正則表示式（Regular expression）

Java Gossip: 使用正則表示式（Regular expression）

如果您查詢J2SE 1.4之後String的線上API手冊說明，您會發現有matches()、replaceAll()等方法，您所傳入的參數是「正則表示式」（Regular expression）的字串，正則表示式的功能是J2SE 1.4之後加入的新功能。

正則表示式最早是由數學家Stephen Kleene于1956年提出，主要使用在字元字串的格式比對，後來在資訊領域廣為應用，現在已經成為ISO（國際標準組織）的標準之一。

Java在J2SE 1.4之後開始支援正則表示式，您可以在API文件的 java.util.regex.Pattern 類別中找到支援的正則表示式相關資訊。

如果您使用String類別來配置字串物件，您可以使用簡易的方法來使用正則表示式，並應用於字串的比對或取代等動作上，以下先介紹幾個簡單的正則表示式。

例如一些常用的範圍，我們可以使用預先定義的字元類別： 
.	符合任一字元
\d	等於 [0-9] 數字
\D	等於 [^0-9] 非數字
\s	等於 [ \t\n\x0B\f\r] 空白字元
\S	等於 [^ \t\n\x0B\f\r] 非空白字元
\w	等於 [a-zA-Z_0-9] 數字或是英文字
\W	等於 [^a-zA-Z_0-9] 非數字與英文字

. 符合任一字元。例如有一字串abcdebcadxbc，使用.bc來比對的話，符合的子字串有abc、ebc、xbc三個；如果使用..cd，則符合的子字串只有bcd。

以上的例子來根據字元比對，您也可以使用「字元類」（Character class）來比較一組字元範圍，例如： 

[abc]	a、b或c
[^abc]	非a、b、c的其它字元
[a-zA-Z]	a到z或A到Z（範圍）
[a-d[m-p]]	a到d或m到p（聯集）
[a-z&&[def]]	d、e或f（交集）
[a-z&&[^bc]]	a到z，除了b與c之外（減集）
[a-z&&[^m-p]]	a到z且沒有m到p（a-lq-z）（減集）









一次只指定一個字元不過癮，也可以用Greedy quantifiers來指定字元可能出現的次數： 

X?	X出現一次或完全沒有
X*	X出現零次或多次
X+	X出現一次或多次
X{n}	X出現n次
X{n,}	X出現至少n次
X{n,m}	X出現至少n次，但不超過m次

另外還有Reluctant quantifiers、Possessive quantifiers等的指定，您可以自行參考 java.util.regex.Pattern 類別中的說明。

在String類別中，matches()方法可以讓您驗證字串是否符合指定的正規表示式，這通常用於驗證使用者輸入的字串資料是否正確，例如 電話號碼格式；replaceAll()方法可以將符合正規表示式的子字串置換為指定的字串；split()方法可以讓您依指定的正規表示式，將符合的子 字串分離出來，並以字串陣列傳回。 


下面這個程式示範幾個正則表示式的應用： 
UseRegularExpression.java
import java.util.Scanner;
 
public class UseRegularExpression { 
    public static void main(String args[]) { 
        Scanner scanner = new Scanner(System.in);
 
        String str = "abcdefgabcabc"; 
        System.out.println(str.replaceAll(".bc", "###")); 
 
        System.out.print("輸入手機號碼: "); 
        str = scanner.next();
 
        // 簡單格式驗證 
        if(str.matches("[0-9]{4}-[0-9]{6}")) 
            System.out.println("格式正確"); 
        else 
            System.out.println("格式錯誤");
 
        System.out.print("輸入href標籤: "); 
        // Scanner的next()方法是以空白為區隔
        // 我們的輸入有空白，所以要執行兩次
        str = scanner.next() + " " + scanner.next();
 
        // 驗證href標籤 
        if(str.matches("<a.+href*=*['\"]?.*?['\"]?.*?>"))
            System.out.println("格式正確"); 
        else
            System.out.println("格式錯誤");
 
        System.out.print("輸入電子郵件: "); 
        str = scanner.next();
 
        // 驗證電子郵件格式 
        if(str.matches(
        "^[_a-z0-9-]+([.][_a-z0-9-]+)*@[a-z0-9-]+([.][a-z0-9-]+)*$"))
            System.out.println("格式正確"); 
        else
            System.out.println("格式錯誤"); 
    } 
} 

執行結果：
 ###defg######
 輸入手機號碼: 0988-100432
 格式正確
 輸入href標籤: <a href="http://caterpillar.onlyfun.net">
 格式正確
 輸入電子郵件: justin@caterpillar.onlyfun.net
 格式正確

最後兩個href標籤與email驗證例子是很常見的正規表示式應用，您可以仔細看看以瞭解如何比對，並不會特別困難。

------------------

([A-Z]|[a-z])\d{9}

網址

http(s)?://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]*)?

電子郵件

\w+([-+.']\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

郵遞區號

\d{3}((-)?\d{2})? 

電話

[0-9]{2}\-[0-9]{7}

手機

[0-9]{4}\-[0-9]{3}\-[0-9]{3}

正整數

^\d*$ 

整數

^([+-]?)\d*$

小數點

^([+-]?)[1-9]\d*\.\d*$

驗證 IP

^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$

驗證時間 (HH:MM:SS)

([0-1][0-9]|2[0-3])\:[0-5][0-9]\:[0-5][0-9]

驗證日期 (YYYY/MM/DD)

^[0-9]{4}/(((0[13578]|(10|12))/(0[1-9]|[1-2][0-9]|3[0-1]))|
(02/(0[1-9]|[1-2][0-9]))|((0[469]|11)/(0[1-9]|[1-2][0-9]|30)))$

HTML 標籤

/^<([a-z]+)([^<]+)*(?:>(.*)<\/\1>|\s+\/>)$/

使用者名

^[a-z0-9_-]{3,16}$

密碼

^[a-z0-9_-]{6,18}$

中日韓符號區。收容康熙字典部首、中日韓輔助部首、注音符號、日本假名、韓文音符，中日韓的符號、標點、帶圈或帶括符文數字、月份，以及日本的假名組合、單位、年號、月份、日期、時間等。

\u2e80～\u33ffh

中日韓認同表意文字擴充a區，總計收容6,582個中日韓漢字。

\u3400～\u4dffh

中日韓認同表意文字區，總計收容20,902個中日韓漢字。

\u4e00～\u9fffh

彝族文字區，收容中國南方彝族文字和字根。

\ua000～\ua4ffh

韓文拼音組合字區，收容以韓文音符拼成的文字。

\uac00～\ud7ffh

中日韓兼容表意文字區，總計收容302個中日韓漢字。

\uf900～\ufaffh

文字表現形式區，收容組合拉丁文字、希伯來文、阿拉伯文、中日韓直式標點、小符號、半角符號、全角符號等。

\ufb00～\ufffdh