正则表达式

 

一、基本概念

正则表达式： 

      “正则表达式”（Regular Expression）就是一个字符构成的串，它定义了一个用来搜索匹配字符串的模式。

       用过Perl或任何其他内建正则表达式支持语言的都应该不会对这个概念陌生。

       正则表达式的规则可以参见网上的资料。这里就不多说了。

二、java中的正则表达式

       java.util.regex是一个用正则表达式所订制的模式来对字符串进行匹配工作的类库包。

       它包括两个类：Pattern和Matcher。

       Pattern

         一个Pattern是一个正则表达式经编译后的表现模式。也可以说就是一个正则表达式，不过是java语言的形式。 

       Matcher

         一个Matcher对象是一个状态机器，它依据Pattern对象做为匹配模式对字符串展开匹配检查。

       使用原理

         首先生成一个Pattern实例，该实例制定了一个与perl的类似的正则表达式经编译后的模式，

         然后生成一个Matcher实例，使用这个给定的Pattern实例（正则表达式）进行字符串的匹配工作。 

三、Pattern类

         Pattern的方法如下：

            1） static Pattern compile(String regex) 

                   将给定的正则表达式编译并赋予给Pattern类 

            2） static Pattern compile(String regex, int flags) 

                   功能同上，但增加flag参数的指定，可选的flag参数包括：CASE INSENSITIVE,MULTILINE,DOTALL,UNICODE CASE， CANON EQ 

            3） int flags() 

                   返回当前Pattern的匹配flag参数.

            4） Matcher matcher(CharSequence input) 

                   生成一个给定命名的Matcher对象 

            5） static boolean matches(String regex, CharSequence input) 

                   编译给定的正则表达式并且对输入的字串以该正则表达式为模开展匹配,该方法适合于该正则表达式只会使用一次的情况，也就是只进行一次匹配工作，因为这种情况下并不需要生成一个Matcher实例。 

            6） String pattern() 

                    返回该Patter对象所编译的正则表达式。 

            7） String[] split(CharSequence input) 

                    将目标字符串按照Pattern里所包含的正则表达式为模进行分割。 

            8） String[] split(CharSequence input, int limit) 

                    作用同上，增加参数limit目的在于要指定分割的段数，如将limi设为2，那么目标字符串将根据正则表达式分为割为两段。 

           一个正则表达式，也就是一串有特定意义的字符，必须首先要编译成为一个Pattern类的实例，这个Pattern对象将会使用matcher()方法来生成一个Matcher实例，接着便可以使用该 Matcher实例以编译的正则表达式为基础对目标字符串进行匹配工作，多个Matcher是可以共用一个Pattern对象的。 

           现在我们先来看一个简单的例子，通过它来了解怎样生成一个Pattern对象并且编译一个正则表达式，最后根据这个正则表达式将目标字符串进行分割：

 

import java.util.regex.*;
public class Replace{

    public static void main(String[] args) throws Exception {

        // 生成一个Pattern,同时编译一个正则表达式
        Pattern p = Pattern.compile("/+"); 
        // 用Pattern的split()方法把字符串按一个或多个"/"分割
        String[] result = p.split("test1///test2/test3"); 
        for (String a : result)
            System.out.println(a);
    }
}

  

输出的结果为：

 

test1
test2
test3

 

 

        其中正则表达式"/+"表示匹配一个或多个"/"。

        很明显，该程序将字符串按"/"进行了分段，我们以下再使用 split(CharSequence input, int limit)方法来指定分段的段数：

 

import java.util.regex.*;
public class Replace{

    public static void main(String[] args) throws Exception {

        // 生成一个Pattern,同时编译一个正则表达式
        Pattern p = Pattern.compile("/+"); 
        // 用Pattern的split()方法把字符串按一个或多个"/"分割
        String[] result = p.split("test1///test2/test3",2); 
        for (String a : result)
            System.out.println(a);
    }
}

 

 

这里面的参数"2"表明将目标语句分为两段。

输出的结果为：

 

test1
test2/test3

 

       通过上面的实例，就能够掌握怎样生成一个Pattern对象并且编译一个正则表达式，最后根据这个正则表达式将目标字符串进行处理。

四、Matcher类

        Matcher方法如下：

             1）Matcher appendReplacement(StringBuffer sb, String replacement) 

                    将当前匹配子串替换为指定字符串，并且将替换后的子串以及其之前到上次匹配子串之后的字符串段添加到一个StringBuffer对象里。 

             2）StringBuffer appendTail(StringBuffer sb) 

                    将最后一次匹配工作后剩余的字符串添加到一个StringBuffer对象里。 

             3）int end() 

                    返回当前匹配的子串的最后一个字符在原目标字符串中的索引位置 。 

             4）int end(int group) 

                    返回与匹配模式里指定的组相匹配的子串最后一个字符的位置。 

             5）boolean find() 

                    尝试在目标字符串里查找下一个匹配子串。 

             6）boolean find(int start) 

                    重设Matcher对象，并且尝试在目标字符串里从指定的位置开始查找下一个匹配的子串。 

             7）String group() 

                    返回当前查找而获得的与组匹配的所有子串内容 

             8）String group(int group) 

                    返回当前查找而获得的与指定的组匹配的子串内容 

             9）int groupCount() 

                    返回当前查找所获得的匹配组的数量。 

            10）boolean lookingAt() 

                    检测目标字符串是否以匹配的子串起始。 

            11）boolean matches() 

                    尝试对整个目标字符展开匹配检测，也就是只有整个目标字符串完全匹配时才返回真值。 

            12）Pattern pattern() 

                    返回该Matcher对象的现有匹配模式，也就是对应的Pattern 对象。 

            13）String replaceAll(String replacement) 

                    将目标字符串里与既有模式相匹配的子串全部替换为指定的字符串。 

            14）String replaceFirst(String replacement) 

                    将目标字符串里第一个与既有模式相匹配的子串替换为指定的字符串。 

            15）Matcher reset() 

                    重设该Matcher对象。 

            16）Matcher reset(CharSequence input) 

                    重设该Matcher对象并且指定一个新的目标字符串。 

            17）int start() 

                    返回当前查找所获子串的开始字符在原目标字符串中的位置。 

            18）int start(int group) 

                    返回当前查找所获得的和指定组匹配的子串的第一个字符在原目标字符串中的位置。 

            光看方法的解释没有什么用，还是结合例子实践一下吧。 

        一个Matcher实例是被用来对目标字符串进行基于既有模式（也就是一个给定的Pattern所编译的正则表达式）进行匹配查找的，所有往Matcher的输入都是通过CharSequence接口提供的，这样做的目的在于可以支持对从多元化的数据源所提供的数据进行匹配工作。 

       1、 一个Matcher对象是由一个Pattern对象调用其matcher()方法而生成的，一旦该Matcher对象生成,它就可以进行三种不同的匹配查找操作： 

            1）*matches()*方法尝试对整个目标字符展开匹配检测，也就是只有整个目标字符串完全匹配时才返回真值。 

            2）*lookingAt ()*方法将检测目标字符串是否以匹配的子串起始。 

            3）*find()*方法尝试在目标字符串里查找下一个匹配子串。 

       以上三个方法都将返回一个布尔值来表明成功与否。

例如：

 

public static void main(String[] args) throws Exception {

        Pattern p = Pattern.compile("/+");
        Matcher m = p.matcher("a///b/c");
        boolean result2 = m.lookingAt();
        System.out.println(result2);
        boolean result3 = m.find();
        boolean result4 = m.find();
        boolean result5 = m.find();
        System.out.println(result3 + "|" + result4 + "|" + result5);

}

 

 

输出的结果为：

 

false
true|true|false

 

 

   2、Replacement()和appendTail()方法

        appendReplacement(StringBuffer sb, String replacement) 将当前匹配子串替换为指定字符串，并且将替换后的子串以及其之前到上次匹配子串之后的字符串段添加到一个StringBuffer对象里，而appendTail(StringBuffer sb) 方法则将最后一次匹配工作后剩余的字符串添加到一个StringBuffer对象里。 

        也就是说这两个方法要结合StringBuffer使用才行。

        例如，有字符串fatcatfatcatfat,假设既有正则表达式模式为"cat"，第一次匹配后调用appendReplacement(sb,"dog"),那么这时StringBuffer sb的内容为fatdog，也就是fatcat中的cat被替换为dog并且与匹配子串前的内容加到sb里，而第二次匹配后调用appendReplacement(sb,"dog")，那么sb的内容就变为fatdogfatdog，如果最后再调用一次appendTail（sb）,那么sb最终的内容将是fatdogfatdogfat。

        说的有点复杂，要不直接看实例吧。

 

public static void main(String[] args) throws Exception {

        Pattern p = Pattern.compile("df");
        Matcher m = p.matcher("a/df//bdf/cdf");
        StringBuffer sb = new StringBuffer(); 
        //找到第一个匹配的位置
        boolean result = m.find();
        int i = 0;
        //使用循环将句子里所有的df找出并替换再将内容加到sb里
        while(result) {
        i++;
        m.appendReplacement(sb, "er");
        System.out.println("第"+i+"次匹配后sb的内容是："+sb);
        //继续查找下一个匹配对象
        result = m.find();
        }
        //最后调用appendTail()方法将最后一次匹配后的剩余字符串加到sb里；
        m.appendTail(sb);
        System.out.println("调用m.appendTail(sb)后sb的最终内容是:"+ sb.toString());

}

 

 

输出的结果为：

 

第1次匹配后sb的内容是：a/er
第2次匹配后sb的内容是：a/er//ber
第3次匹配后sb的内容是：a/er//ber/cer
调用m.appendTail(sb)后sb的最终内容是:a/er//ber/cer

 

其中 result = m.find()的作用就是定位匹配的字符，必须使用该行代码进行循环定位。

五、检验Email地址的小程序

该例演示了怎样用正则表达式验证email格式的合法性。本例并不能验证所有的email格式，只是举例来说明正则表达式的用法。

 

public static void main(String[] args) throws Exception {

        String input = "sw+e?@qw.com";
        // email的开头必须是字母或数字或下划线
        Pattern p = Pattern.compile("^[A-Za-z0-9_]+");
        Matcher m = p.matcher(input);
        if (!m.find()){
            System.out.println("email格式错误！email的开头必须是字母或数字或下划线");
            return;
        }

        //检测是否包含除列出以外的非法字符
        p = Pattern.compile("[^A-Za-z0-9_.@]+");
        m = p.matcher(input);
        StringBuffer sb = new StringBuffer();
        boolean result2 = m.find();
        boolean deletedIllegalChars = false;
        while(result2) {
            //如果找到了非法字符那么就设下标记
            deletedIllegalChars = true;
            //如果里面包含非法字符如冒号双引号等，那么就把他们消去，加到SB里面
            m.appendReplacement(sb, "");
            result2 = m.find();
        }
        m.appendTail(sb);
        input = sb.toString();
        if (deletedIllegalChars) {
            System.out.println("输入的EMAIL地址里包含有冒号、逗号等非法字符，请修改");
            System.out.println("修改后合法的地址应类似: "+input);
        }
}

 

 

输出结果为：

输入的EMAIL地址里包含有冒号、逗号等非法字符，请修改
修改后合法的地址应类似: swe@qwcom

如果 input = "*[e-mail]"

输出结果为：

email格式错误！email的开头必须是字母或数字或下划线

六、Pattern与String的split方法

String类也有一个方法split，也可以实现切割字符串的功能，但是它与Pattern的split方法有什么区别和联系呢？

我们知道利用Pattern和String类的split方法都可以很好的切割字符串的功能。

但是如果去查看这两个类的split方法的源码时，我能就会发现String类的split方法执行效率比Pattern类的split方法要低得多。

String类的split方法源码：

 

public String[] split(String regex) {
        return split(regex, 0);
}



public String[] split(String regex, int limit) {
 	return Pattern.compile(regex).split(this, limit);
}

 

 

通过源码可以看到，原来String的split是将Pattern进行了封装，如果有频繁使用split的应用，String的split要不停的编译正则表达式，如果使用Pattern则只需要编译一次，显然使用Pattern的效率比较高。

参考资料

java.util.regex的帮助文档 

http://www.jb51.net/article/17943.htm