博客

正则表达式在各种编程语言中几乎都有，其存在的最大意义是方面用户处理文本信息。比如：在一篇文章中查询其数字或者某写字段。

各自的语言在通过正则进行匹配的时候调用有所不同，但是其正则表达式本身区别不到。而本篇主要讲解分两部分

Java正则调用底层是什么

和

正则表达式的格式

java中正则

文本的处理任何语言都无法避免的一种操作，这个一段先不讲解正则表达式的格式或者写法，而是了解java是如何调用正则。

老规矩先看调用代码。

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

public class test {
	public static void main(String[] args) {

		String txt="汇编语言， 即第二代计算机语言，用一些容易理解和记忆的字母，"
				+ "单词来代替一个特定的指令，比如：用“ADD”代表数字逻辑上的加减，"
				+ "“ MOV”代表数据传递等等，通过这种方法，人们很容易去阅读已经完成的程序或者理解程"
				+ "序正在执行的功能，对现有程序的bug修复以及运营维护都变得更加简单方便。但计"
				+ "算机的硬件不认识字母符号，这时候就需要一个专门的程序把这些字符变成计算"
				+ "机能够识别的二进制数。因为汇编语言只是将机器语言做了简单编译，所以并没有"
				+ "根本上解决机器语言的特定性，所以汇编语言和机器自身的编程环境息息相关"
				+ "，推广和移植很难，但是还是保持了机器语言优秀的执行效率，因为他的可阅读"
				+ "性和简便性，汇编语言到现在依然是常用的编程语言之一。 汇编语言不像其他大多数的程序"
				+ "设计语言一样被广泛用于程序设计。在今天的实际应用中，"
				+ "它通常被应用在底层，硬件操作和高要求的程序优化的场合。"
				+ "驱动程序、嵌入式操作系统和实时运行程序都需要汇编语言。";


       String rex="[A-Z,a-z]";// 表达式的意思就是查询字符串中还有的单个字母
       Pattern pattern= Pattern.compile(rex);
       Matcher matcher=pattern.matcher(txt);
       while(matcher.find()) {
    	   
    	   System.out.println(matcher.group(0));
       }
    }
}
// 输出
A
D
D
M
O
V
b
u
g

对于上面代码其实可以看出在java.util.regex下的两个主要的类Pattern，Matcher。简单的调用，根据上面的方法即可得知，但是有一个地方可能会有人注意到：

matcher.group(0)

。为什么我们取出的数据都是坐标为0.

通过图可以看出group数组中的下标二1的减去下标为0的总是等于

汇编语言

的长度：4

可以得出一个结论那就是group 这个数组，会存储查找到的数据的起始和结束坐标，然后没查找一个就会变一此。但是每次都是数组前两个变。

• 这个就有疑问了，明明是数组中的两个数，为什么group（0）？

    public String group(int group) {
        if (first < 0)
            throw new IllegalStateException("No match found");
        if (group < 0 || group > groupCount())
            throw new IndexOutOfBoundsException("No group " + group);
        if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
            return null;
        return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
    }

源码可以得出，人家自己乘以2进行了一次运算了，所以

而getSubSequence 调用的的SubSequence方法，与字符串中的substring效果一样。

• 疑问2：如果group（0），直接定义长度为2的数组即可，干嘛还要创建要给大于2的数组呢？

  其实这个有涉及到正则表达式中的捕获组的表达方式了。（先记住，后面聊）

这个可以看出来一点，那就是groups数组中给下标2，3代表都是是前面的小括号内容，下标4，5代表的是后面的小括号内容。而0，1代表是整体的内容。

现在再看group(int group) ，就明白group（1）和group（1）代表的内容了。

正则表达式

对于正则表达式有时候看着会觉得凌乱，其实不然，这个需要一种方式多用加强记忆，而主要记的就是其不同的符号代表的意思。

而根据不同的功能，元字符功能大致分：

• 限定符
• 选择匹配符
• 分组组合和反向引用符
• 特殊字符
• 字符匹配符
• 定位符

而这一篇将其放入java，那就是以Java作为基础进行演示，不过正则表达式规则，虽各个语言各有差异但有大体相同。

转义符

为什么要有转义符，因为有些特殊符号在正则表达式中有不同的涵义，但是有时候需要使用其本来字符代表的字符串意思。

比如 (

\

),需要找找是否有这个符号，发现Java编译都编译不过去，有时候编译过去了，但是无法查询自己需要的字符串。所以需要转移符号写（

\\

），这样前面加一个反斜杠，其代表就是转移。

**注意：**而再java中的正则表达式转义符是 (\\) 等于其他语言的中的一个（\）

需要用到转义符号的字符：

字符匹配符

String str="a2b+3cdABC#我";
String rex="这个根据要求在现在写";
 Pattern pattern= Pattern.compile(rex);
 Matcher matcher=pattern.matcher(txt);
  while(matcher.find()) {
     System.out.println(matcher.group(0));
  }

#  匹配字符串中小写字符。
    rex="[a-z]";
    因为可以看出其小写只有abcd 也可以写：rex="[abcd]";不过一般除非定义匹配这四个字符，不然一般执行写a-z
   输出：
       a
       b
       c
       d

# 匹配字符串中的数字
   rex="[0-9]";
   或者： rex="\\d";
        
   输出：
        2
        3
# 匹配字符串中的非数字，大小写字母的字符
   rex="{\\W}";
   或者： rex="[^0-9A-Za-z]";
        
   输出：
        +
        #
        我

限定符

用于指定前面的字符和组合项目连续出现的次数。

String str="abc45abcbc++a";
String rex="这个根据要求在现在写";
 Pattern pattern= Pattern.compile(rex);
 Matcher matcher=pattern.matcher(txt);
  while(matcher.find()) {
     System.out.println(matcher.group(0));
  }

## 匹配a如果a字母后面有bc的话无论重复几次bc也需要匹配
    rex="a(bc)*";
输出：
    abc
    abcbc
    a

##匹配bc的字符前面有a的字符，无论出现多少次bc
    rex="a(bc)+";
  输出
      abc
      abcbc
      
## 匹配a以及a后面有一次bc的字符串
      rex="a(bc)?";或者 rex="a|abc";
 输出：
     abc
     abc
     a
## 匹配abcbc文件
     rex="a(bc){2}"; 或者 rex="abcbc";
 输出：
     abcbc

## 匹配字母长度连续大于2，小于4的字符串
     rex=[a-z]{2,4};
   输出：
       abc
       abcb
       

分组

这个前面用到了多次，那就是一对（）

		String txt="汇编语言， 即第二代计算机语言，用一些容易理解和记忆的字母，"
				+ "单词来代替一个特定的指令，比如：用“ABCDEFGHIJK”代表数字逻辑上的加减，"
				+ "“ MOV”代表数据传递等等，通过这种方法，人们很容易去阅读已经完成的程序或者理解程"
				+ "序正在执行的功能，对现有程序的bug修复以及运营维护都变得更加简单方便。但计"
				+ "算机的硬件不认识字母符号，这时候就需要一个专门的程序把这些字符变成计算"
				+ "机能够识别的二进制数。因为汇编语言只是将机器语言做了简单编译，所以并没有"
				+ "根本上解决机器语言的特定性，所以汇编语言和机器自身的编程环境息息相关"
				+ "，推广和移植很难，但是还是保持了机器语言优秀的执行效率，因为他的可阅读"
				+ "性和简便性，汇编语言到现在依然是常用的编程语言之一。 汇编语言不像其他大多数的程序"
				+ "设计语言一样被广泛用于程序设计。在今天的实际应用中，"
				+ "它通常被应用在底层，硬件操作和高要求的程序优化的场合。"
				+ "驱动程序、嵌入式操作系统和实时运行程序都需要汇编语言。";

       String rex="(?<name1>汇编)(?<name2>语言)";
       Pattern pattern= Pattern.compile(rex);
       Matcher matcher=pattern.matcher(txt);
       while(matcher.find()) {

    	   System.out.println("=====全部"+matcher.group(0));
    	   System.out.println("=====0"+matcher.group(1));
    	   System.out.println("=====0"+matcher.group("name1"));
    	   System.out.println("=====1"+matcher.group(2));
    	   System.out.println("=====1"+matcher.group("name2"));
       }

//输出
=====全部：汇编语言
=====0：汇编
=====0：汇编
=====1：语言
=====1：语言
......
=====全部：汇编语言
=====0：汇编
=====0：汇编
=====1：语言
=====1：语言   

定位符

定位符规定要匹配的字符串出现的位置，比如在字符串的开始还是结束，这个也是很常用的功能，比如匹配邮箱或者url地址等。

补充

正则表达式在匹配的时候有两个模式：

贪婪匹配

和

非贪婪匹配

。

• 贪婪匹配：那就是在匹配的时候，尽可能的长的数据。比如使用：{n,m},+,?,*

  在使用中，尽可能匹配最长的字符串。

  		txt="123WER13445+df13";
  
  		String rex="\\d{2,5}";// 匹配长度为2到5个数字的字符串
  
         Pattern pattern= Pattern.compile(rex);
         Matcher matcher=pattern.matcher(txt);
  
         while(matcher.find()) {
      	   System.out.println("=====全部："+matcher.group(0));
  
         }
  //输出
  =====全部：123
  =====全部：13445
  =====全部：13
  

  可以看出其匹配。尽可能的长。

• 非贪婪匹配：这种匹配的时候如果以满足匹配，就不会在继续让其变的更长。比如在{n,m},+,*后面添加一个？，看下面代码演示：

	   txt="123WER13445+df13";

		String rex="\\d{2,5}?";// 匹配长度为2到5个数字的字符串

       Pattern pattern= Pattern.compile(rex);
       Matcher matcher=pattern.matcher(txt);

       while(matcher.find()) {
    	   System.out.println("=====全部："+matcher.group(0));

       }
//输出
=====全部：12
=====全部：13
=====全部：13