正則表達式是一種用于描述字符串模式的工具，它在文本處理、數據驗證、搜索和替換等方面有著廣泛的應用。這篇文章，我們將分析什么是正則表達式以及它是如何工作的？

什么是正則表達式?

正則表達式（regular expression，常簡寫為 regex、regexp 或 RE），又稱規律表達式、正規表示式、正規表示法、規則運算式、常規表示法，是計算機科學概念，用簡單字串來描述、匹配文中全部符合指定格式的字串，現在很多文本編輯器都支援用正則表達式搜尋、取代符合指定格式的字串。

Java Regex是一種用于匹配字符串的模式，它可以用來驗證、查找、替換或拆分字符串。Java中的正則表達式由 java.util.regex包提供，主要由 3 個類和 1 個接口組成：

• Pattern Class：表示正則表達式的編譯表示。
• Matcher Class：用于執行匹配操作的引擎。
• PatternSyntaxException Class：表示正則表達式語法錯誤的異常。
• MatchResult Interface：用于表示匹配操作的結果。

正則表達式組成

Java 正則表達式主要由以下幾部分組成：

• 字符類：用于匹配指定范圍內的任意字符。例如[a-z]表示匹配任意小寫字母。
• 預定義字符類：簡化的字符類。例如\d表示匹配任意數字，\w表示匹配任意字母、數字或下劃線。
• 量詞：用于指定字符或子表達式的重復次數。例如a*表示匹配零次或多次 a，a{2,4}表示匹配 2 到 4 次 a。
• 邊界匹配符：用于匹配字符串的邊界。例如^表示匹配字符串的開始，$表示匹配字符串的結束。
• 分組：用于將多個字符或子表達式組合在一起。例如(abc)表示匹配字符串 "abc"。

下面還列舉了一些常見的正則表達式元素：

• .: 匹配除換行符以外的任意單字符
• *: 匹配前面的子表達式零次或多次
• +: 匹配前面的子表達式一次或多次
• ?: 匹配前面的子表達式零次或一次
• \d: 匹配一個數字字符，[0-9] 的縮寫
• \D 匹配任何非數字，[^0-9] 的縮寫
• \s 任何空格字符，[\t\n\x0B\f\r] 的縮寫
• \S 任何非空格字符，是 [^\s] 的縮寫
• \w: 匹配一個字母、數字或下劃線字符
• [abc]: 匹配方括號內的任意一個字符
• ^: 匹配字符串的開始
• $: 匹配字符串的結束

更多表達式，參考: regexr

Regex 類詳解

1.Matcher

Matcher類實現 MatchResult 接口，它是一個正則表達式引擎，用于對字符序列執行匹配操作。主要包含以下方法：

• boolean matches()：測試正則表達式是否與模式匹配。
• boolean find()：找到與模式匹配的下一個表達式。
• boolean find(int start)：找到與給定起始編號中的模式匹配的下一個表達式。
• String group()：返回匹配的子序列。
• int start()：返回匹配子序列的起始索引。
• int end()：返回匹配子序列的結束索引。
• int groupCount()：返回匹配子序列的總數。

2.Pattern

Pattern類是正則表達式的編譯版本，用于定義正則表達式引擎的模式。主要包含以下方法：

• static Pattern compile(String regex)：編譯給定的正則表達式并返回 Pattern 的實例。
• Matcher matcher(CharSequence input)：創建一個匹配器，該匹配器將給定的輸入與模式匹配。
• static boolean matches(String regex, CharSequence input)：它作為編譯和匹配器方法的組合工作。它編譯正則表達式并將給定的輸入與模式匹配。
• String[] split(CharSequence input)：圍繞給定模式的匹配項拆分給定的輸入字符串。
• String pattern()：返回正則表達式模式。

3.PatternSyntaxException

PatternSyntaxException 類是拋出未經檢查的異常，指示正則表達式模式中的語法錯誤。主要包含以下方法：

• int getIndex()：檢索異常的索引
• String getDescription()：檢索異常的描述信息
• String getPattern()：檢索錯誤的正則表達式模式

4.MatchResult

MatchResult接口主要用于匹配操作的結果。此接口包含用于確定與正則表達式匹配的結果的查詢方法。匹配邊界、組和組邊界可以通過。主要包含以下方法：

• int start()：返回匹配的開始索引
• int start(int group)：返回本次匹配期間給定組捕獲的子序列的起始索引。
• int end()：返回最后一個匹配字符后的偏移量。
• int end(int group)：返回本次匹配期間給定組捕獲的子序列的最后一個字符后的偏移量。
• String group()：返回與上一個匹配項匹配的輸入子序列。
• String group(int group)：返回上一次匹配操作期間給定組捕獲的輸入子序列。
• int groupCount()：返回此匹配結果模式中的捕獲組的數量。

正則使用場景

正則使用場景主要包含以下類型：

• 輸入驗證，比如郵箱驗證，手機號驗證，URL 驗證，密碼強度驗證
• 文本搜索和替換，比如查找特定模式，替換特定模式
• 文本拆分，比如按照空白字符拆分字符串
• 日志和數據解析，比如提取IP地址，提取日期和時間
• 數據清洗，比如刪除HTML標簽，格式化字符串
• 編譯器和解釋器，比如識別標識符、關鍵字、操作符等
• 數據庫查詢，比如使用 SQL 的 REGEXP 運算符進行復雜的模式匹配查詢。
• 文件名匹配，比如查找所有以 .txt 結尾的文件

除了上面的場景，正則表達式還可以使用到其他的場景，需要根據具體的場景而定。

示例演示

1.郵箱驗證

驗證郵箱地址是一個常見的正則表達式應用場景。首先，我們需要一個能夠驗證郵箱地址的正則表達式。一個常見的用于驗證郵箱的正則表達式如下：

^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$

該正則表達式的解釋如下：

• ^：匹配字符串的開始。
• [a-zA-Z0-9._%+-]+：匹配一個或多個字母、數字、點、下劃線、百分號、加號或減號。
• @：匹配@符號。
• [a-zA-Z0-9.-]+：匹配一個或多個字母、數字、點或減號。
• \.：匹配一個點。
• [a-zA-Z]{2,}：匹配兩個或更多的字母。
• $：匹配字符串的結束。

下面是一個完整的 Java示例代碼：

import java.util.regex.*;
public class EmailValidator {
    public static void main(String[] args) {
        String emailPattern = "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$";
        String[] emails = {
            "valid.email@example.com",
            "invalid-email@example",
            "another.valid.email@example.co.uk",
            "invalid.email@.com",
            "valid_email123@example.org"
        };
        
        Pattern pattern = Pattern.compile(emailPattern);
        for (String email : emails) {
            Matcher matcher = pattern.matcher(email);
            boolean isMatch = matcher.matches();
            System.out.println("Email: " + email + " is valid? " + isMatch);
        }
    }
}

運行結果：

Email: valid.email@example.com is valid? true
Email: invalid-email@example is valid? false
Email: another.valid.email@example.co.uk is valid? true
Email: invalid.email@.com is valid? false
Email: valid_email123@example.org is valid? true

在上述代碼中：

• Pattern.compile(emailPattern)：編譯正則表達式。
• pattern.matcher(email)：創建一個匹配器對象，用于匹配給定的郵箱字符串。
• matcher.matches()：檢查整個字符串是否與正則表達式匹配。

2.拆分字符串

在下面的示例中，正則表達式\s+表示一個或多個空白字符。split方法用于將字符串按匹配的模式拆分為多個部分。

import java.util.regex.*;

public class RegexExample {
    public static void main(String[] args) {
        String pattern = "\\s+";
        String text = "Split this string by spaces.";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        String[] parts = compiledPattern.split(text);
        
        for (String part : parts) {
            System.out.println(part);
        }
    }
}

3.查找子字符串

在下面示例中，正則表達式\d+表示一個或多個數字字符。find方法用于查找所有匹配的子字符串。

import java.util.regex.*;

public class RegexExample {
    public static void main(String[] args) {
        String pattern = "\\d+";
        String text = "There are 123 apples and 456 oranges.";
        
        Pattern compiledPattern = Pattern.compile(pattern);
        Matcher matcher = compiledPattern.matcher(text);
        
        while (matcher.find()) {
            System.out.println("Found a number: " + matcher.group());
        }
    }
}

總結

正則表達式是一種功能強大且靈活的工具，能夠極大地提高字符串處理的效率和精度。正則表達式的技術難度不大，但是很難記憶，而且在輸入驗證、文本搜索和替換、文本拆分、日志和數據解析、數據清洗、編譯器和解釋器等應用場景使用比較多。所以，掌握正則表達式還是有很大幫助。