Java 正则表达式整理

Java 正则表达式

Java 正则表达式简单介绍

英文句点符号：匹配单个任意字符。

1	eg: 表达式：t.o 可以匹配：tno，t#o，teo 等等。不可以匹配：tnno，to，Tno，t 正 o 等。

方括号：只有方括号里面指定的字符才参与匹配，也只能匹配单个字符。

1	eg: 表达式：t[abcd]n 只可以匹配：tan，tbn，tcn，tdn。不可以匹配：thn，tabn，tn 等。

| 符号。相当与“或”，可以匹配指定的字符，但是也只能选择其中一项进行匹配。
1
2
eg：
表达式：t(a|b|c|dd)n 只可以匹配：tan，tbn，tcn，tddn。不可以匹配taan，tn，tabcn

表示匹配次数的符号

符号	次数
*	0 次或者多次
+	1 次或者多次
?	0 次或者 1 次
{n}	恰好 n 次
{m, n}	从 m 到 n 次

{n， } 表示至少 N 次。

eg：
表达式：[0—9]{ 3 }  \— [0-9]{ 2 }  \— [0-9]{ 3 } 的匹配格式为：999—99—999
因为 “—” 符号在正则表达式中有特殊的含义，它表示一个范围，所以在前面加转义字符 “\”。

^ 符号：表示否

^ 符号被称为 “否” 符号，如果用在方括号内，”^” 表示不想匹配的字符。
1
2
eg：
表达式：[^x] 第一个字符不能是 x

圆括号，和空白符号

1
2

“\s” 是空白符号，只可以匹配一个空格、制表符、回车符、换页符，不可以匹配自己输入的多个空格。
（）是分组号，可以用 ORO API 提取处出值，后面将详细讨论。

正则表达式的一些快捷符号

\d 表示 [0—9]，  
\D 表示 [^0—9]，  
\w 表示 [0—9A—Z_a—z]，
\W 表示 [^0—9A—Z_a—z]，  
\s 表示 [\t\n\r\f],   
\S 表示 [^\t\n\r\f]

一些常用的正则表达式：

Java：(([a-z]|_)(\\w*)){6,20} 匹配以字母或下划线开头，字母数字下划线结尾的字符串
JavaScript：/^(\-?)(\d+)$/ 匹配数字。/^\w+$/ 匹配字母数字下划线。
.+ 一个或多个字符
/0 第一次匹配的字符串

Java 类中使用正则表达式：

eg1：
Pattern p = Pattern.compile("t.n");
Matcher m = p.matcher(“ton”);
if(m.matches()){
	return true;
}
	
eg2：boolean bool = Pattern.matches (“t.n”,”ton”);
如果一个正则表达式要重复利用，用第一种，如果只匹配一次，第二种是最佳选择。

反斜线字符（‘\’）用于转义字符，同时还可以引用非转义字符（不包括非转义字母）

因此 ‘\’ 表示‘\’，‘{’ 表示{。但是 ‘\y’ 就是错的，因为在不表示转义构造的任何字母字符前使用反斜线都是错误的。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 “\b” 与单个退格字符匹配，而 “\b” 与单词边界匹配。字符串字面值 “(hello)“ 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 “$hello$”。注意：”\b” 是一个字符而 “[\b]” 是两个字符

Pattern 类
- 8 种模式：比如启用多行模式，启用 unix 模式等，
  1
  eg int CASE_INSENSITIVE 表示启用不区分大小写的模式。

- 4 个静态方法

  两个单例模式构造器：

  - Pattern compile（String regex）；

  - Pattern compile（String regex, int flags）flags 为八种模式的一种

    1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
eg1：
Pattern p = Pattern.compile("[a-z]\\s[a-z]");
Matcher m = p.matcher("b	c");
if(m.matches())	
	Sysout(1111);
else	
	Sysout(2222);  输出结果为 1111；
	
一个匹配方法，一个返回 String 的字面值模式方法：
// input 与 regex 匹配返回 true。
boolean matches(String regex,CharSequence input);
String quote(String s); // 返回指定 String 的字面值。

eg2：
boolean bool = Pattern.matches("[a-z] [a-z]",”b c”); // 结果为 true
Sysout(Pattern.quote(“a_#/tb”)); // 输出结果为 “\Qa_#	b”\E


  - 6 个普通方法

    - 返回此模式的匹配器：Matcher  matcher（CharSequence input）;

    - 返回此模式的标志：int flags（）;

    - 返回此模式的 regex：String pattern（）;

    - 两个字符串切割方法： String[] split(CharSequence input);

                                              String[] split(CharSequence input, int limit);  limit 为返回字符串的个数，如果等于 0，返回所有拆分的字符串，如果大于拆字符串的实际个数，返回实际个数

    - toString 方法： String toString（）;

      1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
eg4：
Pattern p = Pattern.compile("[,;\\s]");
String str = "wo,ai;ni haha";
String[] strs = p.split(str);
for(String s : strs){
	Sysout(s);// 输出 “wo” “ai” “ni” “haha”
}

strs = p.split(str,2)
for(String s : strs){
	Sysout(s); // 输出 “wo” “ai;ni haha”
}

Strs = p.split(str,0)
for(String s : strs){
	Sysout(s); // 输出 “wo” “ai” “ni” “haha”
}

常用正则表达式

“^\d+$”　　//非负整数（正整数 + 0）
“^[0-9]*[1-9][0-9]*$”　　//正整数
“^((-\d+)|(0+))$”　　//非正整数（负整数 + 0）
“^-[0-9]*[1-9][0-9]*$”　　//负整数
“^-?\d+$”　　　　//整数
“^\d+(.\d+)?$”　　//非负浮点数（正浮点数 + 0）
“^(([0-9]+.[0-9]*[1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]*))$”　　//正浮点数
“^((-\d+(.\d+)?)|(0+(.0+)?))$”　　//非正浮点数（负浮点数 + 0）
“^(-(([0-9]+.[0-9]*[1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]*)))$”　　//负浮点数
“^(-?\d+)(.\d+)?$”　　//浮点数
“^[A-Za-z]+$”　　//由26个英文字母组成的字符串
“^[A-Z]+$”　　//由26个英文字母的大写组成的字符串
“^[a-z]+$”　　//由26个英文字母的小写组成的字符串
“^[A-Za-z0-9]+$”　　//由数字和26个英文字母组成的字符串
“^\w+$”　　//由数字、26个英文字母或者下划线组成的字符串
“^[\w-]+(.[\w-]+)@[\w-]+(.[\w-]+)+$”　　　　//email地址
“^[a-zA-z]+://(\w+(-\w+))(.(\w+(-\w+)))(?\S)?$”　　//url
/^(d{2}|d{4})-((0([1-9]{1}))|(1[1|2]))-((0-2)|(3[0|1]))$/ // 年-月-日
/^((0([1-9]{1}))|(1[1|2]))/((0-2)|(3[0|1]))/(d{2}|d{4})$/ // 月/日/年
“^([w-.]+)@(([[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.)|(([w-]+.)+))([a-zA-Z]{2,4}|[0-9]{1,3})(]?)$” //Emil
/^((+?[0-9]{2,4}-[0-9]{3,4}-)|([0-9]{3,4}-))?([0-9]{7,8})(-[0-9]+)?$/ //电话号码
“^(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5]).(d{1,2}|1dd|2[0-4]d|25[0-5])$” //IP地址
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
匹配空行的正则表达式：\n[\s| ]\r
匹配HTML标记的正则表达式：/<(.)>.</\1>|<(.) />/
匹配首尾空格的正则表达式：(^\s)|(\s$)
匹配 Email 地址的正则表达式：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)
匹配网址 URL 的正则表达式：^[a-zA-z]+://(\w+(-\w+))(\.(\w+(-\w+)))(\?\S)?$
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
匹配国内电话号码：(\d{3}-|\d{4}-)?(\d{8}|\d{7})?
匹配腾讯 QQ 号：^[1-9]*[1-9][0-9]*$
元字符及其在正则表达式上下文中的行为：
- \ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。
- ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的Multiline 属性，^ 也匹配 ’\n’ 或 ’\r’ 之后的位置。
- $ 匹配输入字符串的结束位置。如果设置了 RegExp 对象的Multiline 属性，$ 也匹配 ’\n’ 或 ’\r’ 之前的位置。
- *匹配前面的子表达式零次或多次。
- +匹配前面的子表达式一次或多次。+ 等价于 {1,}。
- ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。
- {n} n 是一个非负整数，匹配确定的 n 次。
- {n,} n 是一个非负整数，至少匹配 n 次。
- {n,m} m 和 n 均为非负整数，其中 n <= m。最少匹配 n 次且最多匹配 m 次。在逗号和两个数之间不能有空格。
- ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
- . 匹配除 “\n” 之外的任何单个字符。要匹配包括 ’\n’ 在内的任何字符，请使用象 ’[.\n]’ 的模式。
- (pattern) 匹配 pattern 并获取这一匹配。
- (?:pattern) 匹配 pattern 但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。
- (?=pattern) 正向预查，在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。
- (?!pattern) 负向预查，与 (?=pattern) 作用相反
- x|y 匹配 x 或 y。
- [xyz] 字符集合。
- [^xyz] 负值字符集合。
- [a-z] 字符范围，匹配指定范围内的任意字符。
- [^a-z] 负值字符范围，匹配任何不在指定范围内的任意字符。
- \b 匹配一个单词边界，也就是指单词和空格间的位置。
- \B 匹配非单词边界。
- \cx 匹配由x指明的控制字符。
- \d 匹配一个数字字符。等价于 [0-9]。
- \D 匹配一个非数字字符。等价于[^0-9]。
- \f 匹配一个换页符。等价于 \x0c 和 \cL。
- \n 匹配一个换行符。等价于 \x0a 和 \cJ。
- \r 匹配一个回车符。等价于 \x0d 和 \cM。
- \s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
- \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
- \t 匹配一个制表符。等价于 \x09 和 \cI。
- \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
- \w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。_
- \W 匹配任何非单词字符。等价于 [^A-Za-z0-9_]。
- \xn 匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。
- \num 匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。
- \n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式，则 n 为后向引用。否则，如果 n 为八进制数字 ( 0-7 )，则 n 为一个八进制转义值。
- \nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有 is preceded by at least nm 个获取得子表达式，则 nm 为后向引用。如果 \nm 之前至少有 n 个获取，则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足，若 n 和 m 均为八进制数字 ( 0-7 )，则 \nm 将匹配八进制转义值 nm。
- \nml 如果 n 为八进制数字 (0-3)，且 m 和 l 均为八进制数字 (0-7)，则匹配八进制转义值 nml。
- \un 匹配 n，其中 n 是一个用四个十六进制数字表示的Unicode字符。
- 匹配中文字符的正则表达式： [u4e00-u9fa5]
- 匹配双字节字符(包括汉字在内)：[^x00-xff]
- 匹配空行的正则表达式：n[s| ]r
- 匹配HTML标记的正则表达式：/<(.)>.</1>|<(.) />/
- 匹配首尾空格的正则表达式：(^s)|(s$)
- 匹配Email地址的正则表达式：w+([-+.]w+)@w+([-.]w+).w+([-.]w+)
- 匹配网址URL的正则表达式：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?

利用正则表达式限制网页表单里的文本框输入内容：

用正则表达式限制只能输入中文：onkeyup=”value=value.replace(/[^u4E00-u9FA5]/g,’’)” onbeforepaste=”clipboardData.setData(‘text’,clipboardData.getData(‘text’).replace(/[^u4E00-u9FA5]/g,’’))”
用正则表达式限制只能输入全角字符： onkeyup=”value=value.replace(/[^uFF00-uFFFF]/g,’’)” onbeforepaste=”clipboardData.setData(‘text’,clipboardData.getData(‘text’).replace(/[^uFF00-uFFFF]/g,’’))”
用正则表达式限制只能输入数字：onkeyup=”value=value.replace(/[^d]/g,’’) “onbeforepaste=”clipboardData.setData(‘text’,clipboardData.getData(‘text’).replace(/[^d]/g,’’))”
用正则表达式限制只能输入数字和英文：onkeyup=”value=value.replace(/[W]/g,’’) “onbeforepaste=”clipboardData.setData(‘text’,clipboardData.getData(‘text’).replace(/[^d]/g,’’))”

整理：

匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符 ( 包括汉字在内 ) ：[^\x00-\xff]
匹配空行的正则表达式：\n[\s| ]\r
匹配 HTML 标记的正则表达式：/<(.)>.</\1>|<(.) />/
匹配首尾空格的正则表达式：(^\s)|(\s$)
匹配 IP 地址的正则表达式：/(\d+).(\d+).(\d+).(\d+)/g //
匹配 Email 地址的正则表达式：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)
匹配网址 URL 的正则表达式：http://(/[\w-]+.)+[\w-]+(/[\w- ./?%&=])?
SQL 语句：^(select|drop|delete|create|update|insert).*$
非负整数：^\d+$
正整数：^[0-9]*[1-9][0-9]*$
非正整数：^((-\d+)|(0+))$
负整数：^-[0-9]*[1-9][0-9]*$
整数：^-?\d+$
非负浮点数：^\d+(.\d+)?$
正浮点数：^((0-9)+.[0-9]*[1-9][0-9])|([0-9][1-9][0-9].[0-9]+)|([0-9][1-9][0-9]*))$
非正浮点数：^((-\d+.\d+)?)|(0+(.0+)?))$
负浮点数：^(-((正浮点数正则式)))$
英文字符串：^[A-Za-z]+$
英文大写串：^[A-Z]+$
英文小写串：^[a-z]+$
英文字符数字串：^[A-Za-z0-9]+$
英数字加下划线串：^\w+$
E-mail 地址：^[\w-]+(.[\w-]+)@[\w-]+(.[\w-]+)+$
URL：^[a-zA-Z]+://(\w+(-\w+))(.(\w+(-\w+)))(?\s)?$ 或 ^http://[A-Za-z0-9]+.[A-Za-z0-9]+[/=?%-&_~`@[]':+!]([^<>""])$
邮政编码：^[1-9]\d{5}$
中文：^[\u0391-\uFFE5]+$
电话号码：^(((\d{2,3}))|(\d{3}-))?((0\d{2,3})|0\d{2,3}-)?[1-9]\d{6,7}(-\d{1,4})?$
手机号码：^(((\d{2,3}))|(\d{3}-))?13\d{9}$
双字节字符(包括汉字在内)：^\x00-\xff
匹配首尾空格：(^\s)|(\s$)（像vbscript那样的trim函数）
匹配 HTML 标记：<(.)>.</\1>|<(.) />
匹配空行：\n[\s| ]*\r
提取信息中的网络链接：(h|H)(r|R)(e|E)(f|F) = *(‘|”)?(\w|\|/|.)+(‘|”| *|>)?
提取信息中的邮件地址：\w+([-+.]\w+)@\w+([-.]\w+).\w+([-.]\w+)*
提取信息中的图片链接：(s|S)(r|R)(c|C) *= *(‘|”)?(\w|\|/|.)+(‘|”| *|>)?
提取信息中的 IP 地址：(\d+).(\d+).(\d+).(\d+)
提取信息中的中国手机号码：(86)013\d{9}
提取信息中的中国固定电话号码：((\d{3,4})|\d{3,4}-|\s)?\d{8}
提取信息中的中国电话号码（包括移动和固定电话）：((\d{3,4})|\d{3,4}-|\s)?\d{7,14}
提取信息中的中国邮政编码：[1-9]{1}(\d+){5}
提取信息中的浮点数（即小数）：(-?\d).?\d+
提取信息中的任何数字：(-?\d*)(.\d+)?
IP ：(\d+).(\d+).(\d+).(\d+)
电话区号：/^0\d{2,3}$/
腾讯 QQ 号：^[1-9]*[1-9][0-9]*$
帐号 ( 字母开头，允许 5-16 字节，允许字母数字下划线 ) ：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
中文、英文、数字及下划线：^[\u4e00-\u9fa5_a-zA-Z0-9]+$