Java 正则表达式全攻略(七)

Java 正则表达式全攻略(七)

[ 2010-04-23 12:47:35.0 | 作者: 随想 类别: 基础强化 ] 来源:原创     浏览 1414
labels:Java 正则表达式全攻略(七) java正则表达式

原子组与防治回溯

原子组在 Java 里也被称为“独立非捕获组”，.Net方面的说法称为“贪婪子表达式”，不过我还是觉得称为原子组更合适些。它的语法为 (?>X) ，具体来说，使用原子组匹配和正常的匹配没有差别，只是在匹配到原子组结束时（即闭括号之后），原子组中的所有可供回溯的备用状态都会被丢弃。也就是说， 在原子组匹配结束时，原子组的匹配内容只能整体保留或丢弃，回溯始终不能使用这些已匹配过的内容。

还是以一个实例来说明原子组会更为清晰。例如使用 a(bc|b)c (捕获组)这一表达式你可以匹配 abcc 和 abc，但如果使用 a(?>bc|b)c (原子组)这表达式，你只能匹配 abcc 而不能匹配 abc。
在匹配 abc 时，两个表达式都会先匹配到 a ，然后在成功匹配到 bc ，再接着尝试匹配 c ，这时就会出现匹配失败。一般捕获组的表达式，这时会回溯到进入组前的状态，再匹配另一条路径，先匹配 b 成功，再重新尝试匹配 c 也成功，这是 abc 的匹配就成功了。而使用原子组的表达式，由于在 bc 匹配成功，结束组时就备份状态丢弃了，所以当匹配 c 失败时，就是直接的失败，表达式引擎并没有其它状态可供回溯。

使用原子组可以有效地防止不必要的回溯，因此可以大大提高表达式的性能。

匹配模式

在 Java 内我们除了可以在创建 Pattern 对象实例时，声明匹配模式外，还可以直接在表达式内声明表达式的匹配模式。下面为可用匹配标识的具体含义：

i	CASE_INSENSITIVE	启用不区分大小写的匹配
d	UNIX_LINES	启用 Unix 行模式。在此模式中，.、^ 和 $ 的行为中仅识别 '\n' 行结束符。
m	MULTILINE	启用多行模式。
s	DOTALL	启用 dotall 模式。在 dotall 模式中，表达式 . 可以匹配任何字符，包括行结束符。默认情况下，此表达式不匹配行结束符。
u	UNICODE_CASE	启用 Unicode 感知的大小写折叠。
x	COMMENTS	模式中允许空白和注释。

以下面的代码来说：

   1:


 String regex = "(?i)ab(?-i)cd"
;

   2:


 assertThat(Pattern.matches(regex, "ABcd"
), is(true));

   3:


 assertThat(Pattern.matches(regex, "abCD"
), is(false));

(?i) 开启了不区分大小写，所以 ABcd 可以被匹配；而 (?-i) 则为关闭不区分大小写，所以 abCD 无法被匹配。对上面的表达式，Java 还支持另一种写法 (?i:ab)(?-i:cd) 。