[Java]正则表达式详解

在Java中如果我们需要在大量的字符串中对特定格式的字符串进行查找、替换或者删除，正则表达式将是最好的选择。但是新手却并不擅长使用这一方法，因此本文将详细介绍一下正则表达式的相关用法。

1.如何使用正则表达式

Java在1.4版本新增了java.util.regex包提供对正则表达式的支持，其中Pattern类指正则表达式的编译表示形式，Matcher类指通过解释Pattern对字符序列执行匹配操作的引擎。当我们需要使用正则表达式匹配一个字符串时，可以使用如下方法：

//创建"abc"的模式实例
Pattern p = Pattern.compile("abc");
//使用"abc"的模式去匹配"abcdef"
Matcher m = p.matcher("abcdef");

获得Matcher对象实例后，便可以通过Matcher中的方法进行字符串的查找、替换或删除。

查找：matches() / lookingAt() / find()

matches方法用于判断字符串是否匹配该正则表达式，只有整个字符串完全匹配时才会返回true。例如：

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdef");
System.out.println(m.matches());   //false

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdef");
System.out.println(m.lookingAt());   //true

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdef");
System.out.println(m.find());   //true
System.out.println(m.find());   //false

replaceFirst方法可以将字符串中首个匹配该正则表达式的子串替换为指定的字符串。例如：

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdefabc");
System.out.println(m.replaceFirst("cba"));   //cbadefabc

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdefabc");
System.out.println(m.replaceFirst("cba"));   //cbadefcba

Pattern p = Pattern.compile("abc");
Matcher m = p.matcher("abcdefabcdef");
StringBuffer sb = new StringBuffer();
while (m.find()) {
    m.appendReplacement(sb, "cba");
}
System.out.println(sb);  //cbadefcba
m.appendTail(sb);
System.out.println(sb);   //cbadefcbadef

group方法用于捕获匹配到的子串，如果在正则表达式中使用"()"可以将该正则表达式分组，在group方法的参数中填入分组的编号可以获得该组的数据，groupCount方法用于获得该正则表达式分组的组数。例如：

Pattern p = Pattern.compile("(a)(bc)");
Matcher m = p.matcher("abcdefabcdef");
while (m.find()) {
    for (int i=0; i<=m.groupCount(); i++) {
        System.out.println(m.group(i));
    }
}

2.如何编写正则表达式

我们可以认为正则表达式就是一串字符的排列规则或者模板，它一般由普通字符和特殊字符组成。所以在编写正则表达式前首先要记住所有的普通字符和特殊字符。

在字符之间加入"|"表示或者关系，比如"x | y"表示下一个字符x或者y均可。

当熟悉了字符的使用以后，我们发现能干的事情还是不多。因为许多匹配的字符你并不知道它会出现几次，所以我们需要数量词来控制字符出现的次数。

现在我们就可以写出一些简单的正则表达式了。比如：

String regex = ".+\\.java";  //匹配.java为后缀名的文件
regex = "\w{5,8}"  //匹配用户名必须是5-8位字母数字下划线

数量词后面可以通过加入"+"和"?"控制正则表达式的匹配力度。默认为"Greedy"（贪婪），正则表达式会全部吃入，如果无法匹配则回溯字符，最后会返回匹配的最长子串。而加上"?"表示"Reluctant"（勉强），正则表达式只会一个个吃入，只要匹配则返回。加上"+"表示"Possessive"（独占），它与"Greedy"相似，只是不会回溯。例如：

Pattern p = Pattern.compile(".+\\.java");
Matcher m = p.matcher("Test.java.txt.java");
if (m.find()) {
    System.out.println(m.group());   //Test.java.txt.java
}

Pattern p = Pattern.compile(".+?\\.java");
Matcher m = p.matcher("Test.java.txt.java");
if (m.find()) {
    System.out.println(m.group());   //Test.java
}

String regex = ".+\\.java";  //如果文件命名为Test.java.txt也会错误的被当成java文件
regex =  "^.+\\.java$"  //这样可以保证文件名一定以.java结尾