Java正則表達式之分組和替換方式

正則表達式的子表達式(分組)不是很好懂,但卻是很強大的文本處理工具。

1 正則表達式熱身

匹配電話號碼

// 電話號碼匹配
// 手機號段隻有 13xxx 15xxx 18xxxx 17xxx
System.out.println("18304072984".matches("1[3578]\\d{9}"));   // true

// 座機號:010-65784236,0316-3312617,022-12465647,03123312336
String regex = "0\\d{2}-?\\d{8}|0\\d{3}-?\\d{7}";
String telStr = "010-43367458";
System.out.println(telStr.matches(regex));  // true

匹配郵箱

String mail = "[email protected]";
String reg = "[a-zA-Z_0-9]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";
System.out.println(mail.matches(reg));  // true

特殊字符替換

將不是中文的字符替換為空:

String input = "神探狄仁&*%$傑之四大天王@bdfbdbdfdgds23532";
String reg = "[^\\u4e00-\\u9fa5]";
input = input.replaceAll(reg, "");
System.out.println(input);   // 神探狄仁傑之四大天王

漢字的Unicode編碼范圍是:\u4e00-\u9fa5

2 分組

組是用括號劃分的正則表達式,可以根據組的編號來引用某個組。組號為 0 表示整個表達式,組號 1 表示第一對括號擴起的組,以此類推。

看 Java API 中 Pattern 中的描述:

Capturing groups are numbered by counting their opening parentheses from left to right. In the expression ((A)(B(C))), for example, there are four such groups:

1. ((A)(B(C)))
2. (A)
3. (B(C))
4. (C)

再比如 A(B(C))D 有三個組:組 0 是 ABCD,組 1 是 BC,組 2 是 C,

可以根據有多少個左括號來來確定有多少個分組,括號裡的表達式都稱子表達式。

Eg1:

Matcher 對象提供很多方法:

  • goupCount() 返回該正則表達式模式中的分組數目,對應於「左括號」的數目
  • group(int i) 返回對應組的匹配字符,沒有匹配到則返回 null
  • start(int group) 返回對應組的匹配字符的起始索引
  • end(int group) 返回對應組的匹配字符的最後一個字符索引加一的值
// 這個正則表達式有兩個組,
// group(0) 是 \\$\\{([^{}]+?)\\}
// group(1) 是 ([^{}]+?)
String regex = "\\$\\{([^{}]+?)\\}";
Pattern pattern = Pattern.compile(regex);
String input = "${name}-babalala-${age}-${address}";

Matcher matcher = pattern.matcher(input);
System.out.println(matcher.groupCount());
// find() 像迭代器那樣向前遍歷輸入字符串
while (matcher.find()) {
    System.out.println(matcher.group(0) + ", pos: "
            + matcher.start() + "-" + (matcher.end() - 1));
    System.out.println(matcher.group(1) + ", pos: " +
            matcher.start(1) + "-" + (matcher.end(1) - 1));
}

輸出:

1
${name}, pos: 0-6
name, pos: 2-5
${age}, pos: 17-22
age, pos: 19-21
${address}, pos: 24-33
address, pos: 26-32

group翻譯成中文就是分組。

group()或group(0)對應於整個正則表達式每次匹配到的內容,

group(1)表示括號中(一個子表達式分組)匹配到的內容。

Eg2:

為瞭更直觀的看分組,在 Eg1 的正則表達式上再多加一對括號:

String regex = "(\\$\\{([^{}]+?)\\})";
Pattern pattern = Pattern.compile(regex);
String input = "${name}-babalala-${age}-${address}";

Matcher matcher = pattern.matcher(input);
// matcher.find() 方法會對 input 這個字符串多次進行匹配,如果能匹配到,這個匹配結果裡就會包含多個分組,我們可以從分組裡提取我們想要的結果
while (matcher.find()) {
    System.out.println(matcher.group(0) + ", pos: " + matcher.start());
    System.out.println(matcher.group(1) + ", pos: " + matcher.start(1));
    System.out.println(matcher.group(2) + ", pos: " + matcher.start(2));
}

輸出:

${name}, pos: 0
${name}, pos: 0
name, pos: 2
${age}, pos: 17
${age}, pos: 17
age, pos: 19
${address}, pos: 24
${address}, pos: 24
address, pos: 26

由此可得出一對括號一個分組,可以通過左括號數來確定有多少個分組。

通過group()獲取分組中的匹配字串應用場景很廣泛,

在筆者的一個項目中,通過使用這個特性實現瞭很有意思的通配符替換,感動!

Eg3(通過分組提取想要的數據):

// 這個正則表達式會提取字符串中的「數字」和「字母」
        Pattern pattern = Pattern.compile("([0-9]+).*?([a-zA-Z]+)");
        String input = "那就20200719這樣吧sunny。。。。。。。122432該拿什麼與眼淚抗衡twinkle";
        Matcher matcher = pattern.matcher(input);
        // 每個匹配到的子串分組的個數
        int group = matcher.groupCount();
        // 如果輸入串有多個可被匹配的子串,這裡會多次進行匹配
        while (matcher.find()) {
            System.out.println("匹配到的子串:" + matcher.group());  // 匹配到的子串
            for (int i = 1; i <= group; i++) {
                System.out.println("分組" + i + ": " + matcher.group(i));
            }
        }

輸出:

匹配到的子串:20200719這樣吧sunny
分組1: 20200719
分組2: sunny
匹配到的子串:122432該拿什麼與眼淚抗衡twinkle
分組1: 122432
分組2: twinkle

3 分組替換

Eg1:

String tel = "18304072984";
// 括號表示組,被替換的部分$n表示第n組的內容
tel = tel.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");
System.out.print(tel);   // output: 183****2984

replaceAll 是一個替換字符串的方法,正則表達式中括號表示一個分組,replaceAll 的參數 2 中可以使用 $n(n 為數字)來依次引用子表達式中匹配到的分組字串,”(\\d{3})\\d{4}(\\d{4})”, “$1****$2″,分為前(前三個數字)中間四個數字(最後四個數字) 替換為(第一組數字保持不變 $1)(中間為 * )(第二組數字保持不變 $2)。

Eg2:

String one = "hello girl hi hot".replaceFirst("(\\w+)\\s+(\\w+)", "$2 $1"); 
String two = "hello girl hi hot".replaceAll("(\\w+)\\s+(\\w+)", "$2 $1"); 
System.out.println(one);   // girl hello hi hot
System.out.println(two);   // girl hello hot hi

理解瞭Eg1,這個例子也自然就理解瞭。

Eg3:

來一個實用的例子,重復標點符號替換:

String input = "假如生活欺騙瞭你,,,相信吧,,,快樂的日子將會來臨!!!…………";

// 重復標點符號替換
String duplicateSymbolReg = "([。?!?!,]|\\.\\.\\.|……)+";
input = input.replaceAll(duplicateSymbolReg, "$1");
System.out.println(input);

輸出:

假如生活欺騙瞭你,相信吧,快樂的日子將會來臨!……

正則表達式:([。?!?!,]|\\.\\.\\.|……)+,括號中是一個分組:表示一個標點符號,+表示這個分組出現一次或多次,$1分組的內容(一個標點符號)。replaceAll 就使用$1去對字符串進行替換瞭。

Eg4:

IP地址排序

String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
ip = ip.replaceAll("(\\d+)", "00$1");
System.out.println(ip);

ip = ip.replaceAll("0*(\\d{3})", "$1");
System.out.println(ip);
String[] strs = ip.split(" ");

Arrays.sort(strs);
for (String str : strs) {
    str = str.replaceAll("0*(\\d+)", "$1");
    System.out.println(str);
}

輸出:

00192.0068.001.00254 00102.0049.0023.00013 0010.0010.0010.0010 002.002.002.002 008.00109.0090.0030
192.068.001.254 102.049.023.013 010.010.010.010 002.002.002.002 008.109.090.030
2.2.2.2
8.109.90.30
10.10.10.10
102.49.23.13
192.68.1.254

  • 讓IP地址的每一段都是3位,替換之後有4位的情況
  • 保證IP地址每一段都是3位
  • 排序之

寫到這裡,筆者不禁感嘆,真的很強大!

4 反向引用

使用小括號指定一個子表達式分組後,匹配這個子表達式的文本可以在表達式或其它程序中作進一步的處理。默認情況下,每個分組會自動擁有一個組號,規則是:以分組的左括號為標志,從左向右,第一個分組的組號為1,第二個為2,以此類推。

Eg:

/* 這個正則表達式表示 安安靜靜 這樣的疊詞 */
String regex = "(.)\\1(.)\\2";  
System.out.println("安安靜靜".matches(regex));   // true
System.out.println("安靜安靜".matches(regex));   // false

上面 (.) 表示一個分組,裡面 . 表示任意字符,每一個字符都是一個分組,

\\1表示組1(安)又出現瞭一次,\\2表示組2(靜)又出現瞭一次。

那匹配 安靜安靜,怎麼寫正則表達式?根據上面的例子,將安靜分成一個組,然後這個組又出現瞭一次就是安靜安靜:

String regex = "(..)\\1";  
System.out.println("安靜安靜".matches(regex));   // true
System.out.println("安安靜靜".matches(regex));   // false

5 反向引用替換

Eg1:

String str = "我我...我我...我要..要要...要要...找找找一個....女女女女...朋朋朋朋朋朋...友友友友友..友.友...友...友友!!!";
        
/*將 . 去掉*/
str = str.replaceAll("\\.+", "");
System.out.println(str);

str = str.replaceAll("(.)\\1+", "$1");
System.out.println(str);

輸出:

我我我我我要要要要要找找找一個女女女女朋朋朋朋朋朋友友友友友友友友友友!!!
我要找一個女朋友!

(.)表示任意一個字符都會成為一個分組;\\1+ 引用分組(一個字符),表示出現1次或多次這個分組。 $1引用分組(.)將多個重復字符替換成一個字符。

Eg2:

替換重復出現的兩位數之間的內容:

"xx12abdd12345".replaceAll("(\\d{2}).+?\\1", "");  //結果為 xx345

是不是覺得很神奇!

使用replace系列的方法要註意的一個異常: Java replaceAll()方法報錯Illegal group reference

以上為個人經驗,希望能給大傢一個參考,也希望大傢多多支持WalkonNet。

推薦閱讀: