Java 正則表達式完全指南：從語法基礎到 Jakarta-ORO 實戰應用

正則表達式是文本處理的「瑞士軍刀」。Java 1.4 前無原生支持，開發者依賴 Jakarta-ORO 等第三方庫；Java 1.4+ 引入 java.util.regex 套件，提供標準 API。本文涵蓋正則語法核心、Java 原生 API 實戰、經典應用場景（日誌解析、HTML 處理、鏈接重寫），並對比新舊 API 差異。

一、正則表達式語法速查表

二、Java 原生 API (java.util.regex) 核心類

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

// 1. 編譯模式（線程安全，可復用）
Pattern pattern = Pattern.compile(regex);                    // 大小寫敏感
Pattern pattern = Pattern.compile(regex, Pattern.CASE_INSENSITIVE); // 忽略大小寫

// 2. 創建匹配器（非線程安全，每次匹配 new）
Matcher matcher = pattern.matcher(inputString);

// 3. 核心匹配方法
boolean matches()        // 整串精確匹配
boolean lookingAt()      // 前綴匹配
boolean find()           // 子串搜尋（可重複調用遍歷所有匹配）
boolean find(int start)  // 從指定位置搜尋

// 4. 組提取
String group()           // 整個匹配
String group(int i)      // 第 i 組 (1-based)
int groupCount()         // 組數量

// 5. 替換操作
String replaceAll(String replacement)      // 替換所有匹配
String replaceFirst(String replacement)    // 替換首個匹配
StringBuffer sb = new StringBuffer();
while (matcher.find()) {
    matcher.appendReplacement(sb, replacement);
}
matcher.appendTail(sb); // 獲取完整結果 sb.toString()

// 6. 常用靜態工具方法
Pattern.matches(regex, input)              // 一行代碼精確匹配
String replaced = input.replaceAll(regex, replacement) // String 便利方法

三、經典實戰場景

場景 1：Web 日誌解析 —— 提取 IP 與時間戳

日誌格式：192.168.1.100 - - [29/Sep/2001:18:50:09 +0800] "GET /index.html HTTP/1.1" 200 1234

String logRegex = "(\\d{1,3}(?:\\.\\d{1,3}){3})\\s-\\s-\\s\\[([^\\]]+)\\]";
// 組1: IP地址  組2: 時間戳

Pattern p = Pattern.compile(logRegex);
Matcher m = p.matcher(logLine);
if (m.find()) {
    String ip = m.group(1);
    String timestamp = m.group(2);
    // 處理業務邏輯...
}

場景 2：HTML 屬性提取 —— 解析 <font> 標籤屬性

// 兩步法：先提取標籤整體屬性串，再拆分名值對
String fontTagRegex = "<font\\s+([^>]+)>";           // 組1: 所有屬性
String attrRegex = "(\\w+)\\s*=\\s*\"([^\"]*)\"";      // 組1:名 組2:值

Pattern tagPattern = Pattern.compile(fontTagRegex, Pattern.CASE_INSENSITIVE);
Pattern attrPattern = Pattern.compile(attrRegex);

Matcher tagMatcher = tagPattern.matcher(htmlLine);
while (tagMatcher.find()) {
    String attrs = tagMatcher.group(1); // face="Arial" size="+2" color="red"
    Matcher attrMatcher = attrPattern.matcher(attrs);
    while (attrMatcher.find()) {
        System.out.println(attrMatcher.group(1) + " = " + attrMatcher.group(2));
    }
}

場景 3：鏈接重寫 —— 域名遷移

將 href="https://widgets.acme.com/..." 改為 href="https://newserver.acme.com/..."

String linkRegex = "(href\\s*=\\s*\")https://widgets\\.acme\\.com(.*?\")";
// 組1: 前綴  組2: 後綴
String replacement = "$1https://newserver.acme.com$2";

String result = input.replaceAll(linkRegex, replacement);
// $1 $2 為組引用，對應 replacement 中的 $1 $2

四、Jakarta-ORO 與 java.util.regex 對比遷移

遷移代碼對照

// ORO 寫法
PatternCompiler compiler = new Perl5Compiler();
Pattern pattern = compiler.compile(regex, Perl5Compiler.CASE_INSENSITIVE_MASK);
PatternMatcher matcher = new Perl5Matcher();
if (matcher.contains(input, pattern)) {
    MatchResult result = matcher.getMatch();
    String group1 = result.getGroup(1);
}

// 標準 API 寫法（推薦）
Pattern pattern = Pattern.compile(regex, Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(input);
if (matcher.find()) {
    String group1 = matcher.group(1);
}

五、性能優化與最佳實踐

1. 預編譯 Pattern 復用：Pattern 線程安全，作為常量/靜態字段緩存
2. 避免過度捕獲：不需要提取的組用 (?:...) 非捕獲組
3. 錨定優化：確定位置用 ^ $ \b 減少回溯
4. 貪婪 vs 非貪婪：.*? 非貪婪避免過度匹配，但增加回溯開銷，按需選擇
5. 預編譯標志位：Pattern.CASE_INSENSITIVE、Pattern.MULTILINE、Pattern.DOTALL（讓 . 匹配換行）
6. 複雜正則拆解：超過 50 字符的正則拆分為多步驟，可讀性與維護性雙贏

六、常見陷阱

總結：正則表達式威力巨大，但「寫時易讀，讀時難寫」。掌握核心語法、善用 Pattern/Matcher 標準 API、建立常用正則片段庫（郵箱、手機、身份證、URL、日期等），並遵循「預編譯、非捕獲、錨定、拆解」原則，能高效解決 90% 文本處理需求。現代 Java 專案棄用 Jakarta-ORO，全面擁抱 java.util.regex。