從 Java 1.4 起,核心 API 就導入了 java.util.regex 套件,成為文字處理的重要基礎工具,可用於比對、搜尋、擷取與解析結構化內容。
這個套件用「正則表達式所編譯出的模式」來對字串做比對,核心是兩個類:Pattern 與 Matcher。Pattern 是編譯後的模式,可以簡單到只比對某個特定字串,也可以複雜到需要分組與字元類(空白、數字、字母、控制符)。因為 Java 字串基於 Unicode,正則表達式自然也適用於國際化應用。
Matcher 是個狀態機,依 Pattern 的模式對字串做比對。
字元類:
\d 數字 \D 非數字
\w 單字字元 \W 非單字字元 (0-9, A-Z, a-z)
\s 空白 \S 非空白 (含空格、換行、回車、定位字元)
[] 自訂字元類 . 任意單一字元
量詞:
? 前面的子模式出現 0 到 1 次
* 前面的子模式出現 0 次或多次
+ 前面的子模式出現 1 次或多次
{n,m} 出現 n 到 m 次 {n,} 至少 n 次 {n} 恰好 n 次
單純比對單一字串時,正則表達式並沒有優勢。它真正的威力在於搭配字元類與量詞的複合模式。
1. 最簡單的精確比對。模式與文字等價,用靜態的 Pattern.matches 比較:
String data = "java";
boolean result = Pattern.matches("java", data);
2. 量詞 +。模式 m(o+)n 表示 mn 中間的 o 可重複一次或多次,因此 moon、mon、mooon 都能命中,mono 因為 n 後多了一個 o 而失敗。
String[] dataArr = { "moon", "mon", "moon", "mono" };
for (String str : dataArr) {
String patternStr = "m(o+)n";
System.out.println("字符串" + str + (Pattern.matches(patternStr, str) ? "匹配成功" : "匹配失敗"));
}
3. 字元類 []。b[aeiou]n 限定中間只能是 a、e、i、o、u 其中一個,所以 ban、ben、bin、bon、bun 通過,byn、baen 不通過。
4. 分組與|)。要匹配多個字元時 [] 就無力了,改用 () 加 |:b(ee|ea|oo)n 可匹配 been、bean、boon。
5. \d+。代表一位或多位數字,所以 "1"、"10"、"101"、"1010" 通過,而 "100+" 因為含非數字字元失敗。
6. \w+\d+。多個單字字元開頭、多個數字結尾,因此 "a100"、"b20"、"c30"、"df10000" 通過,"gh0t" 因為數字後還有單字字元而失敗。
7. String.split 支援正則。把多種分隔符一次搞定:
String str = "薪水,職位 姓名;年齡 性別";
String[] dataArr = str.split("[,\\s;]");
8. Pattern.split。注意它與 String.split 在使用上的差異:
String str = "2007年12月11日";
Pattern p = Pattern.compile("[年月日]");
String[] dataArr = p.split(str);
9. 分組取代。模式分成兩組,第一組保留、其餘換成 ¥:
String str = "10元 1000人民幣 10000元 100000RMB";
str = str.replaceAll("(\\d+)(元|人民幣|RMB)", "¥$1");
// 結果:¥10 ¥1000 ¥10000 ¥100000
10. 逐段取代。用 find 迴圈搭配 appendReplacement,最後呼叫 appendTail 收尾:
Pattern p = Pattern.compile("m(o+)n", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("moon mooon Mon mooooon Mooon");
StringBuffer sb = new StringBuffer();
boolean result = m.find();
while (result) {
m.appendReplacement(sb, "moon");
result = m.find();
}
m.appendTail(sb);
11. 精確次數。g(o{2,5})gle 要求 o 出現 2 到 5 次,因此 google、gooogle、goooogle 通過,goooooogle(6 個 o)與 ggle(0 個 o)不通過。
12. 範圍。- 表示「到」,[a-c] 等同 [abc],所以 T[a-c]n 只匹配 Tan、Tbn、Tcn。
13. 不分大小寫。預設區分大小寫,加上 Pattern.CASE_INSENSITIVE 後 "ab" 也能匹配 "Ab" 與 "AB"。
14. 用正則切分複雜分隔。把複雜模式寫在前面,否則簡單模式會先命中:
String input = "職務=GM 薪水=50000 , 姓名=職業經理人 ; 性別=男 年齡=45 ";
String patternStr = "(\\s*,\\s*)|(\\s*;\\s*)|(\\s+)";
String[] dataArr = Pattern.compile(patternStr).split(input);
15. 解析標籤內容。取第一個括號 group(2) 的值:
String regex = "<(\\w+)>(\\w+)</>";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("<name>Bill</name><salary>50000</salary>");
while (matcher.find()) {
System.out.println(matcher.group(2));
}
16. 把單字數字混合字串中的單字轉大寫。
String regex = "([a-zA-Z]+[0-9]+)";
Matcher matcher = Pattern.compile(regex).matcher("age45 salary500000 50000 title");
StringBuffer sb = new StringBuffer();
while (matcher.find()) {
matcher.appendReplacement(sb, matcher.group(1).toUpperCase());
}
matcher.appendTail(sb);
把這十六個例子串起來看,正則表達式的學習路徑其實很清晰:先掌握字元類與量詞,再學會分組與取代,最後才是 appendReplacement 這種逐段處理的技巧。