目录

Java 正则前置须知

Java 正则常用语法分类详解

分类 1：基础元字符（匹配单个字符）

分类 2：量词（控制匹配次数）

关键区别：贪婪 vs 非贪婪（实战重点）

分类 3：字符类（匹配指定范围的字符）

示例（验证是否为小写字母）

分类 4：边界匹配器（匹配位置，非字符）

关键示例（完整验证手机号，核心场景）

分类 5：捕获组与非捕获组（提取 / 复用内容）

1. 捕获组（常用）

示例（提取座机号的区号和号码）

2. 非捕获组（仅匹配，不提取）

---

学习Java爬虫时顺手补缺笔记。正则表达式学了不用经常忘记并且大部分工作可以直接ai，因此这里要求够用，能看到即可。

Java 正则前置须知

1. 核心类：Java 中操作正则依赖 java.util.regex 包下的两个类：
   • Pattern：编译正则表达式（Pattern.compile(regex)），生成不可变的正则对象。
   • Matcher：执行匹配操作，通过 pattern.matcher(input) 获取，提供 find()、group() 等方法。
2. 关键转义：Java 字符串中 \ 是转义字符，因此正则中的 \ 必须写成 \\（双重转义），例如：
   • 原生正则 \d（匹配数字），在 Java 中要写为 \\d。
   • 原生正则 \"（匹配双引号），在 Java 中要写为 \\\"（先转义\，再转义"）。
3. 匹配流程：编译正则 → 获取匹配器 → 执行匹配 → 提取结果（对应你之前的代码逻辑）。

Java 正则常用语法分类详解

分类 1：基础元字符（匹配单个字符）

元字符是正则的基础，用于匹配单个特定字符或字符类型，以下是最常用的元字符，标注「原生正则」和「Java 写法」的区别。

原生正则	Java 写法	含义说明	适用示例
.	.	匹配除「换行符 \n」外的任意单个字符	匹配 a、1、@、/ 等
\d	\\d	匹配单个数字（0-9），等价于 [0-9]	匹配手机号、身份证号中的数字
\D	\\D	匹配单个非数字字符，等价于 [^0-9]	提取字符串中的非数字部分
\w	\\w	匹配单个「单词字符」（字母、数字、下划线），等价于 [a-zA-Z0-9_]	匹配变量名、用户名
\W	\\W	匹配单个「非单词字符」，等价于 [^a-zA-Z0-9_]	匹配标点符号、特殊符号
\s	\\s	匹配单个空白字符（空格、制表符 \t、换行符 \n 等）	去除字符串中的多余空白
\S	\\S	匹配单个非空白字符	提取字符串中的有效内容（排除空白）
\\	\\\\	匹配反斜杠 \ 本身（特殊字符需要转义）	匹配文件路径中的 \
\.	\\.	匹配小数点 . 本身（. 是元字符，需转义）	匹配邮箱、URL 中的小数点

示例代码（匹配单个数字）

String regex = "\\d"; // Java写法，对应原生\d
String input = "abc123def";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {
    System.out.println("匹配到数字：" + matcher.group()); // 输出：1、2、3
}

分类 2：量词（控制匹配次数）

量词用于指定「前面的字符 / 元字符 / 捕获组」的匹配次数，分为「贪婪匹配」（默认，尽可能多匹配）和「非贪婪匹配」（加 ?，尽可能少匹配），是正则的核心常用语法。

语法	含义说明	贪婪 / 非贪婪	示例（Java 写法）
*	匹配前面的内容 0 次或多次	贪婪	\\d*：匹配 0 个或多个数字（可空）
+	匹配前面的内容 1 次或多次	贪婪	\\d+：匹配 1 个或多个数字（非空）
?	匹配前面的内容 0 次或 1 次	贪婪	\\d?：匹配 0 个或 1 个数字
{n}	匹配前面的内容恰好 n 次	贪婪	\\d{6}：匹配恰好 6 个数字（如验证码）
{n,}	匹配前面的内容至少 n 次	贪婪	\\d{8,}：匹配至少 8 个数字（如密码）
{n,m}	匹配前面的内容至少 n 次，最多 m 次	贪婪	\\d{6,18}：匹配 6-18 个数字（如账号）
*?	匹配前面的内容 0 次或多次	非贪婪	(.*?)：你之前提取 firstUrl 用到的非贪婪捕获
+?	匹配前面的内容 1 次或多次	非贪婪	\\d+?：匹配最少 1 个数字，遇到非数字即停止

关键区别：贪婪 vs 非贪婪（实战重点）

String input = "num1=123&num2=456";
// 贪婪匹配：\\d+（尽可能多匹配，直到最后一个数字）
String greedyRegex = "num1=(\\d+)";
Matcher greedyMatcher = Pattern.compile(greedyRegex).matcher(input);
if (greedyMatcher.find()) {
    System.out.println("贪婪匹配结果：" + greedyMatcher.group(1)); // 输出：123（正确，因为&是非数字，停止）
}

// 若输入为 "num1=123456"，贪婪和非贪婪结果一致；若输入为 "num1=123num2=456"
String input2 = "num1=123num2=456";
String nonGreedyRegex = "num1=(\\d+?)"; // 非贪婪匹配
Matcher nonGreedyMatcher = Pattern.compile(nonGreedyRegex).matcher(input2);
if (nonGreedyMatcher.find()) {
    System.out.println("非贪婪匹配结果：" + nonGreedyMatcher.group(1)); // 输出：1（最少匹配1个数字即停止）
}

分类 3：字符类（匹配指定范围的字符）

用 [] 包裹，用于匹配「其中任意一个字符」，支持范围指定和排除逻辑，是验证场景的常用语法。

语法	含义说明	Java 示例写法
[abc]	匹配 a、b、c 中的任意一个字符	"[abc]"（匹配单个小写字母 a/b/c）
[a-z]	匹配任意一个小写英文字母（a 到 z）	"[a-z]"（范围匹配，用 - 连接）
[A-Z]	匹配任意一个大写英文字母（A 到 Z）	"[A-Z]"
[0-9]	匹配任意一个数字（等价于 \\d）	"[0-9]"
[a-zA-Z0-9]	匹配任意一个大小写字母或数字（等价于 \\w，不含下划线）	"[a-zA-Z0-9]"
[^abc]	匹配除 a、b、c 之外的任意一个字符（^ 表示排除）	"[^abc]"
[^0-9]	匹配除数字之外的任意一个字符（等价于 \\D）	"[^0-9]"

示例（验证是否为小写字母）

String regex = "^[a-z]+$"; // ^ 行首，$ 行尾，+ 至少1个
String input1 = "abc";
String input2 = "Abc123";
System.out.println(Pattern.matches(regex, input1)); // 输出：true
System.out.println(Pattern.matches(regex, input2)); // 输出：false

分类 4：边界匹配器（匹配位置，非字符）

用于匹配「字符串 / 行的边界位置」，不匹配具体字符，常用于「完整验证」（如手机号、邮箱的全量匹配）。

原生正则	Java 写法	含义说明	适用场景
^	^	匹配字符串的行首（整个输入的开头）	验证字符串是否以指定内容开头
$	$	匹配字符串的行尾（整个输入的结尾）	验证字符串是否以指定内容结尾
\b	\\b	匹配单词边界（单词与非单词的分界）	提取单个单词、避免部分匹配
\B	\\B	匹配非单词边界	匹配单词内部的内容

关键示例（完整验证手机号，核心场景）

// 手机号规则：1开头，第二位3-9，后面9位数字，完整匹配（不能有多余字符）
String phoneRegex = "^1[3-9]\\d{9}$";
String phone1 = "13812345678";
String phone2 = "138123456789"; // 多1位
String phone3 = "a13812345678"; // 前面有多余字符
System.out.println(Pattern.matches(phoneRegex, phone1)); // true
System.out.println(Pattern.matches(phoneRegex, phone2)); // false
System.out.println(Pattern.matches(phoneRegex, phone3)); // false

值得注意：

在Pattern.matches()中，显式书写^和$是可选的，因为方法本身会自动隐含完整匹配逻辑，结果不受影响；

在Matcher.find()（通用正则匹配）中，^和$是必不可少的，用于实现「完整字符串验证」，避免匹配到多余字符的子串；

分类 5：捕获组与非捕获组（提取 / 复用内容）

用 () 包裹，用于「捕获匹配结果」或「分组匹配」，分为「捕获组」（可提取、可反向引用）和「非捕获组」（仅匹配，不保存结果，节省资源）。

1. 捕获组（常用）

语法	含义说明	Java 示例
(exp)	普通捕获组，编号从 1 开始（按左括号顺序）	"(\\d{3})-(\\d{8})"（匹配座机号，分组 1 为区号，分组 2 为号码）
(?<name>exp)	命名捕获组，给捕获组起名字，方便提取	"(?<area>\\d{3})-(?<number>\\d{8})"（命名 area 和 number）
\\n	反向引用，引用第 n 个捕获组的内容（匹配与该组相同的内容）	"(\\w)\\1"（匹配连续两个相同的单词字符，如 aa、11）

示例（提取座机号的区号和号码）

String regex = "(\\d{3})-(\\d{8})";
String input = "北京区号：010-12345678，上海区号：021-87654321";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {
    System.out.println("完整座机号：" + matcher.group(0)); // 第0组：整个匹配结果
    System.out.println("区号：" + matcher.group(1)); // 第1组：3位区号
    System.out.println("号码：" + matcher.group(2)); // 第2组：8位号码
}

2. 非捕获组（仅匹配，不提取）

语法：(?:exp)，用于分组匹配但不需要保存结果，适合复杂正则的分组逻辑，避免多余的捕获组占用资源。

// 匹配 "abc" 或 "abd"，用非捕获组分隔，无需提取分组结果
String regex = "ab(?:c|d)";
String input1 = "abc";
String input2 = "abd";
String input3 = "abe";
System.out.println(Pattern.matches(regex, input1)); // true
System.out.println(Pattern.matches(regex, input2)); // true
System.out.println(Pattern.matches(regex, input3)); // false

正则语法部分，我觉得捕获组，贪婪/非贪婪匹配，边界匹配的概念知道就很够用了。

如有疏漏与错误还请在评论区讨论交流！