程序员布欧

简体中文

English

简体中文

English

外观

正则表达式

约 931 字大约 3 分钟

布欧-Lewyon

2026-05-16

首页 › Java › 核心类库 › 正则表达式

正则表达式（Regular Expression）是一种描述字符串模式的语法，常用于校验格式、提取信息和替换文本。Java 通过 java.util.regex 包提供支持。

Pattern 与 Matcher

核心是两个类：Pattern 编译正则字符串为模式对象，Matcher 在目标字符串上执行匹配。

Pattern pattern = Pattern.compile("\\d+");          // 匹配一个或多个数字
Matcher matcher = pattern.matcher("abc123def456");

while (matcher.find()) {
    System.out.println(matcher.group());            // 123, 456
}
  • Pattern 是不可变且线程安全的，可缓存复用。
  • Matcher 有内部状态，非线程安全，每次匹配应创建新实例。

常用语法速查

模式含义示例匹配
.任意字符（除换行）a、1
\d数字 [0-9]5
\w单词字符 [a-zA-Z0-9_]A、_
\s空白字符（空格、Tab、换行）、\t
^行首
$行尾
*前一个元素出现 0~n 次
+前一个元素出现 1~n 次
?前一个元素出现 0 或 1 次
{n,m}前一个元素出现 n~m 次\d{3,5}
[abc]字符集：a、b、c 之一[aeiou] 匹配元音
[^abc]排除字符集
( )分组，捕获匹配内容

在 Java 字符串中反斜线需要转义，\d 要写成 "\\d"，\. 要写成 "\\."。

分组

括号 () 除了控制优先级，还能捕获匹配的子串：

Pattern pattern = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher matcher = pattern.matcher("2026-05-16");

if (matcher.matches()) {
    System.out.println(matcher.group(0));  // 2026-05-16（完整匹配）
    System.out.println(matcher.group(1));  // 2026
    System.out.println(matcher.group(2));  // 05
    System.out.println(matcher.group(3));  // 16
}

命名分组（Java 7+）

Pattern pattern = Pattern.compile("(?<year>\\d{4})-(?<month>\\d{2})");
Matcher matcher = pattern.matcher("2026-05");
if (matcher.matches()) {
    System.out.println(matcher.group("year"));   // 2026
}

String 上的正则方法

String 本身提供几个使用正则的方法，日常编码更常用：

String s = "Hello, Java 2026!";

s.matches("\\w+");               // false（需要完全匹配）
s.matches("Hello.*");            // true

s.split("\\s+");                 // ["Hello,", "Java", "2026!"]
s.split("[,\\s!]+");             // ["Hello", "Java", "2026"]

s.replaceAll("\\d+", "YEAR");    // "Hello, Java YEAR!"
s.replaceFirst("\\w+", "Hi");    // "Hi, Java 2026!"
  • matches() 要求整个字符串匹配模式，等价于在正则前后隐式加了 ^ 和 $。
  • replaceAll 和 replaceFirst 中可使用 $1 引用分组。
// 交换姓名顺序 "Last, First" → "First Last"
"Liu, Yuan".replaceAll("(\\w+),\\s*(\\w+)", "$2 $1");  // "Yuan Liu"

常见模式示例

// Email 校验（简化版）
Pattern EMAIL = Pattern.compile("^[\\w.-]+@[\\w.-]+\\.\\w{2,}$");
EMAIL.matcher("user@example.com").matches();  // true

// 手机号（中国大陆，简化版）
Pattern PHONE = Pattern.compile("^1[3-9]\\d{9}$");

// 提取 HTML 标签中的文本
Pattern TAG = Pattern.compile("<\\w+>(.*?)</\\w+>");
// 注意：实际解析 HTML 应使用专门的解析器（如 Jsoup），正则不适合嵌套结构

性能注意

  • 正则编译（Pattern.compile）开销不小，重用 Pattern 而非每次编译。
  • 贪婪量词（*、+）默认尽可能多匹配，遇到复杂模式可能导致灾难性回溯。能用 *?、+?（懒惰模式）或 ++（占有模式）时优先使用。
  • 简单字符串操作（startsWith、contains）比正则快得多，仅在需要模式匹配时才用正则。

小结

  • 正则核心：Pattern.compile(regex) → matcher(input) → find()/matches()/group()。
  • 分组用 () 捕获子串，命名分组通过 (?<name>) 定义、group("name") 读取。
  • String.split、replaceAll、matches 是最常用的正则入口。
  • 复杂嵌套结构（HTML、JSON）不要用正则，使用专用解析器。
  • 易错：Java 字符串中反斜线需写两次（"\\d"）。matches() 是完全匹配，find() 是部分查找，两者行为不同容易混淆。
  • 思考任务：写一个方法 boolean isValidPhone(String s)，用正则校验中国大陆手机号（11 位、1 开头、第二位 3-9）。再写一个从日志行 2026-05-16 14:30:00 [INFO] 用户 1001 登录 中提取日期、级别和用户 ID 的正则。

上一节：String 与日期时间

下一节：序列化

贡献者: 布欧-Lewyon