正則表達(dá)式

1.1 正則表達(dá)式的概念及演示

在Java中，我們經(jīng)常需要驗證一些字符串，例如：年齡必須是2位的數(shù)字、用戶名必須是8位長度而且只能包含大小寫字母、數(shù)字等。正則表達(dá)式就是用來驗證各種字符串的規(guī)則。它內(nèi)部描述了一些規(guī)則，我們可以驗證用戶輸入的字符串是否符合這些規(guī)則。

示例：QQ號碼驗證

先看一個不使用正則表達(dá)式的例子：驗證QQ號碼是否符合以下規(guī)則：

• QQ號碼必須是5-15位長度。
• 必須全部是數(shù)字。
• 首位不能為0。

package com.rckivy.demo;public class RegexDemo1 {public static void main(String[] args) {String qq = "1234567890";System.out.println(checkQQ(qq));// 使用正則表達(dá)式簡化驗證System.out.println(qq.matches("[1-9]\\d{4,14}"));}// 自定義驗證QQ號的方法，不使用正則表達(dá)式public static boolean checkQQ(String qq) {int len = qq.length();if (len < 5 || len > 15) { return false;}if (qq.startsWith("0")) { return false;}for (int i = 0; i < len; i++) {char c = qq.charAt(i);if (c < '0' || c > '9') {return false;}}return true;}
}

使用正則表達(dá)式簡化驗證：

public class RegexDemo {public static void main(String[] args) {String qq = "1234567890";System.out.println(qq.matches("[1-9]\\d{4,14}"));}
}

這里的正則表達(dá)式 [1-9]\\d{4,14} 表示：

• [1-9]：首位不能為0，只能是1-9。
• \\d{4,14}：接下來4到14位必須是數(shù)字，總長度為5到15位。

---

1.2 正則表達(dá)式 - 字符類

正則表達(dá)式中，可以使用字符類來定義匹配規(guī)則，常見的字符類包括：

1. [abc]：表示a、b、c中任意一個字符。
2. [^abc]：表示除a、b、c以外的任意字符。
3. [a-z]：表示a到z的所有小寫字母。
4. [A-Z]：表示A到Z的所有大寫字母。
5. [0-9]：表示0到9的數(shù)字。
6. [a-zA-Z0-9]：表示a到z、A到Z和0到9的任意一個字符。
7. [a-dm-p]：表示a到d或m到p之間的任意字符。

代碼示例：

package com.rckivy.demo;public class RegexDemo2 {public static void main(String[] args) {// 使用字符類匹配System.out.println("a".matches("[abc]")); // trueSystem.out.println("z".matches("[abc]")); // falseSystem.out.println("x".matches("[^abc]")); // true// 匹配字母范圍System.out.println("z".matches("[a-zA-Z]")); // trueSystem.out.println("A".matches("[a-zA-Z]")); // trueSystem.out.println("0".matches("[a-zA-Z]")); // false// 匹配多個字符System.out.println("z".matches("[a-zA-Z][a-zA-Z]")); // falseSystem.out.println("ab".matches("[a-zA-Z][a-zA-Z]")); // true}
}

---

1.3 正則表達(dá)式 - 邏輯運算符

正則表達(dá)式中使用邏輯運算符可以靈活地構(gòu)造匹配模式：

1. &&：并且，表示組合多個條件。
2. |：或者，表示在多個條件之間選擇一個。
3. \：轉(zhuǎn)義字符，用于轉(zhuǎn)義特殊字符。

代碼示例：

public class RegexDemo {public static void main(String[] args) {// 邏輯運算符匹配String regex = "[a-z&&[^aeiou]]ad";  // 匹配以小寫輔音字符開頭，后跟adSystem.out.println("bad".matches(regex)); // trueSystem.out.println("had".matches(regex)); // trueregex = "[a|e|i|o|u]ad";  // 匹配以元音字符開頭，后跟adSystem.out.println("oad".matches(regex)); // trueSystem.out.println("had".matches(regex)); // false}
}

---

1.4 正則表達(dá)式 - 預(yù)定義字符

預(yù)定義字符類簡化了常見字符組的書寫，常見的預(yù)定義字符類包括：

1. .：匹配任意字符（除了換行符）。
2. \d：匹配任意數(shù)字字符（0-9）。
3. \D：匹配任意非數(shù)字字符。
4. \s：匹配空白字符（空格、制表符等）。
5. \S：匹配非空白字符。
6. \w：匹配單詞字符（字母、數(shù)字、下劃線）。
7. \W：匹配非單詞字符。

代碼示例：

public class RegexDemo {public static void main(String[] args) {// 匹配單個字符System.out.println("a".matches("\\w")); // true, 匹配單詞字符System.out.println("你".matches("\\w")); // false, 不是字母或數(shù)字System.out.println("3".matches("\\d")); // true, 匹配數(shù)字字符System.out.println(" ".matches("\\s")); // true, 匹配空格System.out.println("$".matches("\\W")); // true, 匹配非單詞字符}
}

---

1.5 正則表達(dá)式 - 數(shù)量詞

數(shù)量詞用于指定字符或字符組的重復(fù)次數(shù)：

1. X?：0次或1次。
2. X*：0次到多次。
3. X+：1次或多次。
4. X{n}：恰好n次。
5. X{n,}：至少n次。
6. X{n,m}：n到m次。

代碼示例：

public class RegexDemo {public static void main(String[] args) {// 數(shù)量詞匹配System.out.println("1234".matches("\\d{4}")); // true, 正好4位數(shù)字System.out.println("123".matches("\\d{2,4}")); // true, 2到4位數(shù)字System.out.println("a".matches("\\w+")); // true, 至少1個字母System.out.println("".matches("\\w*")); // true, 0個或更多字母}
}

---

1.6 正則表達(dá)式練習(xí)

需求：

• 請編寫正則表達(dá)式驗證用戶輸入的手機(jī)號碼是否符合規(guī)則：
  • 手機(jī)號碼必須是以1開頭的11位數(shù)字。
  • 驗證手機(jī)號碼示例：13112345678、13712345667。

代碼示例：

public class RegexDemo {public static void main(String[] args) {String regex = "1[3-9]\\d{9}"; // 匹配手機(jī)號碼System.out.println("13112345678".matches(regex)); // trueSystem.out.println("13712345667".matches(regex)); // trueSystem.out.println("13945679027".matches(regex)); // trueSystem.out.println("139456790271".matches(regex)); // false}
}

---

1.7 正則表達(dá)式練習(xí)2

需求：

1. 驗證用戶名是否滿足要求：

   • 用戶名由大小寫字母、數(shù)字和下劃線組成，長度為4-16位。

2. 驗證身份證號碼：

   • 簡單要求：18位，前17位為數(shù)字，最后一位可以是數(shù)字或大寫/小寫的x。
   • 復(fù)雜要求：嚴(yán)格按照身份證號碼的格式進(jìn)行驗證，包括出生日期、地區(qū)代碼等。

用戶名驗證

用戶名的正則表達(dá)式規(guī)則：

String regex1 = "\\w{4,16}";  // \w 表示字母、數(shù)字或下劃線，{4,16} 表示長度為4到16位
System.out.println("zhangsan".matches(regex1));  // true
System.out.println("user1234".matches(regex1));  // true
System.out.println("u".matches(regex1));         // false
System.out.println("$123".matches(regex1));       // false

簡單身份證號碼驗證

身份證號的規(guī)則：

• 前17位為數(shù)字。
• 最后一位可以是數(shù)字，也可以是字母X（不區(qū)分大小寫）。

String regex2 = "[1-9]\\d{16}[\\dXx]";  // 前17位為數(shù)字，最后一位為數(shù)字或X
System.out.println("41080119930228457x".matches(regex2));  // true
System.out.println("510801197609022309".matches(regex2));  // true
System.out.println("15040119810705387X".matches(regex2));  // true
System.out.println("12345678901234567X".matches(regex2));  // false (開頭不能為0)

復(fù)雜身份證號碼驗證

在更復(fù)雜的身份證號碼規(guī)則中，需要驗證更多細(xì)節(jié)，包括：

• 前6位表示地區(qū)代碼（不能以0開頭）。
• 第7到14位表示出生日期，年份為18、19或20開頭，月份為01到12，日期為01到31。
• 最后一位同樣可以是數(shù)字或字母X。

String regex3 = "[1-9]\\d{5}(18|19|20)\\d{2}(0[1-9]|1[0-2])(0[1-9]|[12]\\d|3[01])\\d{3}[\\dXx]";
System.out.println("41080119930228457x".matches(regex3));  // true
System.out.println("510801197609022309".matches(regex3));  // true
System.out.println("15040119810705387X".matches(regex3));  // true
System.out.println("130133197204039024".matches(regex3));  // true

---

1.8 本地數(shù)據(jù)爬取

Pattern 和 Matcher

在Java中，Pattern類用來表示正則表達(dá)式，Matcher類則是正則表達(dá)式應(yīng)用到某個文本后的匹配結(jié)果對象。我們可以使用它們從大文本中提取出符合正則表達(dá)式的子串。

示例：從文本中爬取特定模式的數(shù)據(jù)

需求：

有如下文本，請從中爬取所有 JavaXX 的內(nèi)容（XX代表任意數(shù)字）。

public class RegexDemo6 {public static void main(String[] args) {String str = "Java自從95年問世以來，經(jīng)歷了很多版本，" +"目前企業(yè)中用的最多的是Java8和Java11，" +"下一個長期支持版本是Java17，相信在未來不久Java17也會逐漸登上歷史舞臺";// 1. 創(chuàng)建正則表達(dá)式的Pattern對象Pattern p = Pattern.compile("Java\\d{0,2}");// 2. 獲取Matcher對象Matcher m = p.matcher(str);// 3. 循環(huán)查找匹配的內(nèi)容while (m.find()) {System.out.println(m.group());}}
}

在上面的示例中，Java\\d{0,2} 匹配以 “Java” 開頭，后面跟0到2個數(shù)字的字符串。m.find() 方法每次查找下一個符合條件的字符串，直到查找完畢。

---

1.9 網(wǎng)絡(luò)數(shù)據(jù)爬取

有時候，我們不僅需要從本地數(shù)據(jù)中提取信息，還需要從網(wǎng)絡(luò)上的網(wǎng)頁中提取數(shù)據(jù)。這種場景下，可以通過Java中的 URL 和 URLConnection 來獲取網(wǎng)頁內(nèi)容，然后使用正則表達(dá)式提取所需的數(shù)據(jù)。

示例：從網(wǎng)頁中爬取身份證號碼

需求：

從指定的網(wǎng)頁中提取所有的身份證號碼。

import java.io.*;
import java.net.*;
import java.util.regex.*;public class RegexDemo7 {public static void main(String[] args) throws IOException {// 創(chuàng)建URL對象，連接到網(wǎng)頁URL url = new URL("https://example.com/sample_page.html");URLConnection conn = url.openConnection();// 使用BufferedReader讀取網(wǎng)頁內(nèi)容BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));String line;// 創(chuàng)建匹配身份證號的正則表達(dá)式String regex = "[1-9]\\d{16}[\\dXx]";Pattern pattern = Pattern.compile(regex);// 逐行讀取網(wǎng)頁內(nèi)容，查找匹配項while ((line = br.readLine()) != null) {Matcher matcher = pattern.matcher(line);while (matcher.find()) {System.out.println(matcher.group());}}br.close();}
}

這個程序會從網(wǎng)頁中逐行讀取內(nèi)容，并使用正則表達(dá)式 [1-9]\\d{16}[\\dXx] 匹配身份證號碼。

---

1.10 正則表達(dá)式爬取數(shù)據(jù)練習(xí)

需求：

從給定的文本中提取出所有的座機(jī)號碼、郵箱、手機(jī)號和熱線電話。

文本內(nèi)容：

來學(xué)校學(xué)習(xí)Java，手機(jī)號:18512516758，18512508907，或者聯(lián)系郵箱:boniu@itbright.cn，
座機(jī)電話:010-36517895，010-98951256，郵箱:bozai@itbright.cn，
熱線電話:400-618-9090，4006189090

代碼實現(xiàn)：

public class RegexDemo8 {public static void main(String[] args) {String s = "來學(xué)校學(xué)習(xí)Java，手機(jī)號:18512516758，18512508907，" +"或者聯(lián)系郵箱:boniu@itbright.cn，座機(jī)電話:010-36517895，010-98951256，" +"郵箱:bozai@itbright.cn，熱線電話:400-618-9090，4006189090";// 正則表達(dá)式String regex = "(1[3-9]\\d{9})" +                 // 手機(jī)號"|(\\w+@[\\w&&[^_]]{2,6}(\\.[a-zA-Z]{2,3}){1,2})" +  // 郵箱"|(0\\d{2,3}-?[1-9]\\d{4,9})" +   // 座機(jī)"|(400-?\\d{3}-?\\d{4})";         // 熱線電話Pattern p = Pattern.compile(regex);Matcher m = p.matcher(s);// 逐一查找并輸出結(jié)果while (m.find()) {System.out.println(m.group());}}
}

---

1.11 按需求爬取特定數(shù)據(jù)

需求：

給定一段文本，爬取出所有符合條件的Java版本信息。

文本內(nèi)容：

Java自從95年問世以來，經(jīng)歷了很多版本，目前企業(yè)中用的最多的是Java8和Java11，
因為這兩個是長期支持版本，下一個長期支持版本是Java17，相信在未來不久Java17也會逐漸登上歷史舞臺。

需求1：爬取版本號為 8、11 和 17 的 Java 文本，但只顯示 “Java”，不顯示版本號。

String regex1 = "((?i)Java)(?=8|11|17)";  // 使用正向肯定預(yù)查

需求2：爬取版本號為 8、11 和 17 的 Java 文本，顯示完整的 “Java8”、“Java11” 和 “Java17”。

String regex2 = "((?i)Java)(8|11|17)";  // 匹配 Java 后面的版本號

需求3：爬取除版本號為 8、11、17 以外的 Java 文本。

String regex3 = "((?i)Java)(?!8|11|17)";  // 使用負(fù)向預(yù)查，排除指定的版本號

示例代碼：

public class RegexDemo9 {public static void main(String[] args) { 			String s = "Java自從95年問世以來，經(jīng)歷了很多版本，目前企業(yè)中用的最多的是Java8和Java11，" + "下一個長期支持版本是Java17，相信在未來不久Java17也會逐漸登上歷史舞臺";// 示例1：只匹配Java，不顯示版本號String regex1 = "((?i)Java)(?=8|11|17)";Pattern p1 = Pattern.compile(regex1);Matcher m1 = p1.matcher(s);while (m1.find()) {System.out.println(m1.group());}// 示例2：顯示Java和版本號String regex2 = "((?i)Java)(8|11|17)";Pattern p2 = Pattern.compile(regex2);Matcher m2 = p2.matcher(s);while (m2.find()) {System.out.println(m2.group());}}
}

---

1.12 貪婪匹配和非貪婪匹配

貪婪匹配：

在正則表達(dá)式中，默認(rèn)情況下是貪婪匹配，即在滿足匹配規(guī)則的情況下，它會盡可能多地匹配字符。

非貪婪匹配：

如果你希望正則表達(dá)式盡量少匹配字符，可以使用非貪婪匹配，即在限定范圍內(nèi)，盡量少地匹配字符。

貪婪匹配和非貪婪匹配的區(qū)別在于：

• 貪婪匹配：*、+ 等默認(rèn)是貪婪的，會盡量多匹配。
• 非貪婪匹配：在 *、+ 等后面加 ?，則變?yōu)榉秦澙菲ヅ洹?/li>

示例代碼：

public class RegexDemo10 {public static void main(String[] args) {// 貪婪匹配：盡可能多地匹配String s1 = "abbbbbbbbbbbbaaaaaaaa";String regex1 = "ab+";Pattern p1 = Pattern.compile(regex1);Matcher m1 = p1.matcher(s1);while (m1.find()) {System.out.println("貪婪匹配：" + m1.group());}// 非貪婪匹配：盡可能少地匹配String regex2 = "ab+?";Pattern p2 = Pattern.compile(regex2);Matcher m2 = p2.matcher(s1);while (m2.find()) {System.out.println("非貪婪匹配：" + m2.group());}}
}

輸出結(jié)果：

貪婪匹配：abbbbbbbbbbbb
非貪婪匹配：ab

---

1.13 使用正則表達(dá)式切割字符串

String的split方法

Java的 String 類提供了一個 split(String regex) 方法，允許根據(jù)正則表達(dá)式來拆分字符串。通過 split，可以將匹配正則表達(dá)式的部分作為分隔符，從而把字符串切割成多個子串。

示例代碼：

public class RegexSplitDemo {public static void main(String[] args) {// 示例字符串String s = "小詩詩dqwefqwfqwfwq12312小丹丹dqwefqwfqwfwq12312小惠惠";// 使用正則表達(dá)式切割字符串，將所有非中文部分作為分隔符String[] arr = s.split("[\\w&&[^_]]+");// 遍歷并打印結(jié)果for (String str : arr) {System.out.println(str);}}
}

輸出結(jié)果：

小詩詩
小丹丹
小惠惠

---

1.14 使用正則表達(dá)式替換內(nèi)容

String的replaceAll方法

Java中的 replaceAll(String regex, String replacement) 方法，可以使用正則表達(dá)式找到需要替換的內(nèi)容，并將其替換為指定的字符串。這個方法會用 replacement 替換所有符合 regex 的匹配項。

示例代碼：

public class RegexReplaceDemo {public static void main(String[] args) {// 示例字符串String s = "小詩詩dqwefqwfqwfwq12312小丹丹dqwefqwfqwfwq12312小惠惠";// 使用正則表達(dá)式將所有非中文部分替換為"vs"String result = s.replaceAll("[\\w&&[^_]]+", "vs");// 打印替換后的字符串System.out.println(result);}
}

輸出結(jié)果：

小詩詩vs小丹丹vs小惠惠

---

1.15 正則表達(dá)式-分組括號 ( )

分組括號 () 在正則表達(dá)式中用于將部分表達(dá)式分組，以便后續(xù)引用或者進(jìn)行邏輯處理。常見應(yīng)用包括：

• 捕獲：通過分組匹配特定內(nèi)容，并通過組號進(jìn)行提取。
• 反向引用：使用 \1, \2 等引用之前的分組。
• 非捕獲分組：使用 (?:...) 來僅進(jìn)行分組而不進(jìn)行捕獲。

示例 1：反向引用

需求：判斷一個字符串的開始和結(jié)束字符是否一致，只考慮單個字符。

public class RegexDemo {public static void main(String[] args) {// 匹配字符串的開始和結(jié)束字符是否一致String regex = "(.).+\\1";  // 捕獲第一個字符，并在最后匹配同樣的字符System.out.println("a123a".matches(regex));  // trueSystem.out.println("b456b".matches(regex));  // trueSystem.out.println("abcba".matches(regex));  // trueSystem.out.println("abcd".matches(regex));   // false}
}

示例 2：多字符反向引用

需求：判斷字符串的開始和結(jié)束部分是否一致，并且允許多個字符。

public class RegexDemo {public static void main(String[] args) {// 匹配字符串的開始部分和結(jié)束部分是否一致，支持多字符String regex = "(.+).+\\1";  // 捕獲開始部分，并在最后匹配相同的內(nèi)容System.out.println("abc123abc".matches(regex));  // trueSystem.out.println("def456def".matches(regex));  // trueSystem.out.println("xyz789abc".matches(regex));  // false}
}

示例 3：非捕獲分組

有時我們只需要分組但不需要捕獲內(nèi)容，這時可以使用非捕獲分組 (?:...)。這在提高效率和避免組號混淆時很有用。

public class RegexDemo {public static void main(String[] args) {// 使用非捕獲分組，只分組不捕獲String regex = "(?:abc)+";  // 匹配 "abc" 一次或多次，不捕獲System.out.println("abcabc".matches(regex));  // trueSystem.out.println("abc".matches(regex));     // trueSystem.out.println("abcd".matches(regex));    // false}
}

---

1.16 忽略大小寫匹配

在正則表達(dá)式中，我們可以使用 (?i) 來忽略大小寫匹配。例如，(?i)abc 將匹配 abc、ABC、Abc 等大小寫混合的情況。

在正則表達(dá)式中，可以使用 (?i) 來忽略大小寫的匹配。

示例：

public class RegexDemo {public static void main(String[] args) {// 忽略大小寫匹配 "abc"String regex = "(?i)abc";  // 忽略大小寫匹配 "abc"System.out.println("abc".matches(regex));  // trueSystem.out.println("ABC".matches(regex));  // trueSystem.out.println("AbC".matches(regex));  // true}
}

局部忽略大小寫：

public class RegexDemo {public static void main(String[] args) {// 匹配 "abc"，只忽略中間的 "b" 大小寫String regex = "a(?i)bC";  System.out.println("aBc".matches(regex));  // trueSystem.out.println("abc".matches(regex));  // false}
}

---

1.17 非捕獲分組

有時候，我們希望將正則表達(dá)式的一部分進(jìn)行分組，但不希望在匹配結(jié)果中引用這個分組。我們可以使用非捕獲分組 (?:)，這種分組不會占用分組編號。

示例：身份證號驗證

需求：驗證18位身份證號碼，前17位必須為數(shù)字，最后一位可以是數(shù)字或大小寫的 “X”。

public class RegexDemo {public static void main(String[] args) {// 非捕獲分組，僅用于分組不捕獲String regex = "[1-9]\\d{16}(?:\\d|X|x)";System.out.println("41080119930228457X".matches(regex));  // trueSystem.out.println("510801197609022309".matches(regex));  // trueSystem.out.println("15040119810705387x".matches(regex));  // true}
}

---

gex)); // true
System.out.println(“abc”.matches(regex)); // false
}
}

---## 1.17 非捕獲分組有時候，我們希望將正則表達(dá)式的一部分進(jìn)行分組，但不希望在匹配結(jié)果中引用這個分組。我們可以使用非捕獲分組 `(?:)`，這種分組不會占用分組編號。### 示例：身份證號驗證需求：驗證18位身份證號碼，前17位必須為數(shù)字，最后一位可以是數(shù)字或大小寫的 "X"。```java
public class RegexDemo {public static void main(String[] args) {// 非捕獲分組，僅用于分組不捕獲String regex = "[1-9]\\d{16}(?:\\d|X|x)";System.out.println("41080119930228457X".matches(regex));  // trueSystem.out.println("510801197609022309".matches(regex));  // trueSystem.out.println("15040119810705387x".matches(regex));  // true}
}

---