Java 正则表达式入门：java.util.regex 与文本模式校验
Pattern/Matcher 两步式与 String.matches 全串匹配的差别，字符类、量词、分组与或运算；用邮箱校验、密码强度、18 位身份证三个真实规则落地，并对照 SQL 方言中的同构 regexp。
知识点地图
- 知识类别：正则表达式（regular expression）——
java.util.regex包，官方 API 文档中与 String 并列的独立主题（Pattern、Matcher 两个核心类）。 - 解决什么问题：「这个字符串长得像不像一个合法的邮箱/手机号/身份证」这类结构校验，用 if 与 indexOf 手写会层层嵌套且漏边界；用「一套符号描述文本模式」一句话完成。
- 什么时候用到：表单校验（前端之外的最后一道防线）、日志分析（从大段文本抽取片段）、批量替换（把文本里的日期统一改格式）、split 按复杂分隔符切分。
本篇原是 字符串详解 的一个小节，因 java.util.regex 在官方体系里是独立主题且内容量足够，拆出扩充为独立一篇；130 保留字符串主线并在第 5 节留交叉引用。
前置知识
- 字符串详解：String 不可变、
split/replace的存在； - Scanner 控制台输入：校验的对象常来自键盘输入。
学习目标
读完本文你将能够：
- 写出 Pattern/Matcher 两步式并解释它与
String.matches全串匹配的差别； - 背下正则符号速查表，并说出 Java 字符串里
\\d双反斜杠的由来； - 用字符类、量词、分组、或运算组合出邮箱、密码、身份证三条真实校验规则；
- 解释同一身份证校验在 Java 与 MySQL 里写法的方言差异。
预计 50 分钟，含 1 个找错练习与 2 道动手任务。
1. 两步式：Pattern 编译，Matcher 执行
Java 把正则引擎拆成两个角色：Pattern 是编译好的模式（可反复使用），Matcher 是模式作用于某段文本的执行器。来自 130 篇第 7 节的经典示例：
import java.util.regex.Pattern;
import java.util.regex.Matcher;
Pattern p = Pattern.compile("\\d{3}-\\d{8}"); // 3位数字-8位数字
Matcher m = p.matcher("联系我 138-12345678");
System.out.println(m.find()); // true：找到匹配片段
System.out.println(m.group()); // "138-12345678"逐段讲解：
Pattern.compile把字符串编译成内部状态机，编译有开销——同一个模式匹配成千上万次时，必须把 Pattern 提出来复用，这是两步式存在的主要理由。matcher(...)只是把模式与文本「装订」在一起，还没有开始匹配；真正的匹配动作是后面的find()/matches()/lookingAt()。find()在文本中寻找匹配片段（可以从任意位置开始，多次调用依次往下找）；m.group()取回刚找到的那段内容——调用 group 前必须先 find 成功，否则抛IllegalStateException。
matches / find / lookingAt 三者的差别
| 方法 | 语义 | 典型用途 |
|---|---|---|
m.find() | 文本中包含匹配片段即可 | 从日志抽取电话号 |
m.matches() | 整个字符串完全匹配才算 | 表单校验 |
m.lookingAt() | 从开头匹配即可，不要求到尾 | 解析固定前缀 |
换别的写法会发生什么：校验场景若误用 find，"我的邮箱是 a@163.com 请回复" 这种混着杂文的输入也会通过校验——校验必须用 matches（或正则首尾加 ^ $），这是安全上真实出现过的绕过案例。
2. String 的三个正则便捷方法
不关心复用、只匹配一次时，String 自带三个方法省去两步式：
"123".matches("\\d+"); // true：整体是否匹配（等价 Pattern.matches("\\d+", "123")）
"a1b2".replaceAll("\\d", "#"); // "a#b#"：替换所有匹配片段
"a1,b2".split(","); // 按正则切分，返回 String[]拆解讲解：
matches要求整个字符串匹配，find只要包含匹配片段即可——与第 1 节的表一致，String.matches 内部就是Pattern.matches(this, regex)。replaceAll的第一参数是正则，replace的第一参数是普通文本，两者不要混用："a.b".replace(".", "-")只换那一个点号，"a.b".replaceAll(".", "-")会把每个字符都换成减号（.在正则里匹配任意字符）。split的参数本来就是正则，普通字符没问题，遇到.、|等特殊字符要转义（见第 3 节与第 6 节找错）。
3. 符号速查与 Java 双反斜杠
常用符号速查：
| 符号 | 含义 | Java 字符串中写法 |
|---|---|---|
\d | 一个数字 | "\\d" |
\w | 字母/数字/下划线 | "\\w" |
\s | 空白字符 | "\\s" |
. | 任意字符（除换行） | "." |
* | 前一项出现 0 次或多次 | "a*" |
+ | 前一项出现 1 次或多次 | "\\d+" |
? | 前一项出现 0 次或 1 次 | "colou?r" |
{n,m} | 出现 n 到 m 次 | "\\d{3}" |
[abc] | 字符集合之一 | "[a-z]" |
^ $ | 开头 / 结尾 | "^\\d+$" |
(...) | 分组 | "(\\d{3})-(\\d{4})" |
| ` | ` | 或 |
为什么代码里是 \\d：正则引擎要求收到两个字符 \ 和 d；而 Java 字符串字面量里 \ 是转义前缀，写一个 \d 会被编译器当成非法转义直接报错（illegal escape character）。于是先写成 "\\d" 让字符串值为 \d，再交给正则引擎。这是初学者最常卡住的地方——记住「字符串里的正则符号一律双写反斜杠」。
转义特殊符号同理：正则里 . 有特殊含义，要匹配字面点号写 \\.；字面反斜杠写 \\\\（一层转义给 Java，一层给正则）。
4. 三条真实校验规则
规则一：邮箱校验（限定主机名版）
来自真实登录模块的需求：登录名固定 5 个字母，主机只允许 163 与 126，域名 com 或 com.cn：
String emailRegex = "^[A-Za-z]{5}@(163|126)\\.(com|com\\.cn)$";
public static boolean checkEmail(String email) {
return email != null && email.matches(emailRegex);
}逐段讲解：
^[A-Za-z]{5}：行首起，恰好 5 个字母。^与$一对锚点包住整个模式后，matches与find的差别被抹平，双保险。(163|126)：分组 + 或运算，两个主机号之一。\\.：字面点号必须转义，写成\\.(com|com\\.cn)；漏掉转义的话163xcom也能通过——.匹配任意字符。email != null的判断不能省：null.matches(...)直接空指针，正则再正确也救不了。
这是一条故意收窄的校验规则（真实通用邮箱规则远比它复杂，RFC 5322 的完整正则近乎天书）。教学价值在于理解每个片段的职责：字母类、量词、锚点、分组或、转义。生产环境的邮箱校验通常只验证 @ 前后各有一段合法字符，真正的验证靠发送确认邮件。
规则二：密码校验（6 位以上纯数字）
String pwdRegex = "[0-9]{6,}";
boolean ok = "123456".matches(pwdRegex); // true
boolean bad = "12345".matches(pwdRegex); // false：只有 5 位逐段讲解：[0-9]{6,} 是「至少 6 位」的量词闭区间写法，{6,} 没有上界；[0-9] 与 \\d 等价，写全区间的好处是正则可以原样搬进不认 \d 简写的环境（见规则三的 SQL 方言）。注意这条规则只验格式不验安全——纯数字密码本身就该被安全策略拒绝，格式校验与安全校验是两层。
规则三：18 位身份证校验（Java 与 SQL 方言对照）
真实商品管理系统在数据库层就拦截非法身份证：
-- MySQL 建表语句中的校验约束
Identity_id CHAR(18) NOT NULL regexp '^[0-9]{17}[0-9X]$'同一个规则搬到 Java：
String idRegex = "[0-9]{17}[0-9X]";
boolean ok = "11010519491231002X".matches(idRegex); // true，末位校验码 X方言差异逐点讲：
- MySQL 的 regexp 模式默认不需要首尾锚点也按「找到即可」执行，但配合约束校验时应显式写
^与$，行为才与 Java 的matches对齐。 - MySQL 8.0 前的字符类不认
\d简写（且 SQL 字符串的转义规则又不同），所以数据库版普遍写[0-9]——这也是规则二推荐写全区间的原因：写[0-9]而不是\\d，正则跨语言迁移成本最低。 - 职责分层：数据库约束是最后一道防线，Java 层校验给用户即时反馈，两层都写是常态而不是重复劳动；末位校验码的加权算法（GB 11643）两边的正则都管不了，需要独立代码实现。
5. 分组与捕获：从文本里抽取内容
校验只回答「像不像」，抽取向答「内容是什么」。分组 (...) 会把匹配片段存起来：
Pattern p = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2})");
Matcher m = p.matcher("下单时间 2026-10-05，发货 2026-10-07");
while (m.find()) {
System.out.println("整段: " + m.group(0)); // 2026-10-05
System.out.println("年: " + m.group(1)); // 2026
System.out.println("月: " + m.group(2)); // 10
System.out.println("日: " + m.group(3)); // 05
}逐段讲解：group(0) 是整个匹配，group(1) 起对应第 n 个左括号；find() 返回 false 时循环结束，这是「遍历所有匹配」的标准写法。换 replaceAll("(\\d{4})-(\\d{2})-(\\d{2})", "$3/$2/$1") 可以用 $n 引用分组实现格式重排——把日期改成「日/月/年」只需一行。
易错点：分组只记左括号顺序；嵌套分组 (a(b)) 里 group(1) 是 ab、group(2) 是 b。
6. 找错练习：split 点号切分
一段真实代码想把 "192.168.1.1" 按点切分成四段：
String ip = "192.168.1.1";
String[] parts = ip.split(".");
System.out.println(parts.length); // 期望 4，实际输出 0解析：. 在正则里匹配任意字符，于是 split 找到的分隔符是「每一个字符」，原字符串被切成空串序列，而 Java 的 split 会丢弃尾部的空串，结果数组长度为 0。正确写法 ip.split("\\.")。这类 bug 编译期毫无征兆，运行时表现为「数组突然空了」，排查方向应第一时间想到「这个参数是正则」——split、replaceAll、matches、Pattern.compile 四个入口全部如此。
7. 动手实践
任务一（必做）：手机号校验器。写方法 static boolean checkPhone(String s)，规则：以 1 开头、第二位 3 到 9、总共 11 位纯数字。对 "13812345678"、"12812345678"、"1381234567" 三个输入验证输出 true / false / false。
提示：用 [3-9] 字符区间表示第二位；长度交给量词 {9} 配合首两位；别忘 null 保护。
参考实现（先自己写完再展开）
static boolean checkPhone(String s) {
return s != null && s.matches("1[3-9]\\d{9}");
}自检标准：总位数 = 1（首位）+ 1（第二位）+ 9（余下），\\d{9} 而不是 {10}；[3-9] 区间写法；null 短路放在 matches 之前（&& 从左到右短路，null 时不会走到 matches）。
任务二（选做）：日志时间抽取器。给定文本 "2026-10-05 09:30 完成；2026-10-06 14:05 部署"，用分组把每个「日期 时间」抽取出来并按「05/10 09:30」格式重新打印。
提示：第 5 节的 while(find) 循环 + group + String.format；正则 (\\d{4})-(\\d{2})-(\\d{2}) (\\d{2}):(\\d{2})。
参考实现
Pattern p = Pattern.compile("(\\d{4})-(\\d{2})-(\\d{2}) (\\d{2}):(\\d{2})");
Matcher m = p.matcher("2026-10-05 09:30 完成；2026-10-06 14:05 部署");
while (m.find()) {
System.out.printf("%s/%s %s:%s%n",
m.group(3), m.group(2), m.group(4), m.group(5));
}
// 输出两行：05/10 09:30 与 06/10 14:05自检标准：五个分组的编号与左括号顺序一致；循环条件是 m.find() 本身；格式串里的 %n 换行。
8. 一句话记住
Pattern 编译一次反复用，校验用 matches、抽取用 find + group；Java 字符串里反斜杠双写；
split/replaceAll的参数是正则，点号必须转义；跨语言迁移把\\d写成[0-9]。
9. 下一步
- 字符串详解：String 主线与 split/replaceAll 的宿主方法；
- Scanner 控制台输入：正则校验的输入来源与类型不匹配防御；
- 异常处理机制：
PatternSyntaxException（正则本身写错）的处理； - MySQL 数据类型与约束：规则三 SQL 侧的归属篇（regexp 约束与 check 约束的取舍）。
10. 参考与致谢
java.util.regex.Pattern官方 API 文档（方法语义、符号总表以此为准）：https://docs.oracle.com/en/java/javase/26/docs/api/java.base/java/util/regex/Pattern.html ；- Oracle Java Tutorials, Custom Networking — Regular Expressions（两步式心智模型参照）：https://docs.oracle.com/javase/tutorial/essential/regex/ （仅目录对照与链接引用，未复制正文）；
- 校验规则样例（限定主机邮箱、6 位纯数字密码、18 位身份证 regexp 约束）取材于仓库扫描材料中的真实项目配置，已按教学目的改写；身份证末位校验码算法见 GB 11643-1999（本文仅指出其存在，未展开）。