Java 正则表达式

正则表达式是一种强大的文本处理工具，它允许我们基于特定模式搜索、匹配和操作字符串。在Java中，正则表达式通过java.util.regex包提供支持，主要包含Pattern和Matcher两个核心类。掌握正则表达式可以大幅提高我们处理文本的效率。

什么是正则表达式？

正则表达式（Regular Expression，简称regex）是一种用特定语法编写的模式，用来描述和匹配一系列符合某个句法规则的字符串。简单来说，它是一种用于文本搜索和替换的"模板"。

思考一下

想象你需要验证用户输入的是否是有效的电子邮箱地址，或者从一段文本中提取所有电话号码，手动编写代码会很复杂，而正则表达式可以用简洁的方式解决这些问题。

Java 中的正则表达式基础

在Java中使用正则表达式主要依靠两个类：

• java.util.regex.Pattern：编译正则表达式为模式
• java.util.regex.Matcher：使用模式对字符串执行匹配操作

基本使用步骤

1. 编译正则表达式模式
2. 获取匹配器
3. 使用匹配器进行操作

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexBasic {
    public static void main(String[] args) {
        // 1. 编译正则表达式
        Pattern pattern = Pattern.compile("Hello");
        
        // 2. 获取匹配器
        Matcher matcher = pattern.matcher("Hello World");
        
        // 3. 进行匹配操作
        boolean found = matcher.find();
        System.out.println("匹配结果: " + found);
    }
}

输出：

匹配结果: true

正则表达式语法

基本字符匹配

表达式	说明
x	字符x
.	任何字符
\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

量词

表达式	说明
X?	X出现一次或不出现
X*	X出现零次或多次
X+	X出现一次或多次
X{n}	X恰好出现n次
X{n,}	X至少出现n次
X{n,m}	X至少出现n次，但不超过m次

字符类

方括号[]内的字符表示"匹配其中任意一个字符"：

Pattern pattern = Pattern.compile("[abc]");  // 匹配a、b或c中的任意一个
Matcher matcher = pattern.matcher("apple");
boolean found = matcher.find();
System.out.println(found);  // 输出: true，因为"apple"包含"a"

边界匹配

表达式	说明
^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界

常用正则表达式方法

matches()方法

matches()方法检查整个字符串是否与模式匹配：

String text = "Hello123";
boolean isMatch = text.matches("\\w+");
System.out.println(isMatch);  // 输出: true

find()和group()方法

find()方法查找下一个匹配，group()返回匹配的子串：

Pattern pattern = Pattern.compile("\\d+");
Matcher matcher = pattern.matcher("There are 123 apples and 456 oranges");

while (matcher.find()) {
    System.out.println("找到: " + matcher.group());
}

输出：

找到: 123
找到: 456

替换方法

replaceAll()和replaceFirst()用于替换匹配的内容：

String text = "My phone number is 123-456-7890";
String newText = text.replaceAll("\\d+", "XXX");
System.out.println(newText);  // 输出: My phone number is XXX-XXX-XXX

实际应用场景

1. 电子邮箱验证

public static boolean isValidEmail(String email) {
    String regex = "^[A-Za-z0-9+_.-]+@(.+)$";
    Pattern pattern = Pattern.compile(regex);
    Matcher matcher = pattern.matcher(email);
    return matcher.matches();
}

// 使用示例
System.out.println(isValidEmail("[email protected]"));  // true
System.out.println(isValidEmail("invalid-email"));    // false

2. 从文本中提取所有URL

public static void extractUrls(String text) {
    String urlRegex = "https?://[-a-zA-Z0-9+&@#/%?=~_|!:,.;]*[-a-zA-Z0-9+&@#/%=~_|]";
    Pattern pattern = Pattern.compile(urlRegex);
    Matcher matcher = pattern.matcher(text);
    
    while (matcher.find()) {
        System.out.println("找到URL: " + matcher.group());
    }
}

// 使用示例
String text = "访问 https://www.example.com 和 http://example.org 获取更多信息";
extractUrls(text);

输出：

找到URL: https://www.example.com
找到URL: http://example.org

3. 密码强度验证

public static boolean isStrongPassword(String password) {
    // 至少8位，包含大写字母、小写字母、数字和特殊字符
    String regex = "^(?=.*[0-9])(?=.*[a-z])(?=.*[A-Z])(?=.*[@#$%^&+=])(?=\\S+$).{8,}$";
    return password.matches(regex);
}

// 使用示例
System.out.println(isStrongPassword("Abc@1234"));  // true
System.out.println(isStrongPassword("weakpwd"));   // false

性能考虑

当多次使用同一个正则表达式时，应该预编译模式以提高效率：

// 低效方式 - 每次调用都编译正则表达式
public static boolean isEmail1(String email) {
    return email.matches("^[A-Za-z0-9+_.-]+@(.+)$");
}

// 高效方式 - 只编译一次
private static final Pattern EMAIL_PATTERN = 
    Pattern.compile("^[A-Za-z0-9+_.-]+@(.+)$");
    
public static boolean isEmail2(String email) {
    return EMAIL_PATTERN.matcher(email).matches();
}

注意

预编译的正则表达式模式应该声明为静态常量，以避免重复编译带来的性能损失。

转义特殊字符

正则表达式中的特殊字符（如 .*+?^$()[]{}|\）如果要当普通字符匹配，需要使用反斜杠转义。但由于Java字符串本身也使用反斜杠作为转义字符，所以在Java代码中需要使用两个反斜杠：

// 匹配字面上的"1+1=2"
Pattern pattern = Pattern.compile("1\\+1=2");
System.out.println("1+1=2".matches("1\\+1=2"));  // 输出: true

分组和捕获

圆括号()用于创建分组，可以通过group(int)方法引用这些分组：

Pattern pattern = Pattern.compile("(\\w+)@(\\w+\\.\\w+)");
Matcher matcher = pattern.matcher("[email protected]");

if (matcher.matches()) {
    System.out.println("完整匹配: " + matcher.group(0));
    System.out.println("用户名: " + matcher.group(1));
    System.out.println("域名: " + matcher.group(2));
}

输出：

完整匹配: [email protected]
用户名: contact
域名: example.com

常见错误和调试技巧

1. 贪婪与非贪婪匹配

默认情况下，量词是"贪婪"的，会尽可能多地匹配字符：

String text = "<div>内容1</div><div>内容2</div>";
Pattern pattern = Pattern.compile("<div>.*</div>");
Matcher matcher = pattern.matcher(text);

if (matcher.find()) {
    System.out.println(matcher.group());  // 输出: <div>内容1</div><div>内容2</div>
}

使用?使量词变成"非贪婪"模式：

Pattern pattern = Pattern.compile("<div>.*?</div>");
Matcher matcher = pattern.matcher(text);

while (matcher.find()) {
    System.out.println(matcher.group());
}

输出：

<div>内容1</div>
<div>内容2</div>

2. 使用Pattern.DOTALL标志

默认情况下，.不匹配换行符。使用DOTALL标志可以更改这种行为：

String multiline = "Line1\nLine2";
Pattern pattern = Pattern.compile("Line1.*Line2", Pattern.DOTALL);
System.out.println(pattern.matcher(multiline).matches());  // 输出: true

总结

Java正则表达式是一种强大的字符串处理工具，通过Pattern和Matcher类提供功能。正确使用正则表达式可以大幅简化文本处理任务，如验证、搜索和替换。

关键要点：

• 使用Pattern.compile()编译正则表达式
• 使用Matcher类进行匹配操作
• 熟悉基本语法和特殊字符
• 预编译频繁使用的正则表达式以提升性能
• 善用分组功能来提取信息
• 理解贪婪与非贪婪匹配的区别

练习

1. 编写一个正则表达式验证中国手机号码（11位数字，以1开头）
2. 编写一个方法从文本中提取所有形如#标签#的内容
3. 使用正则表达式替换文本中所有敏感词（如"密码"、"账号"）为星号
4. 验证输入字符串是否为有效的日期格式（yyyy-MM-dd）
5. 编写一个方法统计文本中包含的单词数量（考虑英文单词边界）

进一步学习资源

要深入学习Java正则表达式，可以参考以下资源：

• Java官方文档：java.util.regex包
• 正则表达式在线测试工具（如regex101、regexr）
• 《精通正则表达式》一书
• Java Pattern类的API文档，了解更多标志和选项

记住：正则表达式是一项需要实践的技能，多做练习才能真正掌握！