一篇带你玩转：正则表达式（Java）

一、正则表达式基础

1.1 基本概念

（1）定义：正则表达式是一种用于描述字符串模式的形式化表示法，通过特定字符和它们的组合来创建 “规则字符串”，用于匹配、查找和替换文本。

（2）用途：常用于文本处理任务，如验证用户输入格式（邮箱、电话号码等）、从文本中提取特定信息、替换文本中的某些部分等等。说白了，就是用于处理复杂的字符串。

1.2常用符号与元字符（方便查找）

1.3 量词

（1）*（零次或多次）：匹配前面的字符或子表达式零次或多次。例如a*，可以匹配空字符串，也可以匹配一个或多个连续的a，如a、aa、aaa等。

（2）+（一次或多次）：匹配前面的字符或子表达式一次或多次。例如a+，至少匹配一个a，可以是a、aa、aaa等，但不能匹配空字符串。

（3）?（零次或一次）：匹配前面的字符或子表达式零次或一次。例如a?，可以匹配空字符串，也可以匹配一个a。

（4）{n}（恰好 n 次）：匹配前面的字符或子表达式恰好 n 次。例如a{3}，只能匹配连续的三个a，即aaa。

（5）{n,}（至少 n 次）：匹配前面的字符或子表达式至少 n 次。例如a{2,}，可以匹配aa、aaa、aaaa等两个或更多个连续的a。

（6）{n,m}（n 到 m 次）：匹配前面的字符或子表达式 n 到 m 次（n 和 m 为非负整数，且 n <= m）。例如a{1,3}，可以匹配a、aa、aaa。

1.4 字符集

（1）普通字符集[]：

在方括号内列出的字符，表示匹配其中任意一个字符。例如[abc]，可以匹配a、b或c。。

（2）范围字符集[a – z]、[0 – 9]等等：

通过连字符表示字符范围。[a – z]匹配任意一个小写字母，[0 – 9]匹配任意一个数字。

（3）否定字符集[^]：

在方括号内开头使用^，表示匹配不在括号内的任意一个字符。例如[^abc]，可以匹配除了a、b、c之外的任意字符。

二、正则表达式的匹配模式

2.1 贪婪匹配与非贪婪匹配

（1）贪婪匹配：

正则表达式默认采用贪婪匹配模式，即尽可能多地匹配字符。例如，对于字符串"aaaab"，正则表达式a+会匹配"aaaa"，因为它会一直匹配到不能再匹配为止。

（2）非贪婪匹配：

在量词后面加上?表示非贪婪匹配，即尽可能少地匹配字符。对于上述字符串"aaaab"，正则表达式a+?会匹配"a"，然后继续往后匹配下一个"a"。
 

例题：对于字符串"aabbb"，分别用b+和b+?去匹配，b+会匹配"bbb"；通过Matcher的find()方法循环查找时，b+?会依次匹配"b"、"b"、"b"。

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

public class Example {
public static void main(String[] args) {
String str = "aabbb";
// 贪婪匹配
Matcher greedyMatcher = Pattern.compile("b+").matcher(str);
if (greedyMatcher.find()) {
System.out.println("贪婪匹配结果：" + greedyMatcher.group()); // 输出 "bbb"
}
// 非贪婪匹配
Matcher lazyMatcher = Pattern.compile("b+?").matcher(str);
System.out.print("非贪婪匹配结果：");
while (lazyMatcher.find()) {
System.out.print(lazyMatcher.group() + " "); // 输出 "b b b "
}
}
}

2.2 全局匹配与局部匹配

（1）全局匹配：在 Java 中，通过Matcher的find()方法循环调用实现全局匹配，即遍历字符串中所有符合模式的部分。

（2）局部匹配：默认情况下，使用Matcher的find()方法首次调用仅返回第一个匹配的结果，即局部匹配。
例题：对于字符串"123abc456abc"，分别实现局部匹配和全局匹配：

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

public class Example {
public static void main(String[] args) {
String str = "123abc456abc";
Pattern pattern = Pattern.compile("abc");
Matcher matcher = pattern.matcher(str);
// 局部匹配（获取第一个结果）
if (matcher.find()) {
System.out.println("局部匹配结果：" + matcher.group()); // 输出 "abc"
}
// 全局匹配（获取所有结果）
System.out.print("全局匹配结果：");
matcher.reset(); // 重置匹配器，重新开始匹配
while (matcher.find()) {
System.out.print(matcher.group() + " "); // 输出 "abc abc "
}
}
}

2.3 区分大小写与不区分大小写匹配

（1）区分大小写匹配：

默认情况下，正则表达式是区分大小写的。例如[A-Z]只能匹配大写字母，[a-z]只能匹配小写字母。对于字符串"Abc"，正则表达式[a-z]{3}不能匹配，因为其中包含大写字母A。

（2）不区分大小写匹配：

在 Java 中，通过Pattern.CASE_INSENSITIVE标志实现不区分大小写匹配。

三、正则表达式的分组与捕获

3.1 分组的概念与用途

（1）分组定义：

使用圆括号()将多个字符或子表达式组合在一起，形成一个逻辑单元。例如(ab)+，表示ab这个组合可以重复一次或多次。

（2）用途：

改变优先级，使括号内的部分作为一个整体进行操作；还可用于后续的反向引用。例如(a(bc))，\\1代表整个a(bc)，\\2代表bc。例如，对于字符串"abcabc"，用(abc)+可以匹配整个字符串，因为abc这个组合重复了两次。

3.2 捕获组与反向引用

（1）捕获组：

每个分组就是一个捕获组，从左到右，从 1 开始为每个捕获组编号。例如在(a(bc))中，有两个捕获组，(a(bc))是第 1 个捕获组，(bc)是第 2 个捕获组。

（2）反向引用：

使用\\n（n 为捕获组编号）来引用之前捕获组匹配到的内容。例如，正则表达式(ab)\\1，可以匹配abab，因为\\1引用了第一个捕获组(ab)匹配到的内容。例题：判断字符串"xyxy"能否被(xy)\\1匹配，结果是可以匹配；判断"xyyx"能否被匹配，结果是不能匹配。

3.3 非捕获组

（1）非捕获组定义：

使用(?:)表示非捕获组，它只起到分组的作用，不会捕获匹配的内容，也不会分配组号。例如(?:ab)+，与(ab)+类似，但(?:ab)+不会产生捕获组。

（2）用途：

当只需要分组改变优先级，而不需要捕获内容时使用非捕获组，可以提高效率，减少资源占用。例如，对于正则表达式(?:a|b)c，它匹配ac或bc，但不会捕获a或b。例题：在字符串"ac"、"bc"、"abc"中，(?:a|b)c可以匹配"ac"和"bc"，而(a|b)c虽然也能匹配"ac"和"bc"，但会产生捕获组，在一些场景下若不需要捕获组，使用(?:a|b)c更合适。

四、正则表达式在Java中的应用

4.1主要类与方法：

（1）Pattern类：表示编译后的正则表达式模板，通过Pattern.compile(String regex)方法编译正则表达式，得到Pattern对象。

（2）Matcher类：用于执行匹配操作，通过Pattern.matcher(CharSequence input)方法创建Matcher对象，关联输入字符串。

4.2Matcher类的常用方法：

• boolean find()：查找输入字符串中是否有匹配的子串，可多次调用，每次找下一个匹配。
• boolean matches()：判断整个输入字符串是否完全匹配正则规则。
• String group()：返回当前匹配到的整个子串。
• String group(int n)：返回第 n 个捕获组匹配到的内容，n = 0 表示整个匹配。
• int start()：返回当前匹配子串的起始下标。例如int startIndex = matcher.start();。
• int end()：返回当前匹配子串的结束下标（exclusive，即实际结束位置 + 1）。
• String replaceAll(String replacement)：将所有匹配的子串替换为指定字符串。
• String replaceFirst(String replacement)：只替换第一个匹配的子串。

五、正则表达式习题（持续更新）

1.数学表达式解析器

题目：

给出如下表达式：x#y = 2*x+3*y+4             x$y = 3*x+y+2

公式中，$的优先级高于#，相同的运算符，按从左到右的顺序计算。给定表达式请计算出结果

正则表达式使用思路：

• 目的：解析数学表达式，先处理$运算，再处理#运算

• 核心思想：使用正则表达式匹配特定模式，提取数字进行计算，然后替换原字符串

  // 导入正则表达式包
  import java.util.regex.Matcher;
  import java.util.regex.Pattern;

  // 编译正则表达式模式
  Pattern pattern = Pattern.compile("(\\\\d+)\\\\$(\\\\d+)");

  // 创建匹配器并循环查找
  while (true) {
  Matcher matcher = pattern.matcher(str);
  if (!matcher.find()) break;

  // 提取匹配的内容
  String subStr = matcher.group(0); // 完整匹配："4$5"
  long x = Long.parseLong(matcher.group(1)); // 第一个数字：4
  long y = Long.parseLong(matcher.group(2)); // 第二个数字：5

  // 替换计算结果
  str = str.replaceFirst(subStr.replace("$", "\\\\$"), 3 * x + y + 2 + "");
  }

2.字符类正则表达式的处理

题目：

给定一段“密文”字符串 s，其中字符都是经过“密码”加密的，现需要将“密文”解密并输出。

映射的规则（'a' ~ 'i'）分别用（'1' ~ '9'）表示；（'j' ~ 'z'）分别用（"10*" ~ "26*"）表示。

正则表达式使用思路：

• 目的：解密密码，按空格和星号分割输入字符串

• 核心思想：使用字符类正则表达式匹配多种分隔符

  // 使用字符类正则表达式分割
  String[] arrs = str.split("[ \\\\*]+");

3.提取字符串中的最长合法简单数学表达式

题目：

提取字符串中的长度最长合法简单数学表达式，并计算表达式的值。如果没有，则返回 0 。

简单数学表达式只能包含以下内容：

• 0-9数字，符号+-*

说明：

正则表达式使用思路：

• 目的： 从字符串中提取最长的有效数学表达式并计算结果
• 核心思想： 使用捕获组正则表达式匹配数学运算表达式

// 使用捕获组正则表达式匹配数学运算
String regex01 = "([0-9]+)\\\\+([0-9]+)"; // 加法表达式
String regex02 = "([0-9]+)-([0-9]+)"; // 减法表达式
String regex03 = "([0-9]+)\\\\*([0-9]+)"; // 乘法表达式

// 下面仅对加法表达式进行演示
Pattern pattern01 = Pattern.compile(regex01);
Matcher matcher01 = pattern01.matcher(text);
if (matcher01.find()) {
String fullMatch01 = matcher01.group(0); // 整个式子
int preExpression01 = Integer.parseInt(matcher01.group(1)); // 第一部分
int rearExpression01 = Integer.parseInt(matcher01.group(2)); // 第二部分
}

4.复杂的字符串组合的处理

题目：

对数字，字符，数字串，字符串，以及数字与字符串组合进行倒序排列。

符号的定义：

• “-”作为连接符使用时作为字符串的一部分，例如“11-22”作为一个整体字符串呈现；
• 连续出现 2 个 “-” 及以上时视为字符串间隔符，如“a-b”中的”–“视为间隔符，是 2 个独立整体字符串”a”和”b”；
• 除了 1，2 里面定义的字符以外其他的所有字符，全都作为间隔符处理，倒序后间隔符作为空格处理；
• 要求倒排后的单词间隔符以一个空格表示；如果有多个间隔符时，只允许出现一个空格

正则表达式使用思路：

• 目的： 识别合法单词和分隔符，倒序输出单词
• 核心思想： 使用分组正则表达式区分合法单词和分隔符

  // 使用分组正则表达式区分单词和分隔符
  // 1. 定义正则：匹配“合法单词”（含单个'-'的组合或者不含）和“分隔符”（连续–+或非法字符）
  // 分组1: 合法单词（字母、数字、单个'-'组合）
  // 分组2: 分隔符（连续–+或非法字符）
  Pattern pattern = Pattern.compile("([a-zA-Z0-9]+(?:-[a-zA-Z0-9]+)?)|([^a-zA-Z0-9-]|–+)");

  /*
  * 对上述正则表达式的解释：
  * 整体结构为 (分组1)|(分组2)；为或结构
  * （1）分组1：([a-zA-Z0-9]+(?:-[a-zA-Z0-9]+)?)的说明：
  * 非捕获分组（?: 表示不捕获该分组），整体是可选的（最多出现1次）：
  * -：匹配单个短横线；
  * [a-zA-Z0-9]+：短横线后必须接至少1个字母/数字（避免-出现在结尾）；
  * ?：量词，表示整个分组“出现0次或1次”（即最多只能有一个-）。
  * （2）([^a-zA-Z0-9-]|–+)
  * [^…] 表示 “非字符集”，即匹配除了字母、数字、单个-之外的所有字符
  * –+ 整体匹配 “连续2个及以上的短横线”（如 –、— 等）
  */

  Matcher matcher = pattern.matcher(str);
  while (matcher.find()) {
  String word = matcher.group(1); // 合法单词
  String separator = matcher.group(2); // 分隔符
  }