正则表达式

概述

正则表达式（Regular Expression，常简写为 regex）用于描述字符串的模式，可用来检查「是否匹配」、查找子串、替换文本等。Java 通过 java.util.regex 包提供支持，核心类为 Pattern（编译正则）和 Matcher（在目标字符串上执行匹配）。掌握正则能大大简化字符串校验、解析和清洗等场景的代码。

前置建议

已掌握 String 与字符串操作，了解字符串不可变性与常用方法。

---

核心类：Pattern 与 Matcher

基本流程

1. 用 Pattern.compile(正则) 将正则字符串编译为 Pattern 对象（可复用，线程安全）。
2. 用 pattern.matcher(目标字符串) 得到 Matcher，在其上执行「是否整体匹配」「查找」「替换」等操作。

import java.util.regex.Pattern;
import java.util.regex.Matcher;

String regex = "\\d{3}-\\d{4}";  // 例如 123-4567 这样的格式
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher("电话: 123-4567");

// 判断整个目标串是否与正则完全匹配（从开头到结尾）
boolean fullMatch = matcher.matches();  // false，因为前面有 "电话: "

// 判断是否存在子串匹配
matcher.reset();  // 重置到开头，以便再次使用
boolean found = matcher.find();  // true，找到 "123-4567"

提示

在 Java 字符串中，反斜杠 \ 是转义符，所以正则里的 \d 要写成 "\\d"，否则 \d 在源码里会被当成非法转义。写正则时心里想的是「一个反斜杠 + 字母」，代码里就要写两个反斜杠。

---

基本语法速览

类别	写法	含义
字符类	[abc]	任一字符 a、b、c
	[a-z]	小写 a 到 z
	[^0-9]	非数字（^ 在 [] 内表示取反）
预定义	\d	数字，等价于 [0-9]
	\w	单词字符：字母、数字、下划线
	\s	空白（空格、制表、换行等）
量词	*	0 次或多次
	+	1 次或多次
	?	0 次或 1 次
	{n}	恰好 n 次
	{n,}	至少 n 次
	{n,m}	n 到 m 次
边界	^	行/串开头（在 [] 外时）
	$	行/串结尾
分组	(…)	捕获组，可用 group(1) 取出

以上在 Java 字符串中需对反斜杠转义，例如 \d → "\\d"，\\w → "\\\\w"（正则里是 \w）。

---

基本用法

判断是否整体匹配（校验格式）

适合校验「整串是否符合规则」，如手机号、身份证、邮箱格式。

// 简单示例：是否全为数字
Pattern p = Pattern.compile("\\d+");
Matcher m = p.matcher("12345");
boolean ok = m.matches();  // true

m.reset("12a34");
ok = m.matches();  // false

若只校验一次，可直接用 Pattern.matches(regex, input) 静态方法：

boolean valid = Pattern.matches("\\d{11}", "13812345678");  // 11 位数字

查找子串（find + group）

需要「在长文本里找出所有符合模式的片段」时，用 find() 循环，再用 group() 取当前匹配到的子串。

String text = "联系张三 13812345678 和李四 13987654321";
Pattern p = Pattern.compile("1[3-9]\\d{9}");
Matcher m = p.matcher(text);

while (m.find()) {
    String phone = m.group();  // 当前匹配到的完整子串
    System.out.println("找到手机号: " + phone);
}
// 输出: 找到手机号: 13812345678
//       找到手机号: 13987654321

分组与捕获

括号 () 形成捕获组，从左到右编号为 1、2、3…，group(0) 表示整个匹配，group(1)、group(2) 为各括号对应的子串。常用于提取「日期中的年/月/日」「标签中的属性」等。

// 从 "2025-02-07" 中提取年、月、日
String line = "日期: 2025-02-07";
Pattern p = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher m = p.matcher(line);

if (m.find()) {
    String year  = m.group(1);  // 2025
    String month = m.group(2);  // 02
    String day   = m.group(3);  // 07
    System.out.println(year + "年" + month + "月" + day + "日");
}

替换

• replaceAll(replacement)：把所有匹配到的子串替换为 replacement。
• replaceFirst(replacement)：只替换第一个匹配。

在 replacement 中可用 $1、$2 引用捕获组，$0 表示整段匹配。

String text = "张三 18 岁，李四 20 岁";
Pattern p = Pattern.compile("(\\d+)");
Matcher m = p.matcher(text);
// 给年龄加「岁」后缀（这里年龄本身没带「岁」，仅作替换示例）
String result = m.replaceAll("$1 岁");
// 若原文本是 "张三 18，李四 20"，则 result = "张三 18 岁，李四 20 岁"

---

使用示例

示例 1：校验邮箱格式（简化版）

仅作格式校验，不保证该邮箱真实存在。

public static boolean looksLikeEmail(String input) {
    if (input == null || input.isBlank()) return false;
    // 简化规则：本地部分@域名.后缀
    String regex = "^[a-zA-Z0-9_.+-]+@[a-zA-Z0-9-]+\\.[a-zA-Z0-9-.]+$";
    return Pattern.matches(regex, input);
}

// 使用
System.out.println(looksLikeEmail("user@example.com"));  // true
System.out.println(looksLikeEmail("invalid"));           // false

示例 2：提取所有数字

在一段文字中找出所有连续数字。

String text = "价格从 100 涨到 200，涨幅 100%。";
Pattern p = Pattern.compile("\\d+");
Matcher m = p.matcher(text);

while (m.find()) {
    System.out.println(m.group());
}
// 输出: 100  200  100

示例 3：隐藏手机号中间 4 位

用分组保留前 3 位和后 4 位，中间用 **** 替换。

String phone = "13812345678";
String masked = phone.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");
System.out.println(masked);  // 138****5678

这里直接用了 String.replaceAll(regex, replacement)，底层也是 Pattern/Matcher，适合单次替换。

---

进阶用法

非捕获组与标志

• (?:...) 表示非捕获组：括号只用于分组或量词，不参与编号，group(1) 不会包含它。
• Pattern.compile(regex, flags) 常用标志：
  • Pattern.CASE_INSENSITIVE：忽略大小写；
  • Pattern.MULTILINE：^、$ 按行匹配（否则仅对整串开头/结尾）。

// 忽略大小写匹配 "java"
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("I love JAVA");
System.out.println(m.find());  // true
System.out.println(m.group()); // JAVA

贪婪与勉强量词

默认 *、+、?、{n,m} 是贪婪的（尽可能多匹配）。在量词后加 ? 变为勉强（尽可能少匹配），例如 *?、+?。在需要「最小匹配」时使用，可避免匹配过多。

// 从 <p>...</p> 中取内容，若用贪婪会匹配到最后一个 </p>
String html = "<p>first</p> and <p>second</p>";
Pattern greedy = Pattern.compile("<p>.*</p>");
Matcher mg = greedy.matcher(html);
if (mg.find()) {
    System.out.println("贪婪: " + mg.group());  // <p>first</p> and <p>second</p>
}

// 勉强：.*? 在遇到第一个 </p> 就停止
Pattern reluctant = Pattern.compile("<p>.*?</p>");
Matcher mr = reluctant.matcher(html);
if (mr.find()) {
    System.out.println("勉强: " + mr.group());  // <p>first</p>
}

---

注意事项

注意

Java 字符串中的反斜杠：正则里写 \d，在源码中必须写成 "\\d"；正则里写 \\（一个反斜杠），源码中要写 "\\\\"。否则会报错或匹配不符合预期。

注意

matches() 与 find() 的区别：matches() 要求整个目标串从开头到结尾都符合正则；find() 只要存在一段子串匹配即可，且可多次调用依次找下一个匹配。校验「整串格式」用 matches，查找「所有出现」用 find。

注意

灾难性回溯：某些正则（如 (a+)+ 配长串 aaaaaaaaX）在「不匹配」时可能产生大量回溯，导致 CPU 飙高甚至卡死。避免在重复量词上再嵌套重复量词；对用户输入做正则匹配时，可限制输入长度或使用超时/专用库。

提示

复用 Pattern：Pattern 是线程安全的，建议对同一正则只 compile 一次，存成静态或成员变量反复使用；避免在循环里重复 Pattern.compile(...)，以提升性能。

---

相关链接

• String 与字符串操作 — 字符串方法与 replaceAll/replaceFirst
• 常用类（Object、包装类、Math）
• Oracle 官方教程 - 正则表达式
• Pattern (Java SE 17)