Kotlin正则表达式

Kotlin正则表达式

正则表达式（Regular Expression，简称Regex）是一种强大的文本处理工具，用于在字符串中匹配、查找、替换或提取特定模式的文本。在Kotlin中，正则表达式通过`Regex`类实现，并提供了丰富的API来简化字符串操作。本章将详细介绍Kotlin中正则表达式的基本语法、常见用法和实际应用场景。

基本概念

正则表达式由一系列字符和特殊符号组成，用于定义字符串的匹配规则。以下是正则表达式的基本组成部分：

• 字面字符：普通字符（如`a`、`1`）直接匹配自身。
• 元字符：具有特殊含义的字符，如`.`（匹配任意字符）、`*`（匹配前一个字符0次或多次）。
• 字符类：用`[]`定义，匹配其中任意一个字符，如`[abc]`匹配`a`、`b`或`c`。
• 量词：指定匹配次数，如`+`（1次或多次）、`?`（0次或1次）。
• 分组：用`()`将部分模式分组，便于后续引用或操作。

创建正则表达式

在Kotlin中，可以通过以下方式创建正则表达式：

1. 使用`Regex`构造函数：

val regex = Regex("a.b") // 匹配"a"后跟任意字符，再跟"b"

2. 使用字符串的`toRegex()`扩展函数：

val regex = "a.b".toRegex()

3. 使用三引号字符串（避免转义特殊字符）：

val regex = """\d{3}-\d{2}-\d{4}""".toRegex() // 匹配美国社保号格式

常用方法

Kotlin的`Regex`类提供了以下常用方法：

1. 匹配整个字符串（`matches`）

检查字符串是否完全匹配正则表达式：

val regex = Regex("a.b")
println(regex.matches("axb")) // 输出: true
println(regex.matches("axyb")) // 输出: false

2. 查找匹配项（`find`和`findAll`）

• `find`：返回第一个匹配项（`MatchResult?`）
• `findAll`：返回所有匹配项的序列

val text = "Kotlin 1.6 released in 2021"
val regex = Regex("\\d+") // 匹配一个或多个数字

val firstMatch = regex.find(text)
println(firstMatch?.value) // 输出: 1

val allMatches = regex.findAll(text).toList()
allMatches.forEach { println(it.value) } // 输出: 1, 6, 2021

3. 替换匹配项（`replace`和`replaceFirst`）

• `replace`：替换所有匹配项
• `replaceFirst`：仅替换第一个匹配项

val text = "foo bar baz"
val regex = Regex("ba.")

println(regex.replace(text, "XXX")) // 输出: foo XXX XXX
println(regex.replaceFirst(text, "XXX")) // 输出: foo XXX baz

4. 分割字符串（`split`）

根据正则表达式分割字符串：

val text = "apple,banana;cherry"
val regex = Regex("[,;]") // 匹配逗号或分号

val parts = regex.split(text)
println(parts) // 输出: [apple, banana, cherry]

正则表达式语法详解

以下是一些常用的正则表达式语法：

字符类

• `[abc]`：匹配`a`、`b`或`c`
• `[^abc]`：匹配除`a`、`b`、`c`外的任意字符
• `[a-z]`：匹配任意小写字母
• `[A-Z0-9]`：匹配大写字母或数字

预定义字符类

• `\d`：数字，等价于`[0-9]`
• `\D`：非数字，等价于`[^0-9]`
• `\s`：空白字符（空格、制表符等）
• `\w`：单词字符（字母、数字、下划线）

量词

• `X?`：0次或1次
• `X*`：0次或多次
• `X+`：1次或多次
• `X{n}`：恰好n次
• `X{n,}`：至少n次
• `X{n,m}`：n到m次

边界匹配

• `^`：字符串开头
• `$`：字符串结尾
• `\b`：单词边界

分组与捕获

分组允许将部分正则表达式组合起来，并捕获匹配的子字符串：

val text = "John: 30, Alice: 25"
val regex = Regex("(\\w+): (\\d+)") // 两个分组：姓名和年龄

val matches = regex.findAll(text).toList()
matches.forEach { match ->
    println("Name: ${match.groupValues[1]}, Age: ${match.groupValues[2]}")
}
// 输出:
// Name: John, Age: 30
// Name: Alice, Age: 25

实际应用案例

案例1：验证电子邮件格式

fun isValidEmail(email: String): Boolean {
    val regex = Regex("^[\\w.-]+@[\\w.-]+\\.[a-z]{2,}\$", RegexOption.IGNORE_CASE)
    return regex.matches(email)
}

println(isValidEmail("test@example.com")) // true
println(isValidEmail("invalid.email")) // false

案例2：提取HTML标签内容

val html = "<h1>Title</h1><p>Paragraph</p>"
val regex = Regex("<.*?>(.*?)<.*?>")

val contents = regex.findAll(html).map { it.groupValues[1] }.toList()
println(contents) // 输出: [Title, Paragraph]

案例3：日志文件分析

假设日志格式为`[2023-01-01] ERROR: File not found`：

val log = "[2023-01-01] ERROR: File not found"
val regex = Regex("\\[(.*?)\\] (\\w+): (.*)")

val match = regex.find(log)!!
println("Date: ${match.groupValues[1]}")
println("Level: ${match.groupValues[2]}")
println("Message: ${match.groupValues[3]}")
// 输出:
// Date: 2023-01-01
// Level: ERROR
// Message: File not found

性能优化建议

1. 预编译正则表达式：如果多次使用同一正则表达式，建议将其定义为全局常量：

val EMAIL_REGEX = Regex("^[\\w.-]+@[\\w.-]+\\.[a-z]{2,}\$")

2. 避免贪婪匹配：默认量词（`*`、`+`）是贪婪的，可能影响性能。在不需要时使用惰性匹配（`*?`、`+?`）。

3. 使用具体字符类：`\d`比`[0-9]`更易读，但后者在某些情况下性能更好。

常见问题与陷阱

• 转义字符：在字符串中需对反斜杠转义（`\\d`），或使用三引号字符串（`"""\d"""`）。
• 贪婪匹配：`".*"`会匹配到字符串末尾，可能不符合预期。
• Unicode字符：默认情况下，`\w`等字符类仅匹配ASCII字符，可使用`RegexOption.UNICODE_CHARACTER_CLASS`启用Unicode支持。

总结

Kotlin的正则表达式功能强大且易于使用，通过`Regex`类和丰富的API可以高效处理文本匹配、提取和替换任务。掌握正则表达式能显著提升字符串处理的灵活性和效率。建议从简单模式开始练习，逐步掌握复杂表达式的编写技巧。