Java正则表达式——知识积累

    前言：最近这几天一直为文字匹配高亮所烦恼，而且又对多线程，正则表达式不熟悉，完全就是个新手，参考着代码写了一个分析，对于里面反复用到的正表达式可谓是云里雾里的...没有办法，以后的日子里要反复用到Java正则表达式。所有还是得把Java的正则表达是学好...

1.java.util.regex是Java正则表达式的包，包括了两个主要的类：Pattern(模式类),Matcher(匹配器类)。Pattern类用来描述所要匹配的对象（字母?汉字）,Matcher类是真正影响搜索的对象。

public class Demo {
	public static void main(String[] args) {
		String exp="(你好)";
		String str="朋友,你好！欢迎光临cjp1989的博客...";
		//将正则表达式"exp"的模式用在本程序中
		Pattern p=Pattern.compile(exp);
		//将得到的模式用来创建匹配器
		Matcher m=p.matcher(str);
		//find()方法：判断内容是否和正则表达式匹配上
		while(m.find()){
			//group()方法：返回匹配的字符串
			System.out.println("匹配上的字符"+m.group());
			//返回匹配的开始索引和结束索引
			int start=m.start();
			int end=m.end();
			//下面用来替换使用(你好——hello)：同时也是java高亮显示的方法
			StringBuffer sb=new StringBuffer();
			sb.append(str.substring(0, start));
			sb.append("hello");
			sb.append(str.substring(end, str.length()));
			System.out.println("最后替换结果："+sb.toString());
		}
	}
}

附上高亮的简单方法：
在css里面设置样式，例如字体红色背景
.br{background-color:#FF0000;color:#FFFFFF;}
将sb.append("hello")改写为sb.append("<span class=\"br\">"+hello+"</span>");
这样就可以高亮显示hello了。

2.当你运行完上面的程序后，你已经掌握了基本的java正则实际应用。你可能会觉得原来替换和高亮的原理是如此的简单...不过实际工作中，百万级数据量的匹配高亮删选，不是那么容易的一件事件...我也是个新手啊  。上面的String exp="(你好)";就是一个标准的java正则表达式。不过当然你要匹配的数据不会是这么标准的，可能就是一大堆的数据和符号杂合在一起的。要你通过适当的匹配方法来进行匹配,这就要向正则表达式的规则进行研究了...玩搜索的就是要玩正则...不扯淡了,下面介绍常用的java正则表达式规则

3.常用的java正则规则介绍：
   字符类： 反斜线字符(\)，对java的解释器来说有特殊的含义。应该使用双反斜线字符(\\)，在模式对象中完全的识别。圆括号()，在正则表达中两次含义，如果要让他解释为圆括号，也需要在前面用双反斜线字符。\d 单字符类型用来匹配从0-9的任何数字，{n}，重复符号，\d{2},表示2个连续的数字位。\s 用来匹配空格的单字符类型，\s?表示在模式中有0或1个空格符，?元字符表示有0个或1个；使用（-|?）可以解决多种情况，在（）可以含有管道符 | 能匹配空格或连字符。 \b 元字符用来匹配单词的边界，\w 元字符用来匹配字母从a到u的任何字符。| 元字符， 表示or，或的意思。字符类 [abc]，表示a,b,或c,[^abc] 除了a,b,或c外的任何字符（否定）,[a-zA-Z] 表示a到z，或者A到Z两头的字母包括在内范围，[a-d[m-p]] 表示a到d或m到p：[a-dm-p]（并集）；[a-d] 
    表示匹配字数的符号：*　表示0次或者多次；+ 表示1次或多次；? 表示0次或者1次；{n}恰好匹配n次，{n,m} 表示从n次到m次。具体参考jdk Api，摘自jdk 1.6的API.已上传附件

4.正则匹配的方法实例：
    数字号码如电话：[0-9]{3} \-[0-9]{8} ：前面3个数字，加连字符，后面8个数字
如：武汉固话,027-82228888;   若是加上的是\-? 表示可选的连接数字02782228888
    车牌号码：[0-9]{4}[A-Z]{2} 表示前四个数字，后面两个大写字母。
[^x][a-z]+ 表示的第一个字符不能是x,后继的字符可以是a-z之间的任意字母
    年份时间：June 26, 1911" [a-z]+\s+[0-9]{1,2},\s*[0-9]{4} 表示月份值，至少一个字符，必须的空格，月份内的额日期至多两个数字，逗号，可选的空格年份值
    等价的正则表达式：\d =[0-9] ；\D= [^0-9]；\w =[A-Z0-9] ；\W =[^A-Z0-9]；
\s = [\t\n\r\f] ；\S =[^\t\n\r\f]



-----------2013年9月1号-----------------------------------

                //对于 { 需要转义
		String mg_word="都{2}的{22}三";
		Pattern pattern2 = Pattern.compile("\\{\\d+\\}");
		Matcher matcher2 = pattern2.matcher(mg_word);
		while(matcher2.find()){
			String mgSS = matcher2.group();
			System.out.println("===   "+mgSS);
			System.out.println(mgSS.substring(1,mgSS.indexOf("}")));
			
		}
		//采用 . 来匹对任意字符
		String mg_word2 = "草.{0,2}他.{0,2}兄";
		String test_word = "草T他de兄我的的";
		Pattern t_pat = Pattern.compile(mg_word2);
		Matcher t_mat = t_pat.matcher(test_word);
		//如果匹配上了则含有敏感词
		if(t_mat.find()){
			System.out.println(mg_word2+"---敏感词匹对上 -----  "+t_mat.group());
			
		}

 

[...] 位于括号之内的任意字符
[^...] 不在括号之中的任意字符
. 除了换行符之外的任意字符,等价于[^\n]
\w 任何单字字符, 等价于[a-zA-Z0-9]
\W 任何非单字字符,等价于[^a-zA-Z0-9]
\s 任何空白符,等价于[\ t \ n \ r \ f \ v]
\S 任何非空白符,等价于[^\ t \ n \ r \ f \ v]
\d 任何数字,等价于[0-9]
\D 除了数字之外的任何字符,等价于[^0-9]
[\b] 一个退格直接量(特例)

{n, m} 匹配前一项至少n次,但是不能超过m次
{n, } 匹配前一项n次,或者多次
{n} 匹配前一项恰好n次
? 匹配前一项0次或1次,也就是说前一项是可选的. 等价于 {0, 1}
+ 匹配前一项1次或多次,等价于{1,}
* 匹配前一项0次或多次.等价于{0,}

| 选择.匹配的要么是该符号左边的子表达式,要么它右边的子表达式
(...) 分组.将几个项目分为一个单元.这个单元可由 *、+、？和|等符号使用,而且还可以记住和这个组匹配的字符以供此后引用使用
\n 和第n个分组所匹配的字符相匹配.分组是括号中的子表达式(可能是嵌套的).分组号是从左到右计数的左括号数

^ 匹配的是字符的开头,在多行检索中,匹配的是一行的开头
$ 匹配的是字符的结尾,在多行检索中,匹配的是一行的结尾
\b 匹配的是一个词语的边界.简而言之就是位于字符\w 和 \w之间的位置(注意:[\b]匹配的是退格符)
\B 匹配的是非词语的边界的字符

 

评论

11 楼 cjp1989 2013-02-20  

wuxing429 写道

不错,我最近也在用

呵呵，写的很简单，其实jsoupAPI写的很好的

10 楼 wuxing429 2013-02-20  

不错,我最近也在用

9 楼 su1216 2012-12-21  

cjp1989 写道

引用

你要搜索value="xxx|xxx|xxx"，还是搜索xxx|xxx|xxx
如果是后者，直接使用就是了，不需要括号

搜索前者，在properties里面配置的信息。不过目前在使用中，遇到困难
无法基于语义来分词匹配？

不明白
我只明白正则。。

8 楼 cjp1989 2012-12-21  

引用

你要搜索value="xxx|xxx|xxx"，还是搜索xxx|xxx|xxx
如果是后者，直接使用就是了，不需要括号

搜索前者，在properties里面配置的信息。不过目前在使用中，遇到困难
无法基于语义来分词匹配？

7 楼 su1216 2012-12-21  

cjp1989 写道

引用

为了引出Java正则在处理中文汉字的格式
啥格式？这还有啥格式吗？？

理解不深，难道在搜索中value 直接写中文：value="xxx|xxx|xxx"?

你要搜索value="xxx|xxx|xxx"，还是搜索xxx|xxx|xxx
如果是后者，直接使用就是了，不需要括号

6 楼 cjp1989 2012-12-21  

引用

为了引出Java正则在处理中文汉字的格式
啥格式？这还有啥格式吗？？

理解不深，难道在搜索中value 直接写中文：value="xxx|xxx|xxx"?

5 楼 su1216 2012-12-21  

cjp1989 写道

su1216 写道

引用

String exp="(你好)"

其中的括号是多余的，除了降低性能，别无它用

为了引出Java正则在处理中文汉字的格式,如：(你好|您好)

(你好|您好)
括号依然多余

引用

为了引出Java正则在处理中文汉字的格式

啥格式？这还有啥格式吗？？

4 楼 cjp1989 2012-12-21  

su1216 写道

引用

String exp="(你好)"

其中的括号是多余的，除了降低性能，别无它用

为了引出Java正则在处理中文汉字的格式,如：(你好|您好)

3 楼 cjp1989 2012-12-21  

zsj01005432 写道

想问句：楼主你给的那个demo,哪与什么高亮相关？？

肯定是可以的，在css里面设置样式，例如字体红色背景
.br{background-color:#FF0000;color:#FFFFFF;}
将sb.append("hello")改写为sb.append("<span class=\"br\">"+hello+"</span>");这样就可以高亮显示hello了。

2 楼 zsj01005432 2012-12-21  

想问句：楼主你给的那个demo,哪与什么高亮相关？？

1 楼 su1216 2012-12-21  

引用

String exp="(你好)"

其中的括号是多余的，除了降低性能，别无它用