如果你曾經用過Perl或任何其他內建正則表達式支持的語言，你一定知道用正則表達式處理文本和匹配模式是多麼簡單。如果你不熟悉這個術語，那麼“正則表達式”（Regular
Expression）就是一個字符構成的串，它定義了一個用來搜索匹配字符串的模式。
許多語言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正則表達式處理文本，一些文本編輯器用正則表達式實現高級“搜索-替換”功能。那麼Java又怎樣呢？本文寫作時，一個包含了用正則表達式進行文本處理的Java規範需求（Specification Request）已經得到認可，你可以期待在JDK的下一版本中看到它。
然而，如果現在就需要使用正則表達式，又該怎麼辦呢？你可以從Apache.org下載源代碼開放的Jakarta-ORO庫。本文接下來的內容先簡要地介紹正則表達式的入門知識，然後以Jakarta-ORO API爲例介紹如何使用正則表達式。
一、正則表達式基礎知識
我們先從簡單的開始。假設你要搜索一個包含字符“cat”的字符串，搜索用的正則表達式就是“cat”。如果搜索對大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說：
1.1 句點符號
假設你在玩英文拼字遊戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結束。另外，假設有一本英文字典，你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式，你可以使用一個通配符——句點符號“.”。這樣，完整的表達式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無意義的組合。這是因爲句點符號匹配所有字符，包括空格、Tab字符甚至換行符：
1.2 方括號符號
爲了解決句點符號匹配範圍過於廣泛這一問題，你可以在方括號（“[]”）裏面指定看來有意義的字符。此時，只有方括號裏面指定的字符才參與匹配。也就是說，正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因爲在方括號之內你只能匹配單個字符：
1.3 “或”符號
如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那麼，你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達式。這裏不能使用方擴號，因爲方括號只允許匹配單個字符；這裏必須使用圓括號“()”。圓括號還可以用來分組，具體請參見後面介紹。
1.4 表示匹配次數的符號
表一顯示了表示匹配次數的符號，這些符號用來確定緊靠該符號左邊的符號出現的次數：
假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符（“-”）有着特殊的意義，它表示一個範圍，比如從0到9。因此，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉義字符“\”。
圖一：匹配所有123-12-1234形式的社會安全號碼
假設進行搜索的時候，你希望連字符號可以出現，也可以不出現——即，999-99-9999和999999999都屬於正確的格式。這時，你可以在連字符號後面加上“？”數量限定符號，如圖二所示：
圖二：匹配所有123-12-1234和123121234形式的社會安全號碼
下面我們再來看另外一個例子。美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達式。
圖三：匹配典型的美國汽車牌照號碼，如8836KV
1.5 “否”符號
“^”符號稱爲“否”符號。如果用在方括號內，“^”表示不想要匹配的字符。例如，圖四的正則表達式匹配所有單詞，但以“X”字母開頭的單詞除外。
圖四：匹配所有單詞，但“X”開頭的除外
1.6 圓括號和空白符號
假設要從格式爲“June 26, 1951”的生日日期中提取出月份部分，用來匹配該日期的正則表達式可以如圖五所示：
圖五：匹配所有Moth
DD,YYYY格式的日期
新出現的“\s”符號是空白符號，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號創建一個組，然後用ORO API（本文後面詳細討論）提取出它的值。修改後的正則表達式如圖六所示：
圖六：匹配所有Month DD,YYYY格式的日期，定義月份值爲第一個組
1.7 其它符號
爲簡便起見，你可以使用一些爲常見正則表達式創建的快捷符號。如表二所示：
表二：常用符號
例如，在前面社會安全號碼的例子中，所有出現“[0-9]”的地方我們都可以使用“\d”。修改後的正則表達式如圖七所示：
圖七：匹配所有123-12-1234格式的社會安全號碼
| 字符 | |
| B | 字符B |
| \xhh | 16進制值0xhh所表示的字符 |
| \uhhhh | 16進制值0xhhhh所表示的Unicode字符 |
| \t | Tab |
| \n | 換行符 |
| \r | 回車符 |
| \f | 換頁符 |
| \e | Escape |
正則表達式的強大體現在它能定義字符集(character class)。下面是一些最常見的字符集及其定義的方式，此外還有一些預定義的字符集：
| 字符集 | |
| . | 表示任意一個字符 |
| [abc] | 表示字符a，b，c中的任意一個(與a|b|c相同) |
| [^abc] | 除a，b，c之外的任意一個字符(否定) |
| [a-zA-Z] | 從a到z或A到Z當中的任意一個字符(範圍) |
| [abc[hij]] | a,b,c,h,i,j中的任意一個字符(與a|b|c|h|i|j相同)(並集) |
| [a-z&&[hij]] | h,i,j中的一個(交集) |
| \s | 空格字符(空格鍵, tab, 換行, 換頁, 回車) |
| \S | 非空格字符([^\s]) |
| \d | 一個數字，也就是[0-9] |
| \D | 一個非數字的字符，也就是[^0-9] |
| \w | 一個單詞字符(word character)，即[a-zA-Z_0-9] |
| \W | 一個非單詞的字符，[^\w] |
在一些語言裏，"\\"的意思是"只是要在正則表達式裏插入一個反斜槓。沒什麼特別的意思。"但是在Java裏，"\\"的意思是"要插入一個正則表達式的反斜槓，所以跟在它後面的那個字符的意思就變了。"舉例來說，如果想表示一個或更多的"單詞字符"，那麼這個正則表達式就應該是"\\w+"。如果要插入一個反斜槓，那就得用"\\\\"。不過像換行，跳格之類的還是隻用一根反斜槓："\n\t"。
| 邏輯運算符 | |
| XY | X 後面跟着 Y |
| X|Y | X或Y |
| (X) | 一個"要匹配的組(capturing group)". 以後可以用\i來表示第i個被匹配的組。 |
| 邊界匹配符 | |
| ^ | 一行的開始 |
| $ | 一行的結尾 |
| \b | 一個單詞的邊界 |
| \B | 一個非單詞的邊界 |
| \G | 前一個匹配的結束 |