向sb中追加replacement字符串，replacement字符串中可以包含匹配器中的分组参数，如1，2。
 *  public StringBuffer appendTail(StringBuffer sb) 将Matcher匹配后的尾部字符串追加至sb中，示例代码如下：

public static void main(String[] args) {
            Pattern p = Pattern.compile("cat");
            Matcher m = p.matcher("one cat two cats in the yard");
            StringBuffer sb = new StringBuffer();
            while (m.find()) {
                m.appendReplacement(sb, "dog");
            }
            m.appendTail(sb);
            System.out.println(sb.toString());
        }
    
        执行结果：one dog two dogs in the yard
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
      
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12

*  public String replaceAll(String replacement) 将目标字符串中所有满足正则匹配的字符串替换为replacement。
 *  public String replaceFirst(String replacement) 将目标字符串中第一个满足正则匹配的字符串替换为replacement。
 *  public Matcher region(int start, int end) 设置目标字符串的匹配范围。
 *  public int regionStart() 返回匹配器区域的起始点索引位置。
 *  public int regionEnd() 返回匹配器区域的结束点索引位置。
 *  public boolean hasTransparentBounds() TransparentBounds标志位：查询TransparentBounds标志位true|false，此标志位默认为false。如果匹配范围不是整个目标字符串，而是一部分，那么如果此标志位设为true的话，则允许顺序环视、逆序环视以及单词分界符超越匹配范围边界的设置，匹配目标字符串的其他部分，也就是可以稍微有越界行为。可以通过useTransparentBounds()进行修改设置。
 *  public Matcher useTransparentBounds(boolean b) 设置TransparentBounds标志位的值true|false。

public static void main(String[] args) {
            String regex = "\\bcar\\b";
            String text = "Madagascar is best seen by car or bike.";
            Matcher m = Pattern.compile(regex).matcher(text);
            m.region(7, text.length());
            m.useTransparentBounds(false);
            m.find();
            System.out.println("Matches starting at character " + m.start());
            m.reset();
            m.useTransparentBounds(true);
            m.find();
            System.out.println("Matches starting at character " + m.start());
        }
        执行结果：
        Matches starting at character 7
        Matches starting at character 27
        \b 匹配一个字边界，即字与空格间的位置。例如，“er/b”匹配“never”中的“er”，但不匹配“verb”中的“er”。
        TransparentBounds = false，region区域从index=7开始，Madagascar也就是从car开始，匹配器无法感知region区域外的字符，因此第一个car被匹配。
        TransparentBounds = true，region区域从index=7开始，Madagascar也就是从car开始，匹配器可以感知region区域外的字符，因此第一个car不被匹配。   
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14
       15
       16
       17
       18
       19
      
     
      
       1
       2
       3
       4
       5
       6
       7
       8
       9
       10
       11
       12
       13
       14
       15
       16
       17
       18
       19

*  public boolean hasAnchoringBounds() AnchoringBounds标志位：查询AnchoringBounds标志位的值，此标志位默认为true。在应用正则表达式的时候，我们可以指定目标字符串的检索范围，也就是说在目标字符串的子字符串中应用正则表达式。但此时会有一个问题，那就是 ^ 和 $ 应该匹配整个字符串的开头和结尾呢？ 还是检索范围的起始和结束位置呢？Java 为我们提供了足够的灵活性，我们可以通过下面的方法来查看和设置，默认值是匹配检索范围的起始和结束位置。
 *  public Matcher useAnchoringBounds(boolean b) 设置AnchoringBounds标志位的值true|false。
 *  public boolean hitEnd()
 *  public boolean requireEnd()
 *  boolean search(int from)
 *  boolean match(int from, int anchor)
 *  int getTextLength() 返回目标字符串的长度。
 *  CharSequence getSubSequence(int beginIndex, int endIndex) 获取目标字符串的子字符串。
 *  char charAt(int i) 返回目标字符串中索引为i的字符

[http_blog.csdn.net_claram_article_details_52875925]: http://blog.csdn.net/claram/article/details/52875925
[Java]: http://lib.csdn.net/base/java
[JavaScript]: http://lib.csdn.net/base/javascript