正则表达式学习笔记二

众所周知，在程序开发中，难免会遇到需要匹配、查找、替换、判断字符串的情况发生，而这些情况有时又比较复杂，如果用纯编码方式解决，往往会浪费程序员的时间及精力。因此，学习及使用正则表达式，便成了解决这一矛盾的主要手段。 
大 家都知道，正则表达式是一种可以用于模式匹配和替换的规范，一个正则表达式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）组成的文字模式，它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。 
  自从jdk1.4推出java.util.regex包，就为我们提供了很好的JAVA正则表达式应用平台。 

因为正则表达式是一个很庞杂的体系，所以我仅例举些入门的概念，更多的请参阅相关书籍及自行摸索。 

\\ 反斜杠 
\t 间隔 ('\u0009') 
\n 换行 ('\u000A') 
\r 回车 ('\u000D') 
\d 数字 等价于[0-9] 
\D 非数字 等价于[^0-9] 
\s 空白符号 [\t\n\x0B\f\r] 
\S 非空白符号 [^\t\n\x0B\f\r] 
\w 单独字符 [a-zA-Z_0-9] 
\W 非单独字符 [^a-zA-Z_0-9] 
\f 换页符 
\e Escape 
\b 一个单词的边界 
\B 一个非单词的边界 
\G 前一个匹配的结束 

^为限制开头 
^java     条件限制为以Java为开头字符 
$为限制结尾 
java$     条件限制为以java为结尾字符 
.  条件限制除\n以外任意一个单独字符 
java..     条件限制为java后除换行外任意两个字符 


加入特定限制条件「[]」 
[a-z]     条件限制在小写a to z范围中一个字符 
[A-Z]     条件限制在大写A to Z范围中一个字符 
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符 
[0-9]     条件限制在小写0 to 9范围中一个字符 
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符 
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集) 

[]中加入^后加再次限制条件「[^]」 
[^a-z]     条件限制在非小写a to z范围中一个字符 
[^A-Z]     条件限制在非大写A to Z范围中一个字符 
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符 
[^0-9]     条件限制在非小写0 to 9范围中一个字符 
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符 
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集) 

在限制条件为特定字符出现0次以上时，可以使用「*」 
J*     0个以上J 
.*     0个以上任意字符 
J.*D     J与D之间0个以上任意字符 

在限制条件为特定字符出现1次以上时，可以使用「+」 
J+     1个以上J 
.+     1个以上任意字符 
J.+D     J与D之间1个以上任意字符 

在限制条件为特定字符出现有0或1次以上时，可以使用「?」 
JA?     J或者JA出现 

限制为连续出现指定次数字符「{a}」 
J{2}     JJ 
J{3}     JJJ 
文字a个以上，并且「{a,}」 
J{3,}     JJJ,JJJJ,JJJJJ,???(3次以上J并存) 
文字个以上，b个以下「{a,b}」 
J{3,5}     JJJ或JJJJ或JJJJJ 
两者取一「|」 
J|A     J或A 
Java|Hello     Java或Hello 

「()」中规定一个组合类型 
比如，我查询<a href=\"index.html\">index</a>中<a href></a>间的数据，可写作<a.*href=\".*\">(.+?)</a> 

在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数： 
Pattern Pattern.compile(String regex, int flag) 

flag的取值范围如下： 
Pattern.CANON_EQ     当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a\u030A"会匹配"?"。默认情况下，不考虑"规 范相等性(canonical equivalence)"。 
Pattern.CASE_INSENSITIVE(?i)     默认情况下，大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹 配，只要将UNICODE_CASE与这个标志合起来就行了。 
Pattern.COMMENTS(?x)     在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：不是指表达式里的"\\s"，而是指表达式里的空格，tab，回车之类)。注释从#开始，一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。 
Pattern.DOTALL(?s)     在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。
Pattern.MULTILINE 
(?m)     在这种模式下，'^'和'$'分别匹配一行的开始和结束。此外，'^'仍然匹配字符串的开始，'$'也匹配字符串的结束。默认情况下，这两个表达式仅仅匹配字符串的开始和结束。 
Pattern.UNICODE_CASE 
(?u)     在这个模式下，如果你还启用了CASE_INSENSITIVE标志，那么它会对Unicode字符进行大小写不明感的匹配。默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。 
Pattern.UNIX_LINES(?d)     在这个模式下，只有'\n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。 


抛开空泛的概念，下面写出几个简单的Java正则用例： 

◆比如，在字符串包含验证时 

//查找以Java开头,任意结尾的字符串 
  Pattern pattern = Pattern.compile("^Java.*"); 
  Matcher matcher = pattern.matcher("Java不是人"); 
  boolean b= matcher.matches(); 
  //当条件满足时，将返回true，否则返回false 
  System.out.println(b); 


◆以多条件分割字符串时 
Pattern pattern = Pattern.compile("[, |]+"); 
String[] strs = pattern.split("Java Hello World  Java,Hello,,World|Sun"); 
for (int i=0;i<strs.length;i++) { 
    System.out.println(strs[i]); 
} 

◆文字替换（首次出现字符） 
Pattern pattern = Pattern.compile("正则表达式"); 
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); 
//替换第一个符合正则的数据 
System.out.println(matcher.replaceFirst("Java")); 

◆文字替换（全部） 
Pattern pattern = Pattern.compile("正则表达式"); 
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); 
//替换第一个符合正则的数据 
System.out.println(matcher.replaceAll("Java")); 


◆文字替换（置换字符） 
Pattern pattern = Pattern.compile("正则表达式"); 
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World "); 
StringBuffer sbr = new StringBuffer(); 
while (matcher.find()) { 
    matcher.appendReplacement(sbr, "Java"); 
} 
matcher.appendTail(sbr); 
System.out.println(sbr.toString()); 

◆验证是否为邮箱地址 

String str="[e-mail]"; 
Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE); 
Matcher matcher = pattern.matcher(str); 
System.out.println(matcher.matches()); 

◆去除html标记 
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL); 
Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>"); 
String string = matcher.replaceAll(""); 
System.out.println(string); 

◆查找html中对应条件字符串 
Pattern pattern = Pattern.compile("href=\"(.+?)\""); 
Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>"); 
if(matcher.find()) 
  System.out.println(matcher.group(1)); 
} 

◆截取http://地址 
//截取url 
Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+"); 
Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf"); 
StringBuffer buffer = new StringBuffer(); 
while(matcher.find()){              
    buffer.append(matcher.group());        
    buffer.append("\r\n");              
System.out.println(buffer.toString()); 
} 
        
◆替换指定{}中文字 

String str = "Java目前的发展史是由{0}年-{1}年"; 
String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}}; 
System.out.println(replace(str,object)); 

public static String replace(final String sourceString,Object[] object) { 
            String temp=sourceString;    
            for(int i=0;i<object.length;i++){ 
                      String[] result=(String[])object[i]; 
               Pattern    pattern = Pattern.compile(result[0]); 
               Matcher matcher = pattern.matcher(temp); 
               temp=matcher.replaceAll(result[1]); 
            } 
            return temp; 
} 


◆以正则条件查询指定目录下文件 

//用于缓存文件列表 
        private ArrayList files = new ArrayList(); 
        //用于承载文件路径 
        private String _path; 
        //用于承载未合并的正则公式 
        private String _regexp; 
        
        class MyFileFilter implements FileFilter { 

              /** 
               * 匹配文件名称 
               */ 
              public boolean accept(File file) { 
                try { 
                  Pattern pattern = Pattern.compile(_regexp); 
                  Matcher match = pattern.matcher(file.getName());                
                  return match.matches(); 
                } catch (Exception e) { 
                  return true; 
                } 
              } 
            } 
        
        /** 
         * 解析输入流 
         * @param inputs 
         */ 
        FilesAnalyze (String path,String regexp){ 
            getFileName(path,regexp); 
        } 
        
        /** 
         * 分析文件名并加入files 
         * @param input 
         */ 
        private void getFileName(String path,String regexp) { 
            //目录 
              _path=path; 
              _regexp=regexp; 
              File directory = new File(_path); 
              File[] filesFile = directory.listFiles(new MyFileFilter()); 
              if (filesFile == null) return; 
              for (int j = 0; j < filesFile.length; j++) { 
                files.add(filesFile[j]); 
              } 
              return; 
            } 
    
        /** 
         * 显示输出信息 
         * @param out 
         */ 
        public void print (PrintStream out) { 
            Iterator elements = files.iterator(); 
            while (elements.hasNext()) { 
                File file=(File) elements.next(); 
                    out.println(file.getPath());    
            } 
        } 

        public static void output(String path,String regexp) { 

            FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp); 
            fileGroup1.print(System.out); 
        } 
    
        public static void main (String[] args) { 
            output("C:\\","[A-z|.]*"); 
        }