正则表达式（一）

最近在论坛里问正则表达式的特别多，我对这方面了解的也不是很多，也就是顺便学习学习。还是引用论坛里的一个问题吧：如何将下面这段字符串分离出IP地址，连接时间和链接。

1. Stringstr="doctor_access_log.1177977600:65.55.210.14--[01/May/2007:00:00:26-0500]\"GET/estil.strawnHTTP/1.0\"4041400671.86.225.114--[23/May/2007:11:39:29-0500]\"GET/healthlink.cssHTTP/1.1\"2001799";

凭观察我们能发现这个字符串里的IP有：65.55.210.14和71.86.225.114；连接时间有01/May/2007:00:00:26 -0500和23/May/2007:11:39:29 -0500； 链接有/estil.strawn HTTP/1.0和/healthlink.css HTTP/1.1。而且连接时间和链接有两个很明显的特征就是分别在"[]"和""""之间。下面来具体看看如何一一匹配。先来看如何匹配IP地址，这里只针对于IP V4的32bit的地址，他们都有一个共同的特征就是有4个字节，每个字节的十进制数是由[0-9]组成的（废话！），每个字节间都有"."分割。都知道在正则表达式中，\\d和[0-9]可以来表示数字；匹配的次数都是用量词（quantifier）来表示的，比如*或者+，也可以用具体的次数，比如{m,}就是表示最少匹配m次，{m，n}表示匹配m到n次。那么这样就能很容易的写出匹配IP的正则表达式了：

1. Stringregex="\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}";

当然了你也可以再仔细观察一下，其实IP地址的前3个字节和“.”都可以写在一起：

1. Stringregex="(\\d{1,3}\\.){3}\\d{1,3}";

再看看如何匹配连接时间的匹配吧，有了前面的经验，自然知道挨个的去匹配：

1. Stringregex="\\d{2}/[A-Z][a-z]+/\\d{4}:\\d{2}:\\d{2}:\\d{2}\\s-\\d{4}";

但是仔细观察还是可以利用我们前面提到的一个特点，就是在"["开始之后，只要没有遇到"]"，那么这之前的都是属于时间的。如果这么理解的话，表达式就可以写的很简洁了：

1. Stringregex="[^\]]+";

好了有了上面的经验，那么写起匹配链接的正则表达式就会容易的多了：

1. Stringregex="/[^\"]+";

那么现在就可以合并起来了，这个的代码如下：

1. importjava.util.regex.*;
3. publicclassLogAnalyze{
4. publicstaticvoidmain(Stringargs[]){
5. Stringstr="doctor_access_log.1177977600:65.55.210.14--[01/May/2007:00:00:26-0500]\"GET/estil.strawnHTTP/1.0\"4041400671.86.225.114--[23/May/2007:11:39:29-0500]\"GET/healthlink.cssHTTP/1.1\"2001799";
7. Stringregex="(\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3})\\s-\\s-\\s\\[([^\\]]+)\\]\\s\"GET\\s(/[^\"]+)\"\\s";
9. Patternpattern=Pattern.compile(regex);
10. Matchermatcher=pattern.matcher(str);
12. while(matcher.find()){
13. System.out.println("IP:\n"+matcher.group(1));
14. System.out.println("Time:\n"+matcher.group(2));
15. System.out.println("Site:\n"+matcher.group(3)+"\n");
16. }
17. }
18. }

运行的结果是：

1. IP:
2. 65.55.210.14
3. Time:
4. 01/May/2007:00:00:26-0500
5. Site:
6. /estil.strawnHTTP/1.0
8. IP:
9. 71.86.225.114
10. Time:
11. 23/May/2007:11:39:29-0500
12. Site:
13. /healthlink.cssHTTP/1.1

当然了，你也可以把那一个正则表达式分开写，然后依次匹配出IP地址，连接时间和链接。