正则表达式及应用
一、 正则表达式
（一）、概念：
正则表达式(regular expression)就是由普通字符（例如a到z）以及特殊字符（称为元字符）组成的一种字符串匹配的模式，可以用来检查一个串是否含有某种子串、将匹配的子串做替换或者从某个串中取出符合某个条件的子串等。
（二）、正则表达式中主要元字符：【其中常用的元字符用红色标出，红色的元字符必须掌握。难点用蓝色标出，难点在一般的应用中并不常用】
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个 向后引用、或一个八进制转义符。例如，'n'
匹配字符 "n"。'\n' （newline）匹配一个换行符。序列 '\\' 匹配 "\" 而
"\(" 则匹配 "("。 ‘\r’ （return）
^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的 Multiline 属性，^ 也匹配
'\n' 或 '\r' 之后的位置。
$ 匹配输入字符串的结束位置。如果设置了RegExp 对象的 Multiline 属性，$ 也匹配
'\n' 或 '\r' 之前的位置。
* 匹配前面的子表达式零次或多次。例如，zo* 能匹配
"z" 以及 "zoo"。* 等价于{0,}。
+ 匹配前面的子表达式一次或多次。例如，'zo+' 能匹配 "zo" 以及
"zoo"，但不能匹配 "z"。+ 等价于 {1,}。
? 匹配前面的子表达式零次或一次。例如，"do(es)?" 可以匹配 "do" 或
"does" 中的"do" 。? 等价于 {0,1}。
{n} n 是一个非负整数。匹配确定的 n 次。例如，'o{2}' 不能匹配
"Bob" 中的 'o'，但是能匹配 "food" 中的两个
o。
{n,} n 是一个非负整数。至少匹配n 次。例如，'o{2,}' 不能匹配
"Bob" 中的 'o'，但能匹配 "foooood" 中的所有
o。'o{1,}' 等价于 'o+'。'o{0,}' 则等价于
'o*'。
{n,m} m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m
次。例如，"o{1,3}" 将匹配 "fooooood" 中的前三个
o。'o{0,1}' 等价于 'o?'。请注意在逗号和两个数之间不能有空格。
? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m})
后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串
"oooo"，'o+?' 将匹配单个 "o"，而 'o+'
将匹配所有 'o'。
点“. ” 匹配除 "\n"
之外的任何单个字符。要匹配包括 '\n'
在内的任何字符，请使用象 '[.\n]' 的模式。
x|y 匹配 x 或 y。“|”代表“或”的意思。例如，'z|food'
能匹配 "z" 或 "food"。'(z|f)ood' 则匹配
"zood" 或 "food"。
[xyz] 字符集合。匹配所包含的任意一个字符。例如， '[abc]' 可以匹配
"plain" 中的 'a'。
[^xyz] 负值字符集合。匹配未包含的任意字符。例如， '[^abc]' 可以匹配
"plain" 中的'p'。
[a-z] 字符范围。匹配指定范围内的任意字符。例如，'[a-z]' 可以匹配 'a'
到 'z' 范围内的任意小写字母字符。
[^a-z]
负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]' 可以匹配任何不在 'a' 到
'z' 范围内的任意字符。
\b
匹配一个单词边界，也就是指单词和空格间的位置。例如， 'er\b' 可以匹配"never" 中的
'er'，但不能匹配 "verb" 中的 'er'。
\B
匹配非单词边界。'er\B' 能匹配 "verb" 中的 'er'，但不能匹配
"never" 中的 'er'。
\cx
匹配由 x 指明的控制字符。例如， \cM 匹配一个 Control-M 或回车符。x 的值必须为 A-Z 或 a-z 之一。否则，将
c 视为一个原义的 'c' 字符。
\d 匹配一个数字字符。等价于 [0-9]。 digital
\D 匹配一个非数字字符。等价于 [^0-9]。
\f
匹配一个换页符。等价于 \x0c 和 \cL。
\n 匹配一个换行符。等价于 \x0a 和 \cJ。
\r 匹配一个回车符。等价于 \x0d 和 \cM。
\s 匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 （space）
\S
匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
\t
匹配一个制表符。等价于 \x09 和 \cI。
\v
匹配一个垂直制表符。等价于 \x0b 和 \cK。
\w 匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 word
\W
匹配任何非单词字符。等价于 '[^A-Za-z0-9_]'。
\num
匹配 num，其中 num 是一个正整数。对所获取的匹配的引用。例如，'(.)\1'
匹配两个连续的相同字符。
\xn
匹配 n，其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'\x41' 匹配
"A"。'\x041' 则等价于 '\x04' &
"1"。正则表达式中可以使用 ASCII 编码。
\un
匹配 n，其中 n 是一个用四个十六进制数字表示的 Unicode 字符。例如， \u00A9 匹配版权符号
(?)。
(pattern)
匹配 pattern 并获取这一匹配。所获取的匹配可以从产生的 Matches 集合得到，在VBScript 中使用
SubMatches 集合，在JScript 中则使用 $0…$9 属性。要匹配圆括号字符，请使用 '\(' 或
'\)'。
(?=pattern) 正向预查。例如windows(?=95/98/2000/NT)，含义是匹配“windows”后面可以是“95”“98”“2000”或者“NT”。
(?!pattern) 负向预查。例windows(?!95/98)，含义是匹配“windows”后面不是“95”或“98”的其它字符串。
（三）、特殊字符：
有部分元字符在正则表达式中代表特定的含义。如果要匹配这些字符本身，需要使用反斜杠"\"进行转义。这些特殊字符有：
^ $
* + ?
{ } ( ) [ ]
\ / . |
【备注：】以上特殊符号在实际定义regexp字符串的时候，实际上使用两个反斜杠"\\"。
（四）、元字符优先级顺序（从高到低，从左到右）
\ 转义字符
() 圆括号， [] 方括号
* + ? {n} {n,} {n,m} 限定符
^ $ 开始和结束标识
| "或"操作
（五）、正则表达式的用途：
1、数据有效性验证：用户注册模块是应用正则表达式最集中的地方，主要是用于验证用户帐号、密码、EMAIL、电话号码、QQ号码、身份证号码、家庭地址等信息。如果填写的内容与正则表达式不匹配，可以断定填写的内容是不合乎要求或虚假的信息；
2、模糊查询，批量替换。可以在文档中使用一个正则表达式来查找匹配的特定文字，然后可以全部将其删除，或者替换为别的文字。
（六）、常用的正则表达式的写法：
1、中文字符：^[\u4E00-\u9FA5]+$
2、手机号码：^(86)?0?1\d{10}$
电话号码：^((d{3,4})|d{3,4}-)?d{7,8}$
3、Email地址：^[\w-]+[\w-.]?@[\w-]+(\.[A-Za-z]{2,5})+$
Email地址：^w+[-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*$
Email地址：w+([-+.]w+)*@w+([-.]w+)*.w+([-.]w+)*
4、URL网址：^http://([w-]+.)+[w-]+(/[w-./?%&=]*)?$
URL网址：http://([w-]+.)+[w-]+(/[w- ./?%&=]*)?
5、密码（安全级别中）：^(\d+[A-Za-z]\w*|[A-Za-z]+\d\w*)$
6、密码（安全级别高）：^(\d+[a-zA-Z~!@#$%^&(){}][\w~!@#$%^&(){}]*|[a-zA-Z~!@#$%^&(){}]+\d[\w~!@#$%^&(){}]*)$
【备注：】对于同一个需求的正则表达式，因理解不同和验证的严格程度不同而差异很大，没有固定的统一写法。只要尽量与需求进行匹配就可以。
（七）、正则表达式的备注说明：【了解】
1、大写英文字母的正则表达式，除了可以写成[A-Z]，还可以写成[\x41-\x5A]。因为在ASCII码字典中A-Z被排在了65－90号（也就是ASCII码的第66到第91位），换算成16进制就是0x41-0x5A；
2、[0-9]，可以写成[\x30-\x39]；
3、[a-z]，可以写成[\x61-\x7A]。
4、中文的正则表达式为：[\u4E00-\u9FA5]
因为中文在unicode编码字典中排在4E00到9FA5之间。换成10进制，也就是第19968号到40869号是中文字，一共20902个中文字被搜录到unicode编码集中。(常识了解：第19968号是“一”，而第40869号是“龥”——发音为yu)。
二、Android中正则表达式的用法：
（一）、核心类：
1、public final class java.util.regex.Pattern
Pattern是正则表达式的编译后的对象形式,即正则模式。
Pattern类是final类，而且它的构造器是private。因此Pattern类不能被继承，不能通过new创建Pattern对象。因此在Pattern类中，提供了2个重载的静态方法，其返回值是Pattern对象。
Pattern pattern = Pattern.compile(String regexp);
将一个字符串转成正则匹配模式对象。类似于在ContentProvider中将一个字符串先转成Uri对象一样。
2、Matcher match = pattern.matcher(需要匹配的字符串)
Matcher是正则模式匹配给定字符串的匹配器.
Pattern对象调用匹配器matcher()方法，查找符合匹配要求的匹配项。Matcher匹配器对象是由匹配模式对象Pattern创建的。
Matcher match = pattern.matcher("要匹配的字符串");
3、Boolean flag = match.matches();
判断需要匹配的字符串是否与正则regex匹配.
4、Boolean flag = match.find();
Attempts to find the next subsequence of the input sequence that matches the pattern.
尝试查找下一个匹配模式的字符串序列。
【备注：】
1、与Cursor中的next()方法类似，Cursor中每next一次，数据就指向下一条。同理，Matcher对象每find一次，匹配项就指向下一个。
2、match.matches()和match.find()这两个方法都可以判断"要匹配的字符串"是否与正则regex匹配，它们有什么区别呢? ——匹配方式不一样
matches() 是拿整个输入的字符串和定义的正则模式匹配; 刚好匹配到整串
find() 是包含匹配, 整个输入的字符串包含定义的正则模式。匹配到子串
match对象在调用matches()后修改了这个对象的某个全局变量。在matches()方法中有this.oldLast = this.last;等代码, 而find()中则没有。
（二）、示例代码：【用户注册时，验证用户名和密码是否符合输入格式】
protected void onCreate(Bundle savedInstanceState) {
super.onCreate(savedInstanceState);
setContentView(R.layout.activity_main);
// 定义用户名和密码的文本编辑框
editText_main_username = (EditText) findViewById(R.id.editText_main_username);
editText_main_password = (EditText) findViewById(R.id.editText_main_password);
// 定义用户登录的提交按钮
button_main_submit = (Button) findViewById(R.id.button_main_submit);
// 给提交按钮增加单击监听器
button_main_submit.setOnClickListener(new View.OnClickListener() {
@Override
public void onClick(View v) {
// 获取表单控件的数据
String username = editText_main_username.getText().toString();
String password = editText_main_password.getText().toString();
// 先判断用户名和密码是否为空，如果为空，则给予提示，不再继续执行
if (username.equals("") || password.equals("")) {
Toast.makeText(MainActivity.this, "用户名或密码不得为空！", 5000).show();
} else {
// 如果用户名和密码都不为空，再判断用户名和密码是否匹配指定的格式。如果不符合则给予提示，并不再继续执行。
if (!checkUsername(username) && !checkPassword(password)) {
Toast.makeText(MainActivity.this, "用户名不符合要求！", 5000).show();
} else {
try {
// 为了避免出现乱码，对用户名等含有中文的字符串进行编码处理。
postString = "username="
+ URLEncoder.encode(username, "utf-8")
+ "&password=" + password;
// 调用异步任务，访问网络
new MyTask(MainActivity.this).execute(urlString);
} catch (Exception e) {
e.printStackTrace();
}
}
}
}
});
}
// 验证用户名是否匹配指定格式的方法
public boolean checkUsername(String str) {
String regexp = "^[a-zA-Z]{6,20}$";
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
return matcher.matches();
}
// 验证密码是否匹配指定格式的方法
public boolean checkPassword(String str) {
String regexp = "^[0-9a-zA-Z]{6}$";
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
return matcher.matches();
}
//获取所有匹配项
private List<String> getPatternList(String str, String regexp) {
List<String> list = new ArrayList<String>();
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
if (!list.contains(matcher.group()))
list.add(matcher.group());
}
return list;
}
public static String convertAngleTag(String str) {
str = str.replaceAll("<", "<");
str = str.replaceAll(">", ">");
return str;
}
三、工具类：UbbToHtml.java：【后期项目中会用到】
AndroidManual项目中，从数据库中取出的数据中含有自定义的UBB标签。为了能在WebView中有格式地显示，需要将UBB标签转成html标记语言。如果不懂得正则，很难能做到。以下示例代码就以AndroidManual项目中的标签替换为例。也希望同学们能将以下代码用于自己的AndroidManual项目中，体会正则表达式的用法。
【备注：】
以下代码中使用了StringBuffer类，请思考是否可以用StringBuilder？
工具类：UbbToHtml.java
package com.steven.helper;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class UbbToHtml {
// 将ubb标签语言转成html
public static String convertUbbToHtml(String str) {
str = convertAngleTag(str);
str = convertCommentTag(str);
str = convertColorTag(str);
str = convertImgTag(str);
str = convertFieldsTag(str);
str = convertKeywordsTag(str);
str = convertJavaTag(str);
str = convertOtherTag(str);
return str;
}
// 将[code=img]和[/code]标签转成html
public static String convertImgTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(\\[code=img\\])([^\\[]+)(\\[/code\\])";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb, "<img src=\"file:///android_asset/" + match.group(2) + "\" width='230dp'>");
result = match.find();
}
//match.appendTail(sb);
return sb.toString();
}
// 将[code=java]和[/code]标签转成html
public static String convertJavaTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(\\[code=java\\])\n?([\\s\\S]+?)(\\[/code\\])";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb, "<div style='border:solid 1px #bbb;background:#eee;padding:8; margin:10 0 10 0;'>" + match.group(2) + "</div>");
result = match.find();
}
match.appendTail(sb);
return sb.toString();
}
// 将[color=blue]标签转成html
public static String convertColorTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(\\[color=blue\\])([^\\s]+)([\\s]+?)";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb,"<div style='color:blue;margin:10 0 10 0;font-weight:bolder;'>" + match.group(2) + "</div>");
result = match.find();
}
match.appendTail(sb);
return sb.toString();
}
// 将#[Fields]标签转成html
public static String convertFieldsTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(#\\[Fields\\])([^#]+?)#";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb,"<span style='color:red;'>" + match.group(2) + "</span>");
result = match.find();
}
match.appendTail(sb);
return sb.toString();
}
// 将#[Keywords]标签转成html
public static String convertKeywordsTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(#\\[Keywords\\])(\\w+[\\s]?)";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb,"<span style='color:#900;'>" + match.group(2) + "</span>");
result = match.find();
}
match.appendTail(sb);
return sb.toString();
}
// 将#[Comments]标签转成html
public static String convertCommentTag(String str) {
if (str == null || str.length() == 0) {
return str;
}
String regexp = "(#\\[Comments\\]//)([^#]+)";
Pattern pattern = Pattern.compile(regexp);
Matcher match = pattern.matcher(str);
StringBuffer sb = new StringBuffer();
boolean result = match.find();
while (result) {
match.appendReplacement(sb, "<div>//" + match.group(2) + "</div>");
result = match.find();
}
match.appendTail(sb);
return sb.toString();
}
// 将\n换行标签及其他标签转成html
public static String convertOtherTag(String str) {
str = str.replaceAll("#\\}", "<br/>}");
str = str.replaceAll("#", "");
str = str.replaceAll("\n", "<br/>");
return str;
}
// 将左尖括号和右尖括号转成实体符号<和>。在html标签语言中，“<”和“>”会被认为是html标记。因此要先将其替换。
public static String convertAngleTag(String str) {
str = str.replaceAll("<", "<");
str = str.replaceAll(">", ">");
return str;
}
}
//调用页面只需要调用：String newStr = UbbToHtml.convertUbbToHtml(需要替换的字符串); 即可。
四、常用正则表达式的写法：
（一）、【附录1：】常用的正则表达式写法一：
匹配特定数字：
^[1-9]d*$ //匹配正整数
^-[1-9]d*$ //匹配负整数
^-?[1-9]d*$ //匹配整数
^[1-9]d*|0$ //匹配非负整数（正整数 + 0）
^-[1-9]d*|0$ //匹配非正整数（负整数 + 0）
^[1-9]d*.d*|0.d*[1-9]d*$ //匹配正浮点数
^-([1-9]d*.d*|0.d*[1-9]d*)$ //匹配负浮点数
^-?([1-9]d*.d*|0.d*[1-9]d*|0?.0+|0)$ //匹配浮点数
^[1-9]d*.d*|0.d*[1-9]d*|0?.0+|0$ //匹配非负浮点数（正浮点数 + 0）
^(-([1-9]d*.d*|0.d*[1-9]d*))|0?.0+|0$ //匹配非正浮点数（负浮点数 + 0）
匹配特定字符串：
^[A-Za-z]+$ //匹配由26个英文字母组成的字符串
^[A-Z]+$ //匹配由26个英文字母的大写组成的字符串
^[a-z]+$ //匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ //匹配由数字和26个英文字母组成的字符串
^w+$ //匹配由数字、26个英文字母或者下划线组成的字符串
只能输入数字：“^[0-9]*$”
只能输入n位的数字：“^d{n}$”
只能输入至少n位数字：“^d{n,}$”
只能输入m-n位的数字：“^d{m,n}$”
只能输入零和非零开头的数字：“^(0|[1-9][0-9]*)$”
只能输入有两位小数的正实数：“^[0-9]+(.[0-9]{2})?$”
只能输入有1-3位小数的正实数：“^[0-9]+(.[0-9]{1,3})?$”
只能输入非零的正整数：“^+?[1-9][0-9]*$”
只能输入非零的负整数：“^-[1-9][0-9]*$”
只能输入长度为3的字符：“^.{3}$”
只能输入由26个英文字母组成的字符串：“^[A-Za-z]+$”
只能输入由26个大写英文字母组成的字符串：“^[A-Z]+$”
只能输入由26个小写英文字母组成的字符串：“^[a-z]+$”
只能输入由数字和26个英文字母组成的字符串：“^[A-Za-z0-9]+$”
只能输入由数字、26个英文字母或者下划线组成的字符串：“^w+$”
验证用户密码:“^[a-zA-Z]w{5,17}$”正确格式为：以字母开头，长度在6-18之间，
只能包含字符、数字和下划线。
验证是否含有^%&’,;=?$”等字符：“[^%&’,;=?$x22]+”
只能输入汉字：“^[u4e00-u9fa5]{0,}$”
验证身份证号（15位或18位数字）：“^d{15}|d{}18$”
验证一年的12个月：“^(0?[1-9]|1[0-2])$”正确格式为：“01”-“09”和“1”“12”
验证一个月的31天：“^((0?[1-9])|((1|2)[0-9])|30|31)$”
匹配中文字符的正则表达式： [u4e00-u9fa5]
匹配双字节字符(包括汉字在内)：[^x00-xff]
匹配空行的正则表达式：n[s| ]*r
匹配HTML标记的正则表达式：/< (.*)>.*|< (.*) />/
匹配首尾空格的正则表达式：(^s*)|(s*$)
（二）、【附录2：】常用的正则表达式写法二：
整数或者小数：^[0-9]+\.{0,1}[0-9]{0,2}$
只能输入数字："^[0-9]*$"。
只能输入n位的数字："^\d{n}$"。
只能输入至少n位的数字："^\d{n,}$"。
只能输入m~n位的数字：。"^\d{m,n}$"
只能输入零和非零开头的数字："^(0|[1-9][0-9]*)$"。
只能输入有两位小数的正实数："^[0-9]+(.[0-9]{2})?$"。
只能输入有1~3位小数的正实数："^[0-9]+(.[0-9]{1,3})?$"。
只能输入非零的正整数："^\+?[1-9][0-9]*$"。
只能输入非零的负整数："^\-[1-9][]0-9"*$。
只能输入长度为3的字符："^.{3}$"。
只能输入由26个英文字母组成的字符串："^[A-Za-z]+$"。
只能输入由26个大写英文字母组成的字符串："^[A-Z]+$"。
只能输入由26个小写英文字母组成的字符串："^[a-z]+$"。
只能输入由数字和26个英文字母组成的字符串："^[A-Za-z0-9]+$"。
只能输入由数字、26个英文字母或者下划线组成的字符串："^\w+$"。
验证用户密码："^[a-zA-Z]\w{5,17}$"正确格式为：以字母开头，长度在6~18之间，只能包含字符、数字和下划线。
验证是否含有^%&',;=?$\"等字符："[^%&',;=?$\x22]+"。
只能输入汉字："^[\u4e00-\u9fa5]{0,}$"
验证Email地址："^\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*$"。
验证InternetURL："^http://([\w-]+\.)+[\w-]+(/[\w-./?%&=]*)?$"。
验证电话号码："^(\(\d{3,4}-)|\d{3.4}-)?\d{7,8}$"
正确格式为："XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX"。
验证身份证号（15位或18位数字）："^\d{15}|\d{18}$"。
验证一年的12个月："^(0?[1-9]|1[0-2])$"正确格式为："01"～"09"和"1"～"12"。
验证一个月的31天："^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为；"01"～"09"和"1"～"31"。
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
匹配空行的正则表达式：\n[\s| ]*\r
匹配html标签的正则表达式：<(.*)>(.*)<\/(.*)>|<(.*)\/>
匹配首尾空格的正则表达式：(^\s*)|(\s*$)
网友评论