您现在的位置：程式碼之家 >> 編程語言 > >> Java 程式設計 >> Java 綜合教學

正則表達式完全手冊：語法精講、Java API 實戰與高性能優化

編輯：Java 綜合教學

正則表達式完全手冊：語法精講、Java API 實戰與高性能優化

正則表達式是文本處理的瑞士軍刀。本文系統梳理字符類、量詞、邊界、分組捕獲等核心語法，實戰 Java Pattern/Matcher、String 便利方法、預編譯緩存、回溯陷阱優化，附郵箱驗證、敏感詞過濾、日誌解析三大生產案例。

核心語法速查表

分類	語法	含義	示例匹配
字符類	`[abc]`	單字符：a/b/c	a
	`[^abc]`	除 a/b/c 外任意字符	d
	`[a-zA-Z]`	字母範圍	Z
	`[0-9]`	數字範圍	5
	`.`	任意字符（除換行）	@
	`\d \D \w \W \s \S`	預定義：數字/非數字/單詞/非單詞/空白/非空白	\d→8
邊界	`^ $`	行首/行尾（多行模式影響）	^Hello
	`\b \B`	單詞邊界/非邊界	\bcat\b
	`\A \Z \z`	字符串絕對首/尾（不受多行模式影響）	\Astart
量詞	`?`	0 或 1 次	colou?r
	`*`	0 或多次	ab*c
	`+`	1 或多次	ab+c
	`{n}`	恰好 n 次	\d{3}
	`{n,m}`	n 到 m 次	\d{2,4}
貪婪/懶惰	`*? +? ??`	懶惰模式：盡可能少匹配	.*?end
	`*+ ++ ?+`	佔有優先模式：不回溯	.*+end
	`(?>...)`	原子組：禁止回溯	(?>\d+)

Java 核心 API 三板斧

1. String 便利方法（簡單場景）

// 匹配整字符串
"abc".matches("\\w+"); // true

// 分割
"192.168.1.1".split("\\."); // [192, 168, 1, 1]

// 替換
"fuck shit".replaceAll("(fuck|shit)", "***"); // "*** ***"

// 獲取（Java 9+）
"abc123def".replaceAll("\\d+", "*"); // "abc*def"

2. Pattern/Matcher 專業模式（複雜/高性能場景）

// 1. 預編譯緩存（關鍵優化）
private static final Pattern EMAIL_PATTERN = 
    Pattern.compile("^[\\w.-]+@[\\w-]+(\\.[\\w-]+)+$");

// 2. Matcher 復用
Matcher matcher = EMAIL_PATTERN.matcher(input);
if (matcher.matches()) { ... }

// 3. 分組捕獲與提取
Pattern logPattern = Pattern.compile(
    "(?\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}) \\[(?\\w+)\\] (?.+)");
Matcher m = logPattern.matcher(logLine);
if (m.find()) {
    String time = m.group("time");
    String level = m.group("level");
    String msg = m.group("msg");
}

3. 獲取功能：find() + group() 循環

Pattern p = Pattern.compile("\\b\\w{3}\\b"); // 3字母單詞
Matcher m = p.matcher("You may be out of my sight");
while (m.find()) {
    System.out.println(m.group() + " @ [" + m.start() + "," + m.end() + ")");
}
// 輸出: You @ [0,3)  may @ [4,7)  out @ [8,11) ...

三大生產級實戰案例

案例一：RFC 5322 郵箱驗證（簡化版）

private static final Pattern EMAIL = Pattern.compile(
    "^[a-zA-Z0-9.!#$%&'*+/=?^_`{|}~-]+" +   // local part
    "@" +
    "[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?" + // domain
    "(?:\\.[a-zA-Z0-9](?:[a-zA-Z0-9-]{0,61}[a-zA-Z0-9])?)+$"
);

// 測試
Stream.of("user@example.com", "user.name@sub.domain.cn", "invalid@.com")
      .forEach(e -> System.out.println(e + " → " + EMAIL.matcher(e).matches()));

案例二：敏感詞過濾（DFA/Trie 樹優化版思路）

// 正則版（小規模詞庫）
private static final Pattern SENSITIVE = Pattern.compile(
    "(?i)(fuck|shit|damn|bitch|asshole)"); // (?i) 忽略大小寫

public String filter(String text) {
    return SENSITIVE.matcher(text).replaceAll(m -> 
        "*".repeat(m.group().length()));
}

// 大規模詞庫必須用 Trie/DFA，正則回溯會導致災難性性能

案例三：Nginx 訪問日誌結構化解析

// 典型格式: 192.168.1.1 - - [10/Jan/2024:10:30:45 +0800] "GET /api HTTP/1.1" 200 1234
private static final Pattern NGINX_LOG = Pattern.compile(
    "(?\\d+\\.\\d+\\.\\d+\\.\\d+) " +
    ".*? " +
    "\\[(?[^\\]]+)\\] " +
    "\"(?\\w+) (?\\S+) HTTP/[\\d.]+\" " +
    "(?\\d{3}) " +
    "(?\\d+)");

public LogEntry parse(String line) {
    Matcher m = NGINX_LOG.matcher(line);
    if (!m.matches()) return null;
    return new LogEntry(
        m.group("ip"), m.group("time"), m.group("method"),
        m.group("url"), Integer.parseInt(m.group("status")),
        Long.parseLong(m.group("size"))
    );
}

高性能優化鐵律

原則	錯誤示範	正確做法
預編譯緩存 Pattern	循環中 `Pattern.compile()`	static final 常量
避免災難性回溯	`(.)` `(a+)+`	用 `.*?`、`(?>...)`、具體字符類
優先具體字符類	`.*` 匹配非引號內容	`[^"]*` 零回溯
錨定開頭結尾	`\\d+` 匹配整行數字	`^\\d+$` 快速失敗
複用 Matcher	每次 `pattern.matcher(s)`	`matcher.reset(newInput)`
分組命名而非索引	`m.group(1)`	`m.group("ip")` 可維護

Java 9+ 新增 API

// Matcher 結果流
Pattern.compile("\\d+").matcher("a1b22c333")
    .results()
    .map(MatchResult::group)
    .forEach(System.out::println); // 1, 22, 333

// 不可變 Pattern（線程安全，可直接共享）
Pattern p = Pattern.compile("\\d+");