java正则表达式用法

java正则表达式是用来替换,匹配,判断字符等任务
正则表达式定义了字符串的模式。
正则表达式可以用来搜索、编辑或处理文本。
正则表达式并不仅限于某一种语言,但是在每种语言中有细微的差别。

Java正则表达式和Perl的是最为相似的
java.util.regex包主要包括以下三个类:
Pattern类: Pattern对象是一个正则表达式的编译表示。Pattern类没有公共构造方法。要创建一个Pattern对象,你必须首先调用其公共静态编译方法,它返回一个Pattern对象。该方法接受一个正则表达式作为它的第一个参数。
Matcher类: Matcher对象是对输入字符串进行解释和匹配操作的引擎。与Pattern类一样,Matcher也没有公共构造方法。你需要调用Pattern对象的matcher方法来获得一个Matcher对象。
PatternSyntaxException: PatternSyntaxException是一个非强制异常类,它表示一个正则表达式模式中的语法错误。
实例运用
第一个匹配@的用户名;用户名不区分大小写;

public static Set<String> getMentionedUsers(List<Tweet> tweets) {
    	if(tweets.size()==0) {
				return null;
			}
    	else {
    		Set<String> UserName=new HashSet<>();
    		String regEx = "(@)(?<username>[a-zA-Z0-9_-]+)";
    		Pattern pattern = Pattern.compile(regEx);
    		for (Tweet tweets1 : tweets) {
    			Matcher matcher=pattern.matcher(tweets1.getText());
    			while(matcher.find()) {
    				UserName.add(matcher.group("username").toLowerCase());
    			}
			}
    		return UserName;
		}
    }

第二个匹配#后的主题标签

public static Set<String> gethashtags(List<Tweet> tweets) {
    	if(tweets.size()==0) {
				return null;
			}
    	else {
    		Set<String> HashTags=new HashSet<>();
    		String regEx = "#(?<hashtags>[\\w_]+)";
    		Pattern pattern = Pattern.compile(regEx);
    		for (Tweet tweets1 : tweets) {
    			Matcher matcher=pattern.matcher(tweets1.getText());
    			while(matcher.find()) {
    				HashTags.add(matcher.group("hashtags").toLowerCase());
    			}
			}
    		return HashTags;
		}
    }

匹配指定字符串words;

public static List<Tweet> containing(List<Tweet> tweets, List<String> words) {
    	List<Tweet>listtweet=new ArrayList<>();
    	for (Tweet tweet : tweets) {
    		for (String word : words) {
    			String regEx = word;
    			Pattern pattern = Pattern.compile(regEx);
    			Matcher matcher=pattern.matcher(tweet.getText());
    			while(matcher.find()) {
    				listtweet.add(tweet);
    			}
    		}
    }
    	return listtweet;
   }

常用正则表达式

规则
正则表达式语法

一个或多个汉字   ^[\u0391-\uFFE5]+$
邮政编码    ^[1-9]\d{5}$
QQ号码     ^[1-9]\d{4,10}$
邮箱       ^[a-zA-Z_]{1,}[0-9]{0,}@(([a-zA-z0-9]-*){1,}\.){1,3}[a-zA-z\-]{1,}$
用户名(字母开头 + 数字/字母/下划线)     ^[A-Za-z][A-Za-z1-9_-]+$
手机号码     ^1[3|4|5|8][0-9]\d{8}$
URL      ^((http|https)://)?([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$
18位身份证号    ^(\d{6})(18|19|20)?(\d{2})([01]\d)([0123]\d)(\d{3})(\d|X|x)?$

正则表达式语法字符及说明

将下一字符标记为特殊字符、文本、反向引用或八进制转义符。例如,“n"匹配字符"n”。"\n"匹配换行符。序列"\“匹配”","(“匹配”("。
^
匹配输入字符串开始的位置。如果设置了 RegExp 对象的 Multiline 属性,^ 还会与"\n"或"\r"之后的位置匹配。
$
匹配输入字符串结尾的位置。如果设置了 RegExp 对象的 Multiline 属性,$ 还会与"\n"或"\r"之前的位置匹配。
* 零次或多次匹配前面的字符或子表达式。例如,zo* 匹配"z"和"zoo"。* 等效于 {0,}。
+
一次或多次匹配前面的字符或子表达式。例如,“zo+“与"zo"和"zoo"匹配,但与"z"不匹配。+ 等效于 {1,}。
?
零次或一次匹配前面的字符或子表达式。例如,“do(es)?“匹配"do"或"does"中的"do”。? 等效于 {0,1}。
{n}
n 是非负整数。正好匹配 n 次。例如,“o{2}“与"Bob"中的"o"不匹配,但与"food"中的两个"o"匹配。
{n,}
n 是非负整数。至少匹配 n 次。例如,“o{2,}“不匹配"Bob"中的"o”,而匹配"foooood"中的所有 o。“o{1,}“等效于"o+”。“o{0,}“等效于"o*”。
{n,m}
M 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如,“o{1,3}“匹配"fooooood"中的头三个 o。‘o{0,1}’ 等效于 ‘o?’。注意:您不能将空格插入逗号和数字之间。
?
当此字符紧随任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后时,匹配模式是"非贪心的”。“非贪心的"模式匹配搜索到的、尽可能短的字符串,而默认的"贪心的"模式匹配搜索到的、尽可能长的字符串。例如,在字符串"oooo"中,“o+?“只匹配单个"o”,而"o+“匹配所有"o”。
.
匹配除”\r\n"之外的任何单个字符。若要匹配包括”\r\n"在内的任意字符,请使用诸如”[\s\S]“之类的模式。
(pattern)
匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( ),请使用”(“或者”)”。
(?:pattern)
匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如,'industr(?:y|ies) 是比 ‘industry|industries’ 更经济的表达式。
(?=pattern)
执行正向预测先行搜索的子表达式,该表达式匹配处于匹配 pattern 的字符串的起始点的字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,‘Windows (?=95|98|NT|2000)’ 匹配"Windows 2000"中的"Windows”,但不匹配"Windows 3.1"中的"Windows”。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。
(?!pattern)
执行反向预测先行搜索的子表达式,该表达式匹配不处于匹配 pattern 的字符串的起始点的搜索字符串。它是一个非捕获匹配,即不能捕获供以后使用的匹配。例如,‘Windows (?!95|98|NT|2000)’ 匹配"Windows 3.1"中的 “Windows”,但不匹配"Windows 2000"中的"Windows”。预测先行不占用字符,即发生匹配后,下一匹配的搜索紧随上一匹配之后,而不是在组成预测先行的字符后。
x|y
匹配 x 或 y。例如,‘z|food’ 匹配"z"或"food”。’(z|f)ood’ 匹配"zood"或"food”。
[xyz]
字符集。匹配包含的任一字符。例如,”[abc]“匹配"plain"中的"a”。
[^xyz]
反向字符集。匹配未包含的任何字符。例如,”[^abc]“匹配"plain"中"p”,“l”,“i”,“n”。
[a-z]
字符范围。匹配指定范围内的任何字符。例如,"[a-z]“匹配"a"到"z"范围内的任何小写字母。
[^a-z]
反向范围字符。匹配不在指定的范围内的任何字符。例如,”[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。

\b
匹配一个字边界,即字与空格间的位置。例如,“er\b"匹配"never"中的"er”,但不匹配"verb"中的"er"。

\B
非字边界匹配。“er\B"匹配"verb"中的"er”,但不匹配"never"中的"er"。

\cx
匹配 x 指示的控制字符。例如,\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样,则假定 c 就是"c"字符本身。
\d
数字字符匹配。等效于 [0-9]。

\D
非数字字符匹配。等效于 [^0-9]。

\f
换页符匹配。等效于 \x0c 和 \cL。

\n
换行符匹配。等效于 \x0a 和 \cJ。

\r
匹配一个回车符。等效于 \x0d 和 \cM。

\s
匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。

\S
匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。

\t
制表符匹配。与 \x09 和 \cI 等效。

\v
垂直制表符匹配。与 \x0b 和 \cK 等效。

\w
匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效。

\W
与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。

\xn
匹配 n,此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如,"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。

\num
匹配 num,此处的 num 是一个正整数。到捕获匹配的反向引用。例如,"(.)\1"匹配两个连续的相同字符。

\n
标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。

\nm
标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获,则 n 是反向引用,后面跟有字符 m。如果两种前面的情况都不存在,则 \nm 匹配八进制值 nm,其中 n 和 m 是八进制数字 (0-7)。

\nml
当 n 是八进制数 (0-3),m 和 l 是八进制数 (0-7) 时,匹配八进制转义码 nml。

\un
匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。例如,\u00A9 匹配版权符号 (©)。