Java正則表達式之Pattern類實例詳解
前言
這個系列的文章我們使用以下的順序進行講解：
- Pattern 詳解；
- Matcher 詳解；
- 正則表達式語法詳解。
接下來先來介紹 Pattern 類。
在Java中，java.util.regex包定義瞭正則表達式使用到的相關類，其中最主要的兩個類為：Pattern、Matcher：
- Pattern 編譯正則表達式後創建一個匹配模式；
- Matcher 使用Pattern實例提供的正則表達式對目標字符串進行匹配，是真正影響搜索的對象。。
另加一個新的例外類，PatternSyntaxException，當遇到不合法的搜索模式時，會拋出例外。
Pattern 概述
聲明：public final class Pattern implements java.io.Serializable
Pattern 類有final修飾，可知他不能被子類繼承。
含義：模式類，正則表達式的編譯表示形式。
註意：此類的實例是不可變的，可供多個並發線程安全使用。
Pattern 匹配模式（Pattern flags）
compile( )方法有一個版本，它需要一個控制正則表達式的匹配行為的參數：
Pattern Pattern.compile(String regex, int flag)
flag 的取值范圍
| 字段 | 說明 |
|---|---|
| Pattern.UNIX_LINES | unix行模式，大多數系統的行都是以\n結尾的，但是少數系統，比如Windows，卻是以\r\n組合來結尾的，啟用這個模式之後，將會隻以\n作為行結束符，這會影響到^、$和點號(點號匹配換行符)。 通過嵌入式標志表達式 (?d) 也可以啟用 Unix 行模式。 |
| Pattern.CASE_INSENSITIVE | 默認情況下，大小寫不敏感的匹配隻適用於US-ASCII字符集。這個標志能讓表達式忽略大小寫進行匹配。要想對Unicode字符進行大小不明感的匹配，隻要將UNICODE_CASE與這個標志合起來就行瞭。 通過嵌入式標志表達式(?i)也可以啟用不區分大小寫的匹配。 指定此標志可能對性能產生一些影響。 |
| Pattern.COMMENTS ⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢⇢ | 這種模式下，匹配時會忽略(正則表達式裡的)空格字符（不是指表達式裡的”//s”，而是指表達式裡的空格，tab，回車之類）和註釋（從#開始，一直到這行結束）。 通過嵌入式標志表達式(?x) 也可以啟用註釋模式。 |
| Pattern.MULTILINE | 默認情況下，輸入的字符串被看作是一行，即便是這一行中包好瞭換行符也被看作一行。當匹配“^”到“$”之間的內容的時候，整個輸入被看成一個一行。啟用多行模式之後，包含換行符的輸入將被自動轉換成多行，然後進行匹配。 通過嵌入式標志表達式 (?m) 也可以啟用多行模式。 |
| Pattern.LITERAL | 啟用字面值解析模式。 指定此標志後，指定模式的輸入字符串就會作為字面值字符序列來對待。輸入序列中的元字符或轉義序列不具有任何特殊意義。 標志 CASE_INSENSITIVE 和 UNICODE_CASE 在與此標志一起使用時將對匹配產生影響。其他標志都變得多餘瞭。 不存在可以啟用字面值解析的嵌入式標志字符。 |
| Pattern.DOTALL | 在這種模式中，表達式 .可以匹配任何字符，包括行結束符。默認情況下，此表達式不匹配行結束符。 通過嵌入式標志表達式 (?s) 也可以啟用此種模式（s 是 “single-line” 模式的助記符，在 Perl 中也使用它）。 |
| Pattern.UNICODE_CASE | 在這個模式下，如果你還啟用瞭CASE_INSENSITIVE標志，那麼它會對Unicode字符進行大小寫不敏感的匹配。默認情況下，大小寫不明感的匹配隻適用於US-ASCII字符集。 指定此標志可能對性能產生影響。 |
| Pattern.CANON_EQ | 當且僅當兩個字符的正規分解(canonical decomposition)都完全相同的情況下，才認定匹配。比如用瞭這個標志之後，表達式a/u030A會匹配?。默認情況下，不考慮規范相等性(canonical equivalence)。 指定此標志可能對性能產生影響。 |
在這些標志裡面，Pattern.CASE_INSENSITIVE，Pattern.MULTILINE，以及Pattern.COMMENTS是最有用的（其中Pattern.COMMENTS還能幫我們把思路理清楚，並且/或者做文檔）。註意，你可以用在表達式裡插記號的方式來啟用絕大多數的模式。這些記號就在上面那張表的各個標志的下面。你希望模式從哪裡開始啟動，就在哪裡插記號。
可以用OR (|)運算符把這些標志配合使用。
代碼示例
多行模式：Pattern.MULTILINE 示例
我測試瞭一下，也就是說如果沒有 MULTILINE 標志的話， ^ 和 $ 隻能匹配輸入序列的開始和結束；否則，就可以匹配輸入序列內部的行結束符。測試代碼如下：
import java.util.regex.*;
/**
* 多行模式
*/
public class ReFlags_MULTILINE {
public static void main(String[] args) {
// 註意裡面的換行符
String str = "hello world\r\n" + "hello java\r\n" + "hello java";
System.out.println("===========匹配字符串開頭(非多行模式)===========");
Pattern p = Pattern.compile("^hello");
Matcher m = p.matcher(str);
while (m.find()) {
System.out.println(m.group() + " 位置：[" + m.start() + "," + m.end() + "]");
}
System.out.println("===========匹配字符串開頭(多行模式)===========");
p = Pattern.compile("^hello", Pattern.MULTILINE);
m = p.matcher(str);
while (m.find()) {
System.out.println(m.group() + " 位置：[" + m.start() + "," + m.end() + "]");
}
System.out.println("===========匹配字符串結尾(非多行模式)===========");
p = Pattern.compile("java$");
m = p.matcher(str);
while (m.find()) {
System.out.println(m.group() + " 位置：[" + m.start() + "," + m.end() + "]");
}
System.out.println("===========匹配字符串結尾(多行模式)===========");
p = Pattern.compile("java$", Pattern.MULTILINE);
m = p.matcher(str);
while (m.find()) {
System.out.println(m.group() + " 位置：[" + m.start() + "," + m.end() + "]");
}
}
}
===========匹配字符串開頭(非多行模式)===========
hello 位置：[0,5]
===========匹配字符串開頭(多行模式)===========
hello 位置：[0,5]
hello 位置：[13,18]
hello 位置：[25,30]
===========匹配字符串結尾(非多行模式)===========
java 位置：[31,35]
===========匹配字符串結尾(多行模式)===========
java 位置：[19,23]
java 位置：[31,35]
忽略大小寫：Pattern.CASE_INSENSITIVE 示例
有的時候，需要進行忽略大小寫的匹配。該例子實現匹配攝氏溫度和華氏溫度，對於以C、c、F和f結尾的溫度值都能匹配。
import java.util.regex.Pattern;
public class ReFlags_CASE_INSENSITIVE {
public static void main(String[] args) {
System.out.println("===========API忽略大小寫===========");
String moneyRegex = "[+-]?(\\d)+(.(\\d)*)?(\\s)*[CF]";
Pattern p = Pattern.compile(moneyRegex,Pattern.CASE_INSENSITIVE);
System.out.println("-3.33c " + p.matcher("-3.33c").matches());
System.out.println("-3.33C " + p.matcher("-3.33C").matches());
System.out.println("===========不忽略大小寫===========");
moneyRegex = "[+-]?(\\d)+(.(\\d)*)?(\\s)*[CF]";
p = Pattern.compile(moneyRegex);
System.out.println("-3.33c " + p.matcher("-3.33c").matches());
System.out.println("-3.33C " + p.matcher("-3.33C").matches());
System.out.println("===========正則內部忽略大小寫===========");
moneyRegex = "[+-]?(\\d)+(.(\\d)*)?(\\s)*(?i)[CF]";
p = Pattern.compile(moneyRegex);
System.out.println("-3.33c " + p.matcher("-3.33c").matches());
System.out.println("-3.33C " + p.matcher("-3.33C").matches());
System.out.println("===========內部不忽略大小寫===========");
moneyRegex = "[+-]?(\\d)+(.(\\d)*)?(\\s)*[CF]";
p = Pattern.compile(moneyRegex);
System.out.println("-3.33c " + p.matcher("-3.33c").matches());
System.out.println("-3.33C " + p.matcher("-3.33C").matches());
}
}
===========API忽略大小寫===========
-3.33c true
-3.33C true
===========不忽略大小寫===========
-3.33c false
-3.33C true
===========正則內部忽略大小寫===========
-3.33c true
-3.33C true
===========內部不忽略大小寫===========
-3.33c false
-3.33C true
啟用註釋：Pattern.COMMENTS 示例
啟用註釋，開啟之後，正則表達式中的空格以及#號行將被忽略。
import java.util.regex.Pattern;
public class ReFlags_COMMENTS {
public static void main(String[] args) {
System.out.println("===========API啟用註釋===========");
String comments = " (\\d)+#this is comments.";
Pattern p = Pattern.compile(comments, Pattern.COMMENTS);
System.out.println("1234 " + p.matcher("1234").matches());
System.out.println("===========不啟用註釋===========");
comments = " (\\d)+#this is comments.";
p = Pattern.compile(comments);
System.out.println("1234 " + p.matcher("1234").matches());
System.out.println("===========正則啟用註釋===========");
comments = "(?x) (\\d)+#this is comments.";
p = Pattern.compile(comments);
System.out.println("1234 " + p.matcher("1234").matches());
System.out.println("===========不啟用註釋===========");
comments = " (\\d)+#this is comments.";
p = Pattern.compile(comments);
System.out.println("1234 " + p.matcher("1234").matches());
}
}
===========API啟用註釋===========
1234 true
===========不啟用註釋===========
1234 false
===========正則啟用註釋===========
1234 true
===========不啟用註釋===========
1234 false
可以看到，#號到行尾的註釋部分和前面的空白字符都被忽略瞭。正則表達式內置的啟用註釋為（?x）。
啟用 dotall 模式：Pattern.DOTALL 示例
啟用dotall模式，一般情況下，點號（.）匹配任意字符，但不匹配換行符，啟用這個模式之後，點號還能匹配換行符。
import java.util.regex.Pattern;
public class ReFlags_DOTALL {
public static void main(String[] args) {
System.out.println("===========API啟用DOTALL===========");
String dotall = "<xml>(.)*</xml>";
Pattern p = Pattern.compile(dotall, Pattern.DOTALL);
System.out.println("<xml>\\r\\n</xml> " + p.matcher("<xml>\r\n</xml>").matches());
System.out.println("===========不啟用DOTALL===========");
dotall = "<xml>(.)*</xml>";
p = Pattern.compile(dotall);
System.out.println("<xml>\\r\\n</xml> " + p.matcher("<xml>\r\n</xml>").matches());
System.out.println("===========正則啟用DOTALL===========");
dotall = "(?s)<xml>(.)*</xml>";
p = Pattern.compile(dotall);
System.out.println("<xml>\\r\\n</xml> " + p.matcher("<xml>\r\n</xml>").matches());
System.out.println("===========不啟用DOTALL===========");
dotall = "<xml>(.)*</xml>";
p = Pattern.compile(dotall);
System.out.println("<xml>\\r\\n</xml> " + p.matcher("<xml>\r\n</xml>").matches());
}
}
===========API啟用DOTALL===========
<xml>\r\n</xml> true
===========不啟用DOTALL===========
<xml>\r\n</xml> false
===========正則啟用DOTALL===========
<xml>\r\n</xml> true
===========不啟用DOTALL===========
<xml>\r\n</xml> false
平白字符模式 模式：Pattern.LITERAL 示例
啟用這個模式之後，所有元字符、轉義字符都被看成普通的字符，不再具有其他意義。
import java.util.regex.Pattern;
public class ReFlags_LITERAL {
public static void main(String[] args) {
System.out.println(Pattern.compile("\\d", Pattern.LITERAL).matcher("\\d").matches());// true
System.out.println(Pattern.compile("\\d", Pattern.LITERAL).matcher("2").matches());// false
System.out.println(Pattern.compile("(\\d)+", Pattern.LITERAL).matcher("1234").matches());// false
System.out.println(Pattern.compile("(\\d)+").matcher("1234").matches());// true
System.out.println(Pattern.compile("(\\d){2,3}", Pattern.LITERAL).matcher("(\\d){2,3}").matches());// true
}
}
附：貪婪匹配與懶惰匹配
考慮這個表達式：a.*b，它將會匹配最長的以a開始，以b結束的字符串。如果用它來搜索aabab的話，它會匹配整個字符串aabab。這被稱為貪婪匹配。
有時，我們更需要懶惰匹配，也就是匹配盡可能少的字符。前面給出的限定符都可以被轉化為懶惰匹配模式，隻要在它後面加上一個問號?。這樣.*?就意味著匹配任意數量的重復，但是在能使整個匹配成功的前提下使用最少的重復。
a.*?b匹配最短的，以a開始，以b結束的字符串。如果把它應用於aabab的話，它會匹配aab和ab。
public static void main(String[] args) {
String str = "北京市(海淀區)(朝陽區)";
String paternStr = ".*(?=\\()";
Pattern pattern = Pattern.compile(paternStr);
Matcher matcher = pattern.matcher(str);
if (matcher.find()) {
System.out.println(matcher.group(0));
}
}
上述方法的輸出為：北京市(海淀區)
public static void main(String[] args) {
String str = "北京市(海淀區)(朝陽區)";
String paternStr = ".*？(?=\\()";
Pattern pattern = Pattern.compile(paternStr);
Matcher matcher = pattern.matcher(str);
if (matcher.find()) {
System.out.println(matcher.group(0));
}
}
上述方法輸出：北京市
總結
到此這篇關於Java正則表達式之Pattern類的文章就介紹到這瞭,更多相關Java正則表達式Pattern類內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！
推薦閱讀：
- Java中Pattern.compile函數的使用詳解
- Java之Pattern.compile函數用法詳解
- Java Pattern與Matcher字符串匹配案例詳解
- Pattern.compile函數提取字符串中指定的字符(推薦)
- java 如何判斷是否是26個英文字母