java 之regular expression-

如果查询 J2SE 1.4 之后的 String 在线 API 手册说明，会发现有 matches() 、 replaceAll() 等方法，所传入的自变量是正则表达式 (Regular Expression) 的字符串。正则表达式最早是由数学家 Stephen Kleene 于 1956 年提出，主要使用在字符字符串的格式比对，后来在信息领域广为应用，现在已经成为 ISO( 国际标准组织 ) 的标准之一。

Java 在 J2SE 1.4 之后开始支持正则表达式，您可以在 API 文件的 java.util.regex.Pattern 类中找到支持的正则表达式相关信息，可以将正则表达式应用于字符串的比对、取代、分离等动作上。以下将介绍几个简单的正则表达式。

对于一些简单的字符比对，例如 1 ～ 9 、 A ～ Z 等，您可以使用预先定义的符号来表示。表 6-4 列出了几个常用的字符比对符号。

表 6-4   字符比对符号

方　　法	说　　明
.	符合任一字符
\d	符合 0 ～ 9 任一个数字字符
\D	符合 0 ～ 9 以外的字符
\s	符合 \t 、 \n 、 \x0B 、 \f 、 \r 等空格符
\w	符合 a ～ z 、 A ～ Z 、 0 ～ 9 等字符，也就是数字或是字母都符合
\W	符合 a ～ z 、 A ～ Z 、 0 ～ 9 等之外的字符，也就是除数字与字母外都符合

举例来说，如果有一字符串 abcdebcadxbc ，若使用 .bc 来作比对，符合的子字符串有 abc 、 ebc 、 xbc 3 个；如果使用 ..cd ，则符合的子字符串只有 abcd 。范例 6.9 证实了这个说明。

Ü 范例 6.9  RegularExpressionDemo.java                                                    

public class RegularExpressionDemo {

    public static void main(String[] args) {

        String text = "abcdebcadxbc";

 

        String[] tokens = text.split(".bc");

        for(String token : tokens) {

            System.out.print(token + " ");

        }

        System.out.println();

 

        tokens = text.split("..cd");

        for(String token : tokens) {

            System.out.print(token + " ");

        }

        System.out.println();

 

    }

}

执行结果：

 

d ad

ebcadxbc

使用 .bc 来作比对，由于符合的子字符串有 abc 、 ebc 、 xbc 3 个，所以 split() 方法会使用这 3 个字符串为依据来作字符串分离，返回的自然就是不符合表达式 .bc 的 d 与 ad 。同理如果表达式为 ..cd ，则使用 split() 返回的就是不符合 ..cd 的 ebcadxbc 。

也可以使用字符类 (Character Class) 来比较一组字符范围。表 6-5 示范了几个字符类的设定方式。

表 6-5   字符类范例

范　　例	作　　用
[abc]	符合 a 、 b 或 c
[^abc]	符合 a 或 b 或 c 之外的字符
[a-zA-Z]	符合 a ～ z 或者是 A ～ Z 的字符
[a-d[m-p]]	a ～ d 或者是 m ～ p ，也可以写成 [a-dm-p]
[a-z&&[def]]	a ～ z 并且是 d 或 e 或 f ，结果就是 d 或 e 或 f 可以符合
[a-z&&[^bc]]	a ～ z 并且不是 b 或 c
[a-z&&[^m-p]]	a ～ z 并且不是 m ～ p

 

指定一个字符之外，也可以加上“贪婪量词” (Greedy Quantifiers) 来指定字符可能出现的次数。表 6-6 示范了几个例子。

表 6-6   贪婪量词范例

范　　例	作　　用
X?	X 可出现一次或完全没有
X*	X 可出现零次或多次
X+	X 可出现一次或多次
X{n}	X 可出现 n 次
X{n,}	X 可出现至少 n 次
X{n, m}	X 可出现至少 n 次，但不超过 m 次

 

另外，还有 Reluctant quantifiers 、 Possessive quantifiers 等的指定，可以自行参考 java.util.regex.Pattern 类 API 文件中的说明。

在 String 类中， matches() 方法可以让您验证字符串是否符合指定的正则表达式，这通常用于验证使用者输入的字符串数据是否正确，例如电话号码格式； replaceAll() 方法可以将符合正则表达式的子字符串置换为指定的字符串； split() 方法可以让您依指定的正则表达式，将符合的子字符串排除，剩下的子字符串分离出来并以字符串数组返回。范例 6.9 已经示范了 split() 方法的使用，接下来在范例 6.10 中示范 replaceAll() 与 matches() 方法的运用。

Ü 范例 6.10  UseRegularExpression.java                                                       

import java.io.*;

 

public class UseRegularExpression {

    public static void main(String args[])

                              throws IOException {

        BufferedReader reader =

            new BufferedReader(

                new InputStreamReader(System.in));

 

        System.out.println("abcdefgabcabc".replaceAll(".bc", "###"));

 

        String phoneEL = "[0-9]{4}-[0-9]{6}";

        String urlEL = "<a.+href*=*['\"]?.*?['\"]?.*?>";

        String emailEL = "^[_a-z0-9-]+(.[_a-z0-9-]+)*" +

                       "@[a-z0-9-]+([.][a-z0-9-]+)*$";

 

        System.out.print(" 输入手机号码 : ");

        String input = reader.readLine();

 

        if(input.matches(phoneEL))

            System.out.println(" 格式正确 ");

        else

            System.out.println(" 格式错误 ");

 

        System.out.print(" 输入 href 标签 : ");

        input = reader.readLine();

 

        // 验证 href 标签

        if(input.matches(urlEL))

            System.out.println(" 格式正确 ");

        else

            System.out.println(" 格式错误 ");

 

        System.out.print(" 输入电子邮件 : ");

        input = reader.readLine();

 

        // 验证电子邮件格式

        if(input.matches(emailEL))

            System.out.println(" 格式正确 ");

        else

            System.out.println(" 格式错误 ");

    }

}

 

执行结果：

 

###defg######

输入手机号码 : [phone]

格式正确

输入 href 标签 : <a href="http://caterpillar.onlyfun.net">

格式正确

输入电子邮件 : [e-mail]

格式正确