Java 正則表達式深度解析：Pattern 與 Matcher 核心機制

正則表達式基礎概念

正則表達式是一種強大的文本模式匹配工具，其運作原理類似於編譯器處理源代碼：通過識別特定模式將文本轉換為結構化數據。在 Java 中，java.util.regex 包提供了完整的正則表達式支持，核心類包括 Pattern（編譯後的模式）和 Matcher（執行匹配操作的引擎）。

模式語法詳解

模式是字符序列的文本表示。最簡單的模式如 car 精確匹配該字符串。若需匹配以 c 開頭、以 r 結尾的任意字符串，可使用 c.*r（其中 .* 代表任意數量字符）。

常用構建元素

• 字面量：無特殊含義的字符，匹配自身。
• 量詞：控制前導元素出現次數：
  • ?：0 或 1 次
  • *：0 次或多次
  • +：1 次或多次
  • {n,m}：n 到 m 次
• 字符類：方括號內的字符集合，如 [aeiou] 匹配任一元音。預定義簡寫：
  • \d：數字 [0-9]
  • \w：單詞字符 [a-zA-Z0-9_]
  • \s：空白字符
• POSIX 字符類：如 \p{Alpha}（字母）、\p{Alnum}（字母數字）。
• 範圍與否定：[A-Z] 匹配大寫字母，[^0-9] 匹配非數字。

核心 API 使用流程

1. 編譯模式：Pattern pattern = Pattern.compile("\\p{Alnum}+@\\w+\\.\\p{Alpha}{2,3}");（注意雙重轉義）
2. 創建匹配器：Matcher matcher = pattern.matcher(input);
3. 執行匹配：
   • matcher.matches()：整個序列完全匹配
   • matcher.find()：查找子序列匹配
   • matcher.group()：獲取匹配內容

實戰示例：查找文件中最長單詞

import java.io.*;
import java.nio.*;
import java.nio.channels.*;
import java.nio.charset.*;
import java.util.regex.*;

public class LongestWordFinder {
    public static void main(String[] args) throws IOException {
        if (args.length != 1) {
            System.err.println("請提供文件路徑");
            return;
        }

        // 內存映射文件讀取
        FileInputStream input = new FileInputStream(args[0]);
        FileChannel channel = input.getChannel();
        MappedByteBuffer buffer = channel.map(FileChannel.MapMode.READ_ONLY, 0, channel.size());
        
        // 解碼為字符緩衝區
        CharBuffer charBuffer = Charset.forName("ISO-8859-1").newDecoder().decode(buffer);
        
        // 編譯模式：行分隔符、單詞分隔符
        Pattern linePattern = Pattern.compile(".*$", Pattern.MULTILINE);
        Pattern wordPattern = Pattern.compile("[\\p{Punct}\\s]+");
        
        Matcher lineMatcher = linePattern.matcher(charBuffer);
        String longest = "";
        
        while (lineMatcher.find()) {
            String line = lineMatcher.group();
            String[] words = wordPattern.split(line);
            for (String word : words) {
                if (word.length() > longest.length()) {
                    longest = word;
                }
            }
        }
        
        System.out.println("最長單詞: " + longest);
        input.close();
    }
}

最佳實踐建議

• 預編譯常用模式避免重複開銷
• 善用 Pattern.CASE_INSENSITIVE 等標誌位
• 複雜模式添加註釋模式 Pattern.COMMENTS 提高可讀性
• 警惕災難性回溯，對嵌套量詞謹慎使用