Java Pattern.asMatchPredicate 怎样复用正则过滤 Stream

如果一批字符串都要用同一条正则筛选，最小写法是先编译一次 Pattern，再调用 asMatchPredicate() 交给 Stream.filter。它对应的是整条字符串匹配，等价于为每个输入创建 Matcher 后调用 matches()；如果你要找的是“包含某段文本”，应改用 asPredicate()，两者不能混用。

官方文档地址：https://docs.oracle.com/en/java/javase/25/docs/api/java.base/java/util/regex/Pattern.html

先编译 Pattern，再复用 Predicate

Pattern 是不可变的已编译正则表示，可以被多个匹配器复用；匹配过程中的状态属于 Matcher。因此，把编译动作放在过滤管道外，既能让代码表达“一个规则筛一批数据”，也不会在每次 filter 调用时重复编译。

import java.util.List;
import java.util.function.Predicate;
import java.util.regex.Pattern;

public class ExactFilterDemo {
    public static void main(String[] args) {
        // 规则只编译一次，后续批量过滤都复用同一个 Pattern。
        Pattern orderId = Pattern.compile("ORD-\\d{6}");
        Predicate exactOrderId = orderId.asMatchPredicate();

        List matched = List.of("ORD-102400", "backup-ORD-102401", "ORD-7")
                .stream()
                // filter 需要 Predicate；这里要求整条字符串符合规则。
                .filter(exactOrderId)
                .toList();

        System.out.println(matched); // 只保留 ORD-102400
    }
}

这个例子中，只有完全等于 ORD- 加六位数字的元素会留下。backup-ORD-102401 虽然包含看起来像订单号的片段，但整条输入并没有匹配，因此会被排除。

整条匹配和子串查找怎么选

Java 的两个转换方法都返回 Predicate，差别在于内部匹配动作：

Pattern errorWord = Pattern.compile("timeout|refused", Pattern.CASE_INSENSITIVE);

// 注释：asPredicate 查找子串，适合日志行筛选，不要求整行只有错误词。
List errorLines = logs.stream()
        .filter(errorWord.asPredicate())
        .toList();

// 注释：如果日志字段必须完全符合格式，则使用 asMatchPredicate。
Predicate host = Pattern.compile("[a-z0-9-]+\\.example\\.com")
        .asMatchPredicate();

不要只因为方法名里都有 “Predicate” 就认为它们结果相同。选择规则时先问一句：我要验证整个字段，还是只要找到一段内容？

把边界放在输入和匹配器上

输入集合里若可能出现 null，应在进入正则谓词前处理，而不是把空值责任交给正则 API。可以先过滤非空值，再执行匹配；这也让谓词保持单一职责。

Pattern ticket = Pattern.compile("TKT-[A-Z]{2}-\\d{4}");

List tickets = rawValues.stream()
        // 注释：先排除 null，避免把空值传给正则匹配器。
        .filter(java.util.Objects::nonNull)
        // 注释：整条输入必须符合工单格式。
        .filter(ticket.asMatchPredicate())
        .toList();

Pattern 可以安全地作为共享规则使用，但不要把同一个有状态的 Matcher 跨线程复用。并行 Stream 只适合谓词无副作用、输入不会被并发修改的场景；正则本身较复杂时，先确认并行化不会让整体成本高于收益。

一张表记住使用边界

• 需要字段完整符合正则：使用 asMatchPredicate()。
• 只需要文本中出现匹配片段：使用 asPredicate()。
• 规则会被重复使用：把 Pattern.compile 放到 Stream 外。
• 输入可能为空：先用 Objects::nonNull 或业务默认值处理。
• 需要并行过滤：保持 Predicate 无状态，不共享 Matcher，并确认输入源不会被修改。

常见疑问是：能不能用 Pattern.matches 代替谓词？可以做一次性判断，但它会把编译和匹配写在同一调用里；当规则需要批量接入 Stream 时，预编译 Pattern 再生成 Predicate 更容易复用，也更能表达代码边界。