【Java】常用的正则表达式

正则表达式通过其基本的标识语法，定义了字符串的模式，可以用来搜索、编辑或处理文本。在不同的编码语言和环境中，可能会有略微的区分，但其定义的模式都是统一的。本文主要介绍通用的正则表达式规则，以及在 Java 应用中的一些注意事项。

基础语法规则

反斜线与转义

反斜线字符 ('/') 用于引用转义构造，可以在非字母字符前使用反斜线。因此，表达式 // 与单个反斜线匹配，而 /{与左括号匹配。

在不表示转义构造的任何字母字符前使用反斜线都是错误的，因为它们是为将来扩展正则表达式语言保留的。

根据 Java Language Specification 的要求，Java 源代码的字符串中的反斜线被解释为 Unicode 转义或其他字符转义。因此必须在字符串字面值中使用两个反斜线，表示正则表达式受到保护，不被 Java 字节码编译器解释。例如，当解释为正则表达式时，字符串字面值 "/b" 与单个退格字符匹配，而 "//b" 与单词边界匹配。字符串字面值 "/(hello/)" 是非法的，将导致编译时错误；要与字符串 (hello) 匹配，必须使用字符串字面值 "//(hello//)"。

附录：常用的正则表达式

数值的正则表达式

• 数字：^[0-9]+$
• 至少n位的数字：^\d{n,}$
• 零和非零开头的数字：^(0|[1-9][0-9]*)$
• 带1-2位小数的正数或负数：^(-)?\d+(.\d{1,2})$
• 非零的正整数：^[1-9]\d*$
• 非负整数：^\d+$
• 浮点数：^(-?\d+)(.\d+)?$

校验字符的表达式

• 汉字：^[\u4e00-\u9fa5]{0,}$
• 英文和数字：^[A-Za-z0-9]+$
• 长度为3-20的所有字符：^.{3,20}$
• 由26个英文字母组成的字符串：^[A-Za-z]+$
• 由数字、26个英文字母或者下划线组成的字符串：^\w+$
• 中文、英文、数字包括下划线：^[\u4E00-\u9FA5A-Za-z0-9_]+$
• 可以输入含有 ^%&',;=?$" 等字符：[^%&',;=?$\x22]+
• 禁止输入含有~的字符：[^~]+

特殊需求表达式

• Email地址：[a-zA-Z0-9._%±]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}
• 域名：[a-zA-Z0-9][-a-zA-Z0-9]{0,62}(.[a-zA-Z0-9][-a-zA-Z0-9]{0,62})+.?
• InternetURL：^http://([\w-]+.)+[\w-]+(/[\w-./?%&=]*)?$
• 手机号码：^(13[0-9]|14[01456879]|15[0-35-9]|16[2567]|17[0-8]|18[0-9]|19[0-35-9])\d{8}$
• 身份证号(15位、18位数字)，最后一位是校验位，可能为数字或字符X：(^\d{15}$)|(^\d{18}$)|(^\d{17}(\d|X|x)$)
• 密码(以字母开头，长度在6~18之间，只能包含字母、数字和下划线)：^[a-zA-Z]\w{5,17}$
• 强密码(必须包含大小写字母和数字的组合，可以使用特殊字符，长度在8-10之间)：^(?=.*\d)(?=.*[a-z])(?=.*[A-Z]).{8,10}$
• 日期格式：^\d{4}-\d{1,2}-\d{1,2}
• 一年的12个月(01～09和1～12)：^(0?[1-9]|1[0-2])$
• 一个月的31天(01～09和1～31)：^((0?[1-9])|((1|2)[0-9])|30|31)$
• HTML标记的正则表达式：<(\S*?)[^>]*>.*?|<.*? />
• IPv4地址：((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})(.((2(5[0-5]|[0-4]\d))|[0-1]?\d{1,2})){3}