正则表达式实用指南（二）：转移字符、量词和捕获小能手

本文收录在 《从小工到专家的 Java 进阶之旅》 系列专栏中。

你好，我是看山。

正则表达式是Java变成中一把利器，常出现在文本检查、替换等逻辑中。本文中，我们将深入探讨 Java 正则表达式 API，并研究如何在 Java 编程语言中运用正则表达式。

在正则表达式的领域中，存在多种不同的“风格”可供选择，例如 grep、Perl、Python、PHP、awk 等等。这就意味着，在一种编程语言中有效的正则表达式，在另一种语言中可能无法正常工作。Java 中的正则表达式语法与 Perl 中的最为相似。

• 一、元字符及关系运算

五、预定义字符类

Java 正则表达式 API 也接受预定义字符类。Java 版本正则表达式的一个特殊之处在于转义字符。

如我们所见，大多数预定义字符类以反斜杠“\”开头，而反斜杠在 Java 中有特殊含义。为了让Pattern类能够正确编译这些字符类，必须对开头的反斜杠进行转义，即\d要写成\\d。

匹配数字，等同于[0-9]：

int matches = runTest("\\d", "123");

assertEquals(matches, 3);

匹配非数字，等同于[^0-9]：

int matches = runTest("\\D", "a6c");

assertEquals(matches, 2);

匹配空白字符：

int matches = runTest("\\s", "a c");

assertEquals(matches, 1);

匹配非空白字符：

int matches = runTest("\\S", "a c");

assertEquals(matches, 2);

匹配单词字符，等同于“[a-zA-Z_0-9]”：

int matches = runTest("\\w", "hi!");

assertEquals(matches, 2);

匹配非单词字符：

int matches = runTest("\\W", "hi!");

assertEquals(matches, 1);

六、量词

Java 正则表达式 API 还允许我们使用量词。通过量词，我们可以指定匹配的次数，进一步调整匹配行为。

要匹配文本零次或一次，我们使用?量词：

int matches = runTest("\\a?", "hi");

assertEquals(matches, 3);

或者，我们也可以使用花括号语法，Java 正则表达式 API 也支持这种方式：

int matches = runTest("\\a{0,1}", "hi");

assertEquals(matches, 3);

这个例子引入了零长度匹配的概念。如果量词的匹配阈值为零，它将匹配文本中的所有内容，包括每个输入末尾的空字符串。这意味着，即使输入为空，它也会返回一个零长度匹配。

这就解释了为什么在上面的例子中，尽管输入字符串的长度为 2，但我们得到了三个匹配。第三个匹配就是零长度的空字符串。

要匹配文本零次或无数次，我们使用*量词，它与``?`类似：

int matches = runTest("\\a*", "hi");

assertEquals(matches, 3);

支持的替代方式：

int matches = runTest("\\a{0,}", "hi");

assertEquals(matches, 3);

与*和?不同的量词是+，它的匹配阈值为 1。如果所需字符串根本不出现，就不会有匹配，甚至连零长度字符串也不会匹配：

int matches = runTest("\\a+", "hi");

assertEquals(matches, 0);

支持的替代方式：

int matches = runTest("\\a{1,}", "hi");

assertEquals(matches, 0);

与 Perl 和其他语言一样，我们可以使用花括号语法来指定文本的匹配次数：

int matches = runTest("a{3}", "aaaaaa");

assertEquals(matches, 2);

在上述例子中，我们得到两个匹配，因为只有当“a”连续出现三次时才会有匹配。然而，在接下来的测试中，由于文本中“a”只连续出现两次，所以不会有匹配：

int matches = runTest("a{3}", "aa");

assertFalse(matches > 0);

当我们在花括号中使用范围时，匹配将是贪婪的，会从范围的较大端开始匹配：

int matches = runTest("a{2,3}", "aaaa");

assertEquals(matches, 1);

这里我们指定至少出现两次，但不超过三次，所以匹配器会将“aaaa”视为一个“aaa”和一个单独的“a”，只得到一个匹配。

然而，API 允许我们指定一种懒惰或非贪婪的方式，使得匹配器可以从范围的较小端开始匹配，将“aaaa”匹配为“aa”和“aa”：

int matches = runTest("a{2,3}?", "aaaa");

assertEquals(matches, 2);

七、捕获组

API 还允许我们通过捕获组将多个字符视为一个单元。它会为捕获组分配编号，并允许使用这些编号进行反向引用。

在本节中，我们将通过几个示例来了解如何在 Java 正则表达式 API 中使用捕获组。

让我们使用一个捕获组，使其仅在输入文本包含两个相邻数字时进行匹配：

int matches = runTest("(\\d\\d)", "12");

assertEquals(matches, 1);

上述匹配的编号为 1，通过反向引用，我们可以告诉匹配器我们希望匹配文本中已匹配部分的另一次出现。这样，对于输入“1212”，我们可以将其视为一个匹配，而不是两个单独的匹配：

int matches = runTest("(\\d\\d)", "1212");

assertEquals(matches, 2);

我们可以有一个匹配，并通过反向引用使相同的正则表达式匹配扩展到整个输入长度：

int matches = runTest("(\\d\\d)\\1", "1212");

assertEquals(matches, 1);

如果不使用反向引用，我们需要重复正则表达式来实现相同的结果：

int matches = runTest("(\\d\\d)(\\d\\d)", "1212");

assertEquals(matches, 1);

同样，对于任何其他重复次数，反向引用都可以使匹配器将输入视为一个匹配：

int matches = runTest("(\\d\\d)\\1\\1\\1", "12121212");

assertEquals(matches, 1);

但是，如果我们更改最后一个数字，匹配将失败：

int matches = runTest("(\\d\\d)\\1", "1213");

assertFalse(matches > 0);

在 Java 语法中，不要忘记转义反斜杠，这一点至关重要。

文末总结

正则表达式是一个开发利器，用的好的话，会大大提升我们的开发效率。本文介绍了转移字符、量词和捕获组，后续慢慢展开，把正则表达式的各种功能展示出来。

青山不改，绿水长流，我们下次见。

推荐阅读

• 从小工到专家的 Java 进阶之旅
• 并发编程
• MapStruct实用手册
• 一个架构师的素养修炼
• 一文掌握 Java8 Stream 中 Collectors 的 24 个操作
• 一文掌握 Java8 的 Optional 的 6 种操作
• 使用 Lambda 表达式实现超强的排序功能
• Java11 中基于嵌套关系的访问控制优化
• 原来OpenFeign功能这么强大
• 原来OpenFeign功能这么强大（第二弹）
• 使用OpenFeign的5个步骤和7个高级功能
• 由浅入深掌握CompletableFuture的七种用法
• 全新的HttpClient，现代高效的网络通信利器
• Java 中反射、内省的性能差距居然如此
• 比反射更好用的内省
• 异常处理的9条建议
• Java原生支持Lombok了
• MapStruct教程
• 手写重试器
• 等待线程完成的三种常用方式
• 如何在线程完成时执行回调
• 由浅入深掌握Future
• 由浅入深掌握ExecutorService
• Fork/Join框架快速上手指南
• 如何延迟执行一段代码

---

你好，我是看山。游于码界，戏享人生。如果文章对您有帮助，请点赞、收藏、关注。我还整理了一些精品学习资料，关注公众号「看山的小屋」，回复“资料”即可获得。

• 个人主页：https://www.howardliu.cn
• 个人博文：正则表达式实用指南（二）：转移字符、量词和捕获小能手
• CSDN 主页：https://kanshan.blog.csdn.net/
• CSDN 博文：正则表达式实用指南（二）：转移字符、量词和捕获小能手

👇🏻欢迎关注我的公众号「看山的小屋」，领取精选资料👇🏻