Java 正则表达式学习笔记（详细版）

正则表达式（Regular Expression，简称 Regex）是一种强大的文本模式匹配工具。在 Java 中，正则表达式通过 java.util.regex 包实现，主要用于字符串匹配、查找、替换和分割。

---

一、核心类与流程

Java 处理正则表达式主要涉及三个类：

1. Pattern：正则表达式的编译表示。
   • 正则表达式字符串首先被编译成 Pattern 对象。
   • 最佳实践：如果正则表达式会被重复使用，应将其编译为 Pattern 对象并缓存（static final），避免重复编译带来的性能开销。
2. Matcher：执行匹配操作的对象。
   • 由 Pattern 对象创建，用于对目标字符串进行匹配、查找和替换。
3. PatternSyntaxException：当正则表达式语法错误时抛出的异常。

标准使用流程

// 1. 编译正则表达式
Pattern pattern = Pattern.compile("\\d+");

// 2. 创建匹配器
Matcher matcher = pattern.matcher("abc123def456");

// 3. 执行匹配操作
while (matcher.find()) {
    System.out.println("找到: " + matcher.group());
}

---

二、常用元字符与语法

在 Java 字符串中，反斜杠 \ 是转义字符，因此正则表达式中的 \ 需要写成 \\。

1. 字符匹配

符号	含义	示例	匹配内容
.	匹配任意单个字符（除换行符外）	a.c	abc, a2c
\d	匹配数字	\d+	123, 0
\D	匹配非数字	\D+	abc, !
\w	匹配单词字符（字母、数字、下划线）	\w+	user_name, a1
\W	匹配非单词字符	\W+	!@#,
\s	匹配空白字符（空格、制表符、换行）	\s+	, \t
\S	匹配非空白字符	\S+	abc
[abc]	匹配括号内的任意一个字符	[a-z]	a, z
[^abc]	匹配非括号内的字符	[^0-9]	a, !
[a-z]	匹配范围内的字符	[a-zA-Z]	a, Z

2. 数量限定符

符号	含义	示例	匹配次数
*	0 次或多次	ab*c	ac, abc, abbbc
+	1 次或多次	ab+c	abc, abbbc (不匹配 ac)
?	0 次或 1 次	colou?r	color, colour
{n}	恰好 n 次	\d{3}	123
{n,}	至少 n 次	\d{3,}	123, 12345
{n,m}	n 到 m 次	\d{2,4}	12, 1234

注意：默认是贪婪匹配（尽可能多匹配）。

• * 是贪婪的，*? 是非贪婪（懒惰）匹配。
• 示例：a.*b 匹配 aabab 会匹配整个字符串；a.*?b 会匹配 aab 和 ab。

3. 边界匹配

符号	含义	示例
^	匹配字符串开头	^abc (以 abc 开头)
$	匹配字符串结尾	xyz$ (以 xyz 结尾)
\b	匹配单词边界	\bcat\b (匹配独立的 cat)
\B	匹配非单词边界	\Bcat\B

4. 分组与引用

• ()：捕获分组。将括号内的内容作为一个整体，并可以后续引用。
• (?:...)：非捕获分组。只分组，不捕获（不占用组号，性能稍好）。
• \1, \2：反向引用。引用前面第 1、2 个分组匹配的内容。
• |：或。匹配左边或右边。

示例：

// 匹配重复的单词
String regex = "(\\w+)\\s+\\1"; 
// 匹配 "hello hello"，但不匹配 "hello world"

---

三、常用方法详解

1. Pattern 类的方法

• static Pattern compile(String regex)：编译正则。
• static Pattern compile(String regex, int flags)：带标志位编译（如 CASE_INSENSITIVE 忽略大小写）。
• Matcher matcher(CharSequence input)：创建匹配器。

2. Matcher 类的方法

方法	功能	返回值	说明
matches()	判断整个字符串是否匹配	boolean	必须完全匹配
lookingAt()	判断开头是否匹配	boolean	只要开头匹配即可
find()	查找下一个匹配项	boolean	可循环调用查找所有
group()	返回当前匹配的文本	String	默认返回第 0 组（整体）
group(int i)	返回第 i 个捕获组	String	从 1 开始计数
start() / end()	返回匹配项的起始/结束索引	int
replaceAll(String repl)	替换所有匹配项	String	返回新字符串
replaceFirst(String repl)	替换第一个匹配项	String
appendReplacement() / appendTail()	高级替换（支持动态逻辑）	Matcher	用于复杂替换场景

---

四、实战代码示例

1. 验证邮箱格式

public static boolean isValidEmail(String email) {
    // 简单邮箱正则：字母数字下划线 + @ + 域名 + . + 后缀
    String regex = "^[a-zA-Z0-9_+.-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$";
    return email != null && email.matches(regex);
}
// 注意：String.matches() 内部会自动编译 Pattern，适合一次性使用

2. 提取 HTML 标签中的内容

String html = "<div>Hello</div><p>World</p>";
String regex = "<(\\w+)>(.*?)</\\1>"; // \1 引用第一个分组 <div> 对应 </div>

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL); // DOTALL 让 . 匹配换行符
Matcher matcher = pattern.matcher(html);

while (matcher.find()) {
    System.out.println("标签名: " + matcher.group(1)); // div, p
    System.out.println("内容: " + matcher.group(2));   // Hello, World
}

3. 替换敏感词

String text = "这个产品非常棒，但是价格有点贵。";
String regex = "贵";
String replacement = "性价比低";

String result = text.replaceAll(regex, replacement);
System.out.println(result); // 这个产品非常棒，但是价格有点性价比低。

4. 分割字符串

String data = "apple,banana;orange|grape";
// 使用正则分割，支持多种分隔符
String[] fruits = data.split("[,;|]"); 
for (String f : fruits) {
    System.out.println(f);
}

5. 性能优化（缓存 Pattern）

// ❌ 不推荐：每次调用都重新编译
public boolean check(String input) {
    return input.matches("\\d{3}-\\d{4}");
}

// ✅ 推荐：静态缓存 Pattern
private static final Pattern PHONE_PATTERN = Pattern.compile("\\d{3}-\\d{4}");

public boolean check(String input) {
    return PHONE_PATTERN.matcher(input).matches();
}

---

五、常用标志位 (Flags)

在 Pattern.compile(regex, flags) 中使用：

标志位	含义
Pattern.CASE_INSENSITIVE	忽略大小写
Pattern.MULTILINE	多行模式，^ 和 $ 匹配每行的开头结尾
Pattern.DOTALL	单行模式，. 可以匹配换行符 \n
Pattern.UNICODE_CASE	配合 CASE_INSENSITIVE 支持 Unicode 大小写
Pattern.COMMENTS	允许正则中包含注释和空白（需配合 # 注释）

示例：

Pattern p = Pattern.compile("abc", Pattern.CASE_INSENSITIVE | Pattern.DOTALL);

---

六、常见陷阱与注意事项

1. 转义字符问题

Java 字符串中 \ 需要转义，正则中 \ 也需要转义。

• 匹配反斜杠：正则写 \\，Java 字符串写 "\\\\"。
• 匹配数字：正则写 \d，Java 字符串写 "\\d"。

2. 贪婪 vs 非贪婪

• .* 是贪婪的，会匹配尽可能多的字符。
• .*? 是非贪婪的，匹配尽可能少的字符。
• 示例：<.*> 匹配 <a> <b> 会匹配整个字符串；<.*?> 会分别匹配 <a> 和 <b>。

3. matches() vs find()

• matches()：要求整个字符串完全匹配正则。
• find()：在字符串中查找是否存在匹配的子串。
• 示例："abc123".matches("\\d+") 返回 false；"abc123".find("\\d+") 返回 true。

4. 性能问题

• 避免在循环中频繁编译正则。
• 避免使用复杂的嵌套分组或回溯过多的正则（可能导致 Catastrophic Backtracking，程序卡死）。
• 对于简单的分割或替换，优先使用 String 类的方法（如 split, replace），它们内部可能做了优化。

5. 特殊字符转义

在字符类 [] 中，大部分特殊字符不需要转义，但 ], \, ^, - 需要小心处理。

• 匹配 -：放在 [] 开头或结尾，或转义 \\-。
• 匹配 ]：必须转义 \\] 或放在 [] 开头。

---

七、总结

• 核心类：Pattern (编译), Matcher (匹配)。
• 语法：掌握 \d, \w, *, +, ?, (), | 等核心元字符。
• 性能：重复使用的正则务必缓存 Pattern 对象。
• 转义：注意 Java 字符串的双重转义。
• 工具：善用 String.matches(), split(), replaceAll() 简化代码，但复杂逻辑用 Pattern/Matcher。

正则表达式是处理文本的利器，熟练掌握能极大提升开发效率。建议配合在线正则测试工具（如 regex101.com）进行练习。