Java正则表达式匹配模式详解
上面的结果实际上只会输出ac,而ab并不会输出,这是因为Java正则中,如果出现了^ 或 $,默认情况下会忽略任何换行符,也就是说仅仅匹配第一行,后面的所有内容都会被忽略掉,如果我们想要不忽略,就得使用多行匹配模式。注意上面的第二个不匹配,因为启动了UNICODE_CHARACTER_CLASS,必须用UNICODE_CHARACTER_CLASS下的字符表示才可以匹配。find:输入的字符串里面
Java正则匹配的语法,请参考:Pattern (Java Platform SE 8 )
matches和find区别
matches: 输入的字符串必须和正则一摸一样,类似字符串相等的比较方法, "b".equals("b");
find:输入的字符串里面只要包含了正则式表达的内容即可,类似字符串包含的方法, "b".contains("b");
String word = "my number is 188"; // matches=false, find=true
String word1 = "188999"; // matches=false, find=true
String word2 = "8"; // matches=true, find=true
Pattern p = Pattern.compile("\\d");
Matcher m = p.matcher(word2);
System.out.println(m.matches());
System.out.println(m.find());
默认匹配案例
String word = "ac\nab";
Pattern p = Pattern.compile("^a.*");
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
//输出
// ac
上面的结果实际上只会输出ac,而ab并不会输出,这是因为Java正则中,如果出现了^ 或 $,默认情况下会忽略任何换行符,也就是说仅仅匹配第一行,后面的所有内容都会被忽略掉,如果我们想要不忽略,就得使用多行匹配模式
如果我们不使用 ^ 和 $ ,那么没问题可以匹配到所有,但如果我们就想在严格的 ^ 和 $ 中进行匹配呢?那么就得使用多行匹配模式了
多行匹配模式MULTILINE
多行匹配模式有两种语法
第一种,使用嵌入表达式:(?m)
String word = "ac\nab";
Pattern p = Pattern.compile("(?m)^a.*");
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
//输出
// ac
// ab
第二种,指定Flag参数:Pattern.MULTILINE
String word = "ac\nab";
Pattern p = Pattern.compile("^a.*", Pattern.MULTILINE);
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
全字符匹配模式DOTALL
在Java正则语法里面元字符 . 代表除了换行符外的任何字符,但有些时候我们就想匹配有换行符分隔的内容应该怎么做呢?
如果我们使用多行匹配模式,就会发现行不通
在Java里面使用 Pattern.DOTALL 参数 或者 (?s) 嵌入式表达式,代表让 . 代表所有字符,包含换行符
String word = "run\nhad\noop";
// Pattern p = Pattern.compile("h.*p", Pattern.DOTALL);
Pattern p = Pattern.compile("(?s)h.*p");
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
// 输出
// had
// oop
联合模式匹配 MULTILINE & DOTALL
有时候我们的匹配规则,比较复杂,可能需要联合多种模式一起用:
比如下面的规则:
工作的很好,ok,现在我们需求改为 忽略换行符之后,仅匹配h开头和p结尾的字符串, 我们来分析下:
仅用MULTILINE肯定不行,因为h和p之间隔的有换行符
仅用DOTALL也不行,因为不区分多行,而是把整体当作一个大字符串了
所以只能联合 MULTILINE + DOTALL 两种模式了:
String word = "run\nhad\noop\nhi\nspx";
// Pattern p = Pattern.compile("(?ms)^h.*p$"); //嵌入式表达式
Pattern p = Pattern.compile("^h.*p$", Pattern.DOTALL | Pattern.MULTILINE);
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
// 输出
// had
// oop
忽略大小写CASE_INSENSITIVE
String word = "cAt";
Pattern p = Pattern.compile("(?i)^h.*p$");
// Pattern p = Pattern.compile("cat", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher(word);
while (m.find()){
System.out.println(m.group());
}
Linux换行符UNIX_LINES
默认模式中\r\n都会被当做换行符:
String input= "This is the first line\r"
+ "This is the second line\r"
+ "This is the third line\r";
Pattern p = Pattern.compile("^T.*e");
Matcher m = p.matcher(input);
while (m.find()){
System.out.println("["+m.group()+"]");
}
// 输出
// [This is the first line]
当指定了UNIX_LINES后,只会在. ^ $ 中,其他的换行字符都会都会当成一个普通字符
String input= "This is the first line\r"
+ "This is the second line\r"
+ "This is the third line\r";
Pattern p = Pattern.compile("^T.*e", Pattern.UNIX_LINES);
Matcher m = p.matcher(input);
while (m.find()){
System.out.println("["+m.group()+"]");
}
// 输出
// This is the third line]
注意 \r 代表回车,会覆盖之前输出的内容,所以这里看到的结果是最后一段的结果
增加注释COMMENTS
可以在正则中加入解释
String input= "abc\nbbc";
Pattern p = Pattern.compile("a.*c # 寻找以a开头以c结尾的单词", Pattern.COMMENTS);
Matcher m = p.matcher(input);
while (m.find()){
System.out.println("["+m.group()+"]");
}
文字解析模式LITERAL
String input= "abc\nbbc";
//仅能与 CASE_INSENSITIVE 和 UNICODE_CASE 搭配
Pattern p = Pattern.compile("a.*", Pattern.LITERAL);
Matcher m = p.matcher(input);
while (m.find()){
System.out.println("["+m.group()+"]");
}
// 输出为空,所有的元字符会被当成普通字符
非ASCII编码忽略大小写UNICODE_CASE
默认情况下忽略大小写匹配仅支持ASCII编码,如果非ASCII编码需要使用 UNICODE_CASE 和 CASE_INSENSITIVE 组合才有效果
String input= "À";
Pattern p = Pattern.compile("à", Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE);
Matcher m = p.matcher(input);
while (m.find()){
System.out.println("["+m.group()+"]");
}
UNICODE_CHARACTER_CLASS模式
启用此模式,可以使用一些特定匹配规则:
Classes Matchesb
\p{Lower} A lowercase character:\p{IsLowercase}
\p{Upper} An uppercase character:\p{IsUppercase}
\p{ASCII} All ASCII:[\x00-\x7F]
\p{Alpha} An alphabetic character:\p{IsAlphabetic}
\p{Digit} A decimal digit character:p{IsDigit}
\p{Alnum} An alphanumeric character:[\p{IsAlphabetic}\p{IsDigit}]
\p{Punct} A punctuation character:p{IsPunctuation}
\p{Graph} A visible character: [^\p{IsWhite_Space}\p{gc=Cc}\p{gc=Cs}\p{gc=Cn}]
\p{Print} A printable character: [\p{Graph}\p{Blank}&&[^\p{Cntrl}]]
\p{Blank} A space or a tab: [\p{IsWhite_Space}&&[^\p{gc=Zl}\p{gc=Zp}\x0a\x0b\x0c\x0d\x85]]
\p{Cntrl} A control character: \p{gc=Cc}
\p{XDigit} A hexadecimal digit: [\p{gc=Nd}\p{IsHex_Digit}]
\p{Space} A whitespace character:\p{IsWhite_Space}
\d A digit: \p{IsDigit}
\D A non-digit: [^\d]
\s A whitespace character: \p{IsWhite_Space}
\S A non-whitespace character: [^\s]
\w A word character: [\p{Alpha}\p{gc=Mn}\p{gc=Me}\p{gc=Mc}\p{Digit}\p{gc=Pc}\p{IsJoin_Control}]
\W A non-word character: [^\w]
这里的匹配使用的unicode下的表示字符,参考:UTS #18: Unicode Regular Expressions
搜索 punctuation 关键词,可以看到unicode下的表示符号,就是我们键盘上非数字非字母部分的符号表示:
Pattern p = Pattern.compile("\\p{Punct}");
Matcher m = p.matcher("`");
System.out.println(m.matches()); // returns true
Pattern p1 = Pattern.compile("\\p{Punct}", Pattern.UNICODE_CHARACTER_CLASS);
Matcher m1 = p1.matcher("`");
System.out.println(m1.matches()); // returns false
注意上面的第二个不匹配,因为启动了UNICODE_CHARACTER_CLASS,必须用UNICODE_CHARACTER_CLASS下的字符表示才可以匹配
UNICODE的同等关系的CANON_EQ模式
这个一般用在UNICODE的字符中,举个例子:
“◌̇” U+0307 Combining Dot Above Unicode Character
unicode字符U+0307 代表字母上方的一个点 ḃ
而通过 b + \u0307 就能组成 ḃ , 而 ḃ 也有专门的unicode字符表示: \u1E03
也就是说 b\u0307 = \u1E03
在Java的正则里面,如果想要等价表示这个关系,就必须使用CANON_EQ模式匹配才可以
String regex = "b\u0307";
System.out.println(regex);
System.out.println("\u1E03");
Pattern pattern = Pattern.compile(regex, Pattern.CANON_EQ);
Matcher matcher = pattern.matcher("\u1E03");
if(matcher.matches()) {
System.out.println("Match found");
} else {
System.out.println("Match not found");
}
// 输出
// ḃ
// ḃ
// Match found
![Logo](https://devpress.csdnimg.cn/79de2bf0b7994defa4242ef90d5513fa.jpg)
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)