匹配规则

共计 3259 个字符，预计需要花费 9 分钟才能阅读完成。

正则表达式的匹配规则是从左到右按规则匹配。我们首先来看如何使用正则表达式来做精确匹配。

对于正则表达式 abc 来说，它只能精确地匹配字符串 "abc"，不能匹配"ab"，"Abc"，"abcd" 等其他任何字符串。

如果正则表达式有特殊字符，那就需要用 \ 转义。例如，正则表达式 a\&c，其中\& 是用来匹配特殊字符 & 的，它能精确匹配字符串 "a&c"，但不能匹配"ac"、"a-c"、"a&&c" 等。

要注意正则表达式在 Java 代码中也是一个字符串，所以，对于正则表达式 a\&c 来说，对应的 Java 字符串是 "a\\&c"，因为\ 也是 Java 字符串的转义字符，两个 \\ 实际上表示的是一个\：

// regex
public class Main {public static void main(String[] args) {String re1 = "abc";
        System.out.println("abc".matches(re1));
        System.out.println("Abc".matches(re1));
        System.out.println("abcd".matches(re1));

        String re2 = "a\\&c"; // 对应的正则是 a\&c
        System.out.println("a&c".matches(re2));
        System.out.println("a-c".matches(re2));
        System.out.println("a&&c".matches(re2));
    }
}

如果想匹配非 ASCII 字符，例如中文，那就用 \u#### 的十六进制表示，例如：a\u548cc匹配字符串 "a 和 c"，中文字符 和的 Unicode 编码是548c。

精确匹配实际上用处不大，因为我们直接用 String.equals() 就可以做到。大多数情况下，我们想要的匹配规则更多的是模糊匹配。我们可以用 . 匹配一个任意字符。

例如，正则表达式 a.c 中间的 . 可以匹配一个任意字符，例如，下面的字符串都可以被匹配：

"abc"，因为 . 可以匹配字符b；
"a&c"，因为 . 可以匹配字符&；
"acc"，因为 . 可以匹配字符c。

但它不能匹配 "ac"、"a&&c"，因为. 匹配一个字符且仅限一个字符。

用 . 可以匹配任意字符，这个口子开得有点大。如果我们只想匹配 0~9 这样的数字，可以用 \d 匹配。例如，正则表达式 00\d 可以匹配：

"007"，因为 \d 可以匹配字符7；
"008"，因为 \d 可以匹配字符8。

它不能匹配 "00A"，"0077"，因为\d 仅限单个数字字符。

用 \w 可以匹配一个字母、数字或下划线，w 的意思是 word。例如，java\w可以匹配：

"javac"，因为 \w 可以匹配英文字符c；
"java9"，因为 \w 可以匹配数字字符9；。
"java_"，因为 \w 可以匹配下划线_。

它不能匹配 "java#"，"java"，因为\w 不能匹配#、空格等字符。

用 \s 可以匹配一个空格字符，注意空格字符不但包括空格，还包括 tab 字符（在 Java 中用\t 表示）。例如，a\sc可以匹配：

"a c"，因为 \s 可以匹配空格字符；
"a c"，因为 \s 可以匹配 tab 字符\t。

它不能匹配 "ac"，"abc" 等。

用 \d 可以匹配一个数字，而 \D 则匹配一个非数字。例如，00\D可以匹配：

"00A"，因为 \D 可以匹配非数字字符A；
"00#"，因为 \D 可以匹配非数字字符#。

00\d可以匹配的字符串 "007"，"008" 等，00\D是不能匹配的。

类似的，\W可以匹配 \w 不能匹配的字符，\S可以匹配 \s 不能匹配的字符，这几个正好是反着来的。

// regex
public class Main {public static void main(String[] args) {String re1 = "java\\d"; // 对应的正则是 java\d
        System.out.println("java9".matches(re1));
        System.out.println("java10".matches(re1));
        System.out.println("javac".matches(re1));

        String re2 = "java\\D";
        System.out.println("javax".matches(re2));
        System.out.println("java#".matches(re2));
        System.out.println("java5".matches(re2));
    }
}

我们用 \d 可以匹配一个数字，例如，A\d可以匹配"A0"，"A1"，如果要匹配多个数字，比如"A380"，怎么办？

修饰符 * 可以匹配任意个字符，包括 0 个字符。我们用 A\d* 可以匹配：

A：因为 \d* 可以匹配 0 个数字；
A0：因为 \d* 可以匹配 1 个数字0；
A380：因为 \d* 可以匹配多个数字380。

修饰符 + 可以匹配至少一个字符。我们用 A\d+ 可以匹配：

A0：因为 \d+ 可以匹配 1 个数字0；
A380：因为 \d+ 可以匹配多个数字380。

但它无法匹配 "A"，因为修饰符+ 要求至少一个字符。

修饰符 ? 可以匹配 0 个或一个字符。我们用 A\d? 可以匹配：

A：因为 \d? 可以匹配 0 个数字；
A0：因为 \d? 可以匹配 1 个数字0。

但它无法匹配 "A380"，因为修饰符? 超过 1 个字符就不能匹配了。

如果我们想精确指定 n 个字符怎么办？用修饰符 {n} 就可以。A\d{3}可以精确匹配：

A380：因为 \d{3} 可以匹配 3 个数字380。

如果我们想指定匹配 n~m 个字符怎么办？用修饰符 {n,m} 就可以。A\d{3,5}可以精确匹配：

A380：因为 \d{3,5} 可以匹配 3 个数字380；
A3800：因为 \d{3,5} 可以匹配 4 个数字3800；
A38000：因为 \d{3,5} 可以匹配 5 个数字38000。

如果没有上限，那么修饰符 {n,} 就可以匹配至少 n 个字符。

请编写一个正则表达式匹配国内的电话号码规则：3~4 位区号加 7~8 位电话，中间用 - 连接，例如：010-12345678。

// regex
import java.util.*;

public class Main {public static void main(String[] args) throws Exception {String re = "\\d";
        for (String s : List.of("010-12345678", "020-9999999", "0755-7654321")) {if (!s.matches(re)) {System.out.println("测试失败:" + s);
                return;
            }
        }
        for (String s : List.of("010 12345678", "A20-9999999", "0755-7654.321")) {if (s.matches(re)) {System.out.println("测试失败:" + s);
                return;
            }
        }
        System.out.println("测试成功!");
    }
}

下载练习

进阶：国内区号必须以 0 开头，而电话号码不能以 0 开头，试修改正则表达式，使之能更精确地匹配。

提示：\d和 \D 这种简单的规则暂时做不到，我们需要更复杂规则，后面会详细讲解。

单个字符的匹配规则如下：

正则表达式	规则	可以匹配
`A`	指定字符	`A`
`\u548c`	指定 Unicode 字符	`和`
`.`	任意字符	`a`，`b`，`&`，`0`
`\d`	数字 0~9	`0`~`9`
`\w`	大小写字母，数字和下划线	`a`~`z`，`A`~`Z`，`0`~`9`，`_`
`\s`	空格、Tab 键	空格，Tab
`\D`	非数字	`a`，`A`，`&`，`_`，……
`\W`	非 \w	`&`，`@`，`中`，……
`\S`	非 \s	`a`，`A`，`&`，`_`，……

多个字符的匹配规则如下：

正则表达式	规则	可以匹配
`A*`	任意个数字符	空，`A`，`AA`，`AAA`，……
`A+`	至少 1 个字符	`A`，`AA`，`AAA`，……
`A?`	0 个或 1 个字符	空，`A`
`A{3}`	指定个数字符	`AAA`
`A{2,3}`	指定范围个数字符	`AA`，`AAA`
`A{2,}`	至少 n 个字符	`AA`，`AAA`，`AAAA`，……
`A{0,3}`	最多 n 个字符	空，`A`，`AA`，`AAA`