Регулярные выражения в Java: Мастерство сопоставления шаблонов с java.util.regex

Java предоставляет пакет java.util.regex для сопоставления шаблонов с помощью регулярных выражений. Регулярные выражения Java очень похожи на язык программирования Perl и довольно просты в изучении.

Основные классы пакета java.util.regex

Пакет java.util.regex в основном состоит из трёх классов:

• Pattern — объект Pattern представляет скомпилированное регулярное выражение. У класса нет публичных конструкторов. Для создания шаблона нужно вызвать один из статических методов compile(), который принимает регулярное выражение и возвращает объект Pattern.
• Matcher — объект Matcher — это механизм, интерпретирующий шаблон и выполняющий операции сопоставления во входной строке. Получить Matcher можно, вызвав метод matcher() у объекта Pattern.
• PatternSyntaxException — непроверяемое исключение, указывающее на синтаксическую ошибку в регулярном выражении.

Группы захвата (Capturing Groups)

Группы захвата позволяют рассматривать несколько символов как единое целое. Они создаются путём помещения символов в круглые скобки. Например, регулярное выражение (dog) создаёт одну группу, содержащую буквы «d», «o», «g».

Группы нумеруются по порядку открывающих скобок слева направо. В выражении ((A)(B(C))) существует четыре группы:

• ((A)(B(C))) — группа 0 (весь шаблон)
• (A) — группа 1
• (B(C)) — группа 2
• (C) — группа 3

Метод groupCount() объекта Matcher возвращает количество групп захвата (не считая группу 0). Группа 0 всегда представляет всё выражение.

Пример: поиск цифр в строке

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

public class RegexMatches {
    public static void main(String args[]) {
        String line = "This order was placed for QT3000! OK?";
        String pattern = "(.*)(\\d+)(.*)";

        Pattern r = Pattern.compile(pattern);
        Matcher m = r.matcher(line);

        if (m.find()) {
            System.out.println("Found value: " + m.group(0));
            System.out.println("Found value: " + m.group(1));
            System.out.println("Found value: " + m.group(2));
        } else {
            System.out.println("NO MATCH");
        }
    }
}

Результат:

Found value: This order was placed for QT3000! OK?
Found value: This order was placed for QT300
Found value: 0

Синтаксис регулярных выражений

Таблица ниже содержит основные метасимволы и конструкции, доступные в Java:

Подвыражение	Описание
^	Начало строки
$	Конец строки
.	Любой одиночный символ, кроме новой строки (с флагом m — и новую строку)
[...]	Любой одиночный символ из набора в скобках
[^...]	Любой одиночный символ, не входящий в набор
\A	Начало всей строки
\z	Конец всей строки
\Z	Конец строки, за исключением возможного завершающего перевода строки
re*	0 или более вхождений предыдущего выражения
re+	1 или более вхождений
re?	0 или 1 вхождение
re{n}	Ровно n вхождений
re{n,}	Не менее n вхождений
re{n,m}	От n до m вхождений
a|b	Соответствует a или b
(re)	Группа с запоминанием текста
(?:re)	Группа без запоминания (незахватывающая)
(?>re)	Независимая подмаска (без отката)
\w	Символ слова (буквы, цифры, подчёркивание)
\W	Не символ слова
\s	Пробельный символ ([\t\n\r\f])
\S	Не пробельный символ
\d	Цифра ([0-9])
\D	Не цифра
\b	Граница слова (вне скобок) / backspace (внутри)
\B	Не граница слова
\n, \t, \r	Перевод строки, табуляция, возврат каретки
\Q...\E	Экранирование всех символов между \Q и \E

Основные методы класса Matcher

Методы индексов

Метод	Описание
start()	Начальный индекс предыдущего совпадения
start(int group)	Начальный индекс подпоследовательности, захваченной указанной группой
end()	Индекс после последнего символа совпадения
end(int group)	Индекс после последнего символа подпоследовательности группы

Методы поиска

Метод	Описание
lookingAt()	Пытается сопоставить начало входной последовательности с шаблоном
find()	Ищет следующую подпоследовательность, соответствующую шаблону
find(int start)	Сбрасывает матчер и ищет совпадение, начиная с указанного индекса
matches()	Пытается сопоставить всю область с шаблоном

Методы замены

Метод	Описание
replaceAll(String replacement)	Заменяет все вхождения, соответствующие шаблону
replaceFirst(String replacement)	Заменяет только первое вхождение
appendReplacement(StringBuffer sb, String replacement)	Незавершающий шаг добавления и замены
appendTail(StringBuffer sb)	Завершающий шаг добавления и замены
quoteReplacement(String s)	Возвращает литеральную строку замены для использования в appendReplacement

Пример: подсчёт вхождений слова «cat»

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

public class RegexMatches {
    private static final String REGEX = "\\bcat\\b";
    private static final String INPUT = "cat cat cat cattie cat";

    public static void main(String args[]) {
        Pattern p = Pattern.compile(REGEX);
        Matcher m = p.matcher(INPUT);
        int count = 0;
        while (m.find()) {
            count++;
            System.out.println("Match number " + count);
            System.out.println("start(): " + m.start());
            System.out.println("end(): " + m.end());
        }
    }
}

Результат:

Match number 1 start(): 0 end(): 3
Match number 2 start(): 4 end(): 7
Match number 3 start(): 8 end(): 11
Match number 4 start(): 19 end(): 22

Использование границ слова \b гарантирует, что «cat» не является частью более длинного слова (например, «cattie» не учитывается).

Пример: replaceFirst и replaceAll

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

public class RegexMatches {
    private static String REGEX = "dog";
    private static String INPUT = "The dog says meow. All dogs say meow.";
    private static String REPLACE = "cat";

    public static void main(String[] args) {
        Pattern p = Pattern.compile(REGEX);
        Matcher m = p.matcher(INPUT);
        INPUT = m.replaceAll(REPLACE);
        System.out.println(INPUT);
    }
}

Результат:

The cat says meow. All cats say meow.

Пример: appendReplacement и appendTail

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

public class RegexMatches {
    private static String REGEX = "a*b";
    private static String INPUT = "aabfooaabfooabfoob";
    private static String REPLACE = "-";

    public static void main(String[] args) {
        Pattern p = Pattern.compile(REGEX);
        Matcher m = p.matcher(INPUT);
        StringBuffer sb = new StringBuffer();
        while (m.find()) {
            m.appendReplacement(sb, REPLACE);
        }
        m.appendTail(sb);
        System.out.println(sb.toString());
    }
}

Результат:

-foo-foo-foo-

Класс PatternSyntaxException

Предоставляет методы для диагностики синтаксических ошибок:

Метод	Описание
getDescription()	Описание ошибки
getIndex()	Индекс ошибки в шаблоне
getPattern()	Ошибочный шаблон
getMessage()	Многострочное сообщение с описанием, индексом, шаблоном и визуальным указанием позиции ошибки