`

Java正则表达式(一)

    博客分类:
  • Java
 
阅读更多

正则表达式在处理文本方面用处非常大,最早像在Perl和awk语言中,提供了这种机制,Java在Java 2中也增加了正则表达式这个包java.util.regex。这个包为用户使用正则表达式,提供了易用而全面的支持。我的研究方向是web挖掘。从网页中提取内容,处理文本,当然需要正则表达式这个强大的工具了。 
一、首先我们看一下怎么使用正则表达式的一个例子: 
A Matcher examines the results of applying a pattern. 
我们希望从这句话中找到所有开头为a的单词。 
当然这只是一个简单的例子,你可以使用String提供的split方法,得到单词数组,然后 
遍历各个单词看是否是否开头为a 
我们现在看看怎么使用正则表达式来处理这个问题: 

Java代码  收藏代码
  1. import java.util.regex.*;  
  2.   
  3. public class FindA{  
  4.   public static void main(String args[])  
  5.   throws Exception{  
  6.   
  7.     String candidate =  
  8.      "A Matcher examines the results of applying a pattern.";  
  9.     String regex = "\\ba\\w*\\b";  
  10.     Pattern p = Pattern.compile(regex);  
  11.     Matcher m = p.matcher(candidate);  
  12.     String val = null;  
  13.     System.out.println("INPUT: " + candidate);  
  14.     System.out.println("REGEX: " + regex +"\r\n");  
  15.     while (m.find()){  
  16.       val = m.group();  
  17.       System.out.println("MATCH: " + val);  
  18.     }  
  19.     if (val == null) {  
  20.       System.out.println("NO MATCHES: ");  
  21.     }  
  22.   }  
  23. }  

从这个例子我们可以看到正则表达式涉及到的两个类Matcher和Pattern,我们以后会专门讨论着连个类。现在主要看看使用正则表达式的流程: 
首先使用 Pattern的一个静态的方法compile来创建Pattern对象, 
Java代码  收藏代码
  1. Pattern p = Pattern.compile(regex);  

然后调用Pattern的方法matcher 
Java代码  收藏代码
  1. Matcher m = p.matcher(candidate);  

得到了Matcher对象,Matcher对象保存了许多匹配信息,然后可以通过find()方法 
查找匹配的部分,如果有匹配的部分,返回真,使用m.group方法得到匹配的各组值, 
否则find返回false. 
当然这只是一般的过程,还有许多更细的方法,在以后会陆续的总结,下面我们看一下 
Java代码  收藏代码
  1. String regex = "\\ba\\w*\\b";  

这个就是一个正则表达式,b,w,*都是正则表达式的meta character原字符, 
\b表示单词的边界,w表示任意的可构成单词的字母数字,*表示前面的字母(当然可以 
是更复杂的组之类的了东东)重复0次或0次以上,a当然还是a了。所以这个regex就 
匹配单词开头为a的单词了。 
二、下面总结一下基本的正则表达式的meta character以及它们含义: 
.  匹配任意一个字符 $ 匹配一行的结尾 ^ 匹配一行的开头(在[]里面表示否定) 
{} 定义了一个范围  [] 定义了一个字符类 () 定义了一个组 
*前面出现0次以上   + 前面匹配一次以上 ?前面出现0次或一次   
\ 后面的字符不会看作metacharacter  \w 字母数字下划线 \W 非字母数字下划线 
\d 单个数字 \D单个非数字 | 或,二者之一 &&与操作符 \b单词边界 
下面看看几个简单的例子: 
[abc] a、b 或 c(简单类) 
[^abc] 任何字符,除了a、b 或 c(否定) 
[a-zA-Z] a 到 z 或 A 到 Z,两头的字母包括在内(范围) 
[a-d[m-p]] a 到 d 或 m 到 p:[a-dm-p](并集) 
[a-z&&[def]] d、e 或 f(交集) 
[a-z&&[^bc]] a 到 z,除了 b 和 c:[ad-z](减去) 
[a-z&&[^m-p]] a 到 z,而非 m 到 p:[a-lq-z](减去) 
三、java.util.regex提供的操作接口: 
java.util.regex包提供了操作正则表达式的模型,整个模型优雅而简洁,只有三个类:Pattern、Matcher和 
PatternSyntaxException。下面将要总结他们提供的方法,以及如何灵活应用来处理文本。 

我们还是从Pattern的静态工厂方法来扩展吧: 
Java代码  收藏代码
  1. static Pattern compile(String regex)   

将给定的正则表达式编译到模式中,并创建Pattern对象,这个方法通常是操作正则表达式的第一步,从前面那个例子 
我们也可以看到整个的流程。 
在看看一个重载的compile方法: 
Java代码  收藏代码
  1.    
  2. static Pattern compile(String regex, int flags)   

将给定的正则表达式编译到具有给定标志的模式中。 这个方法参数flags提供了一些特殊的选项来用于特殊的处理, 
我们下面看看可使用的选项: 
UNIX_LINES:这个主要处理UNIX和其他的操作系统在行结束符不一样的问题,UNIX使用\n代表一行的终止,而Windows 
则使用了\r\n,\n,\r,\u2028或者\u0085作为一行的结束符。 
CASE_INSENSITIVE:当我们在匹配的时候要忽略字符大小写时 
COMMENTS:允许我们在正则表达式中使用注释,例如 
Java代码  收藏代码
  1. Pattern p =Pattern.compile("A    #matches uppercase US-ASCII char code 65",Pattern.COMMENTS);  

MULTILINE:表明要输入多行,他们有自己的终止字符。 
Java代码  收藏代码
  1. Pattern p = Pattern.compile("^", Pattern.MULTILINE);  

如果你的输入的字符串是:This is a sentence.\n So is this.. 
这样我们匹配的字符时This中的T和So中的S,如果不使用MULTILINE,则只会匹配T 
DOTALL:使用这个选项之后metacharacter .就可以包括一行的终止字符了,如果没有这个选项, 
一行的终止字符,并不会考虑在字符串之内的。 
使用这个选项会降低效率 
Java代码  收藏代码
  1. Pattern p = Pattern.compile(".", Pattern.DOTALL);  

如果我们输入的是Test\n,则匹配的字符是5个。 
UNICODE_CASE:处理UNICODE字符集,使用这个选项会降低效率 
CANON_EQ:一个字符的实际存储形式是经过编码后的数字,使用CANON_EQ选项就可以匹配一个字母在各种编码了。 
例如a可以匹配+00E0和U+0061U+0300 
使用这个选项会降低效率 
我们可以组合以上选项,只要使用|,进行按位或操作即可 
Java代码  收藏代码
  1. Pattern p =  
  2. Pattern.compile("t # a compound flag example",Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE|  
  3. Pattern.COMMENT);  

我们还要注意点的时Java对转译字符\的处理,例如我们要匹配一个数字: 
我们不能使用: 
Java代码  收藏代码
  1. Pattern p = Pattern.compile("\d");  

而是: 
Java代码  收藏代码
  1. Pattern p = Pattern.compile("\\d");  

另外如果regex本身形式是错误的,compile方法会抛出java.util.regex.PatternSyntaxException异常。 
下面我们总结一下public Matcher matcher(CharSequence input)方法: 
当我们使用compile操作,创建了Pattern对象之后,我们就可以使用Pattern对象的matcher操作,生成 
matcher对象了,Matcher对象包含了许多对匹配结果集的操作,我们在总结Matcher对象的时候再说。另外 
顺便提一下参数CharSequence,CharBuffer, Segment, String, StringBuffer, StringBuilder 都实现了 
这个接口,所以参数可以是这些中的任一种类型了。 
下面我们看看: 
Java代码  收藏代码
  1. public int flags()  

这个方法返回了我们前面可以设置的并且已经设置的flags选项,我们通过按位与来判断是否设置了某个选项: 
Java代码  收藏代码
  1. int flgs = myPattern.flags();  
  2. boolean isUsingCommentFlag =( Pattern.COMMENTS == (Pattern.COMMENTS & flgs)) ;  

看看一个简化过程的方法: 
Java代码  收藏代码
  1. public static boolean matches (String regex,CharSequence input)  

这个方法实际上是: 
Java代码  收藏代码
  1. Pattern p = Pattern.compile(regex);  
  2. Matcher m = p.matcher(candidate);  
  3. m.matches()  

过程的一个简化,我们在后面总结Matcher中的matches方法之后就会理解这个了。 
想必我们经常使用把字符串提取出token变成字符串数组的String中的split方法吧,下面我们看看 
类似的一个方法: 
public String[] split(CharSequence input) 
这个方法提供了强大的功能,因为它可以使用正则表达式来作为token的分割: 
Java代码  收藏代码
  1. Pattern p = new Pattern.compile(",|and");  
  2. String fruits[] = p.split("apple,banana and orange");  

split的一个重载的版本: 
Java代码  收藏代码
  1. public String[] split(CharSequence input, int limit)  

它指定了划分的组数,有以下三种情况: 
limit==0 
这时候和没有limit参数的那个split效果一样 
limit>0 
如果你仅仅对前limit个感兴趣,你可以使用limit: 
Java代码  收藏代码
  1. String[] tmp = pattern.split("Hello, Dolly, You, Are, My, Favorite",3);  
  2. //tmp[0] is  "Hello",  
  3. // tmp[1] is "Dolly";  
  4. //tmp[2] is  "You, Are, My, Favorite";  

limit<0 
会尽可能的划分所有的组,即使分割符后面是个空字符,也要单独生成一个token:"" 
Java代码  收藏代码
  1. Pattern p = Pattern.compile(",");  
  2. String temp[] = p.split("Hello,Dolly,", -1);  
  3. //temp[]={"Hello","Dolly",""}  

下次再总结Matcher类,和正则表达式的一些高级部分 

分享到:
评论

相关推荐

    java正则表达式.zip

    Pattern类是Java正则表达式的起点,它将一个正则表达式编译成一个模式对象。这个编译过程可以优化后续的匹配操作。例如,创建Pattern对象的代码如下: ```java Pattern pattern = Pattern.compile("正则表达式"); `...

    Java使用正则表达式提取XML节点内容的方法示例

    为了帮助开发者更好地掌握Java正则表达式技术,我们提供了一系列的Java正则表达式技巧大全,包括《Java正则表达式技巧大全》、《Java数据结构与算法教程》、《Java操作DOM节点技巧总结》、《Java文件与目录操作技巧...

    java正则表达式匹配工具

    Java正则表达式匹配工具是IT领域中一种强大的文本处理工具,它利用正则表达式(Regular Expression)的规则来查找、替换或者提取文本中的特定模式。正则表达式是一种特殊的字符序列,能够帮助程序员或者用户高效地...

    java正则表达式验证IP地址

    Java正则表达式验证IP地址 Java正则表达式验证IP地址是指使用Java语言中的正则表达式来验证IP地址是否符合标准。IP地址是指在网络通信中用来标识设备的地址,它是一种逻辑地址,通过它可以找到网络中的设备。在...

    JAVA正则表达式大全

    以下是对这些文档标题所涉及的Java正则表达式知识点的详细解释: 1. **正则表达式之道** 这个主题可能涵盖了正则表达式的基础概念,包括元字符、字符类、量词和分组。元字符如`.`代表任意字符,`^`表示行首,`$`...

    Java正则表达式.ppt

    Java正则表达式是一种强大的文本处理工具,广泛用于验证字符串、查找特定模式和替换文本。在Java中,正则表达式提供了简洁而灵活的方式来处理字符串,使得编程人员能够以更高效的方式实现各种文本操作。 正则表达式...

    Java正则表达式 Java 正则表达式

    Java正则表达式是Java语言中用于处理字符串的强大工具,它允许程序员进行复杂的字符串匹配、查找和替换操作。正则表达式(Regular Expression)是一种模式匹配语言,通过特定的语法来描述字符串的模式,用于在文本中...

    使用Java正则表达式分析处理日志

    本篇将围绕“使用Java正则表达式分析处理日志”这一主题,探讨如何利用Java的正则表达式功能来提取、过滤和操作日志数据。 首先,我们需要理解正则表达式的基本概念。正则表达式(Regular Expression)是一种模式...

    java 正则表达式应用jar包 regex-smart.jar

    Java正则表达式是编程语言Java中的一个强大工具,它用于模式匹配、数据验证和文本检索替换。在Java中,正则表达式是通过java.util.regex包提供的接口和类来实现的。`regex-smart.jar`这个库显然是为了简化开发者在...

    Java 正则表达式 图片版

    Java正则表达式 Java 正则表达式 图片版 携带方便,查阅方便!~

    常用java正则表达式

    ### 常用Java正则表达式知识点 #### 一、引言 正则表达式是一种强大的工具,用于处理文本并查找模式。多种编程语言,包括Perl、PHP、Python、JavaScript以及Java等均内置了对正则表达式的支持。本文将详细介绍Java...

    Java正则表达式测试工具

    Java正则表达式测试工具是面向开发者和爱好者的一款实用程序,它可以帮助用户验证和调试他们的正则表达式。在Java编程环境中,正则表达式是一个强大的字符串处理工具,广泛用于数据验证、文本搜索和替换等任务。这款...

    Java 正则表达式库

    Java正则表达式库是Java开发中不可或缺的一部分,它为开发者提供了一种强大的文本匹配工具。在Java中,正则表达式(Regular Expression)是一种模式匹配语言,用于处理字符串操作,如查找、替换或提取特定模式的数据...

    Java正则表达式应用总结

    Java正则表达式是编程语言Java中用于处理字符串和文本的强大工具。它允许开发者通过模式匹配来执行复杂的文本分析和操作。在Java中,正则表达式的操作主要涉及两个核心类:`java.util.regex.Matcher`和`java.util....

    java正则表达式使用例子

    总结来说,Java正则表达式在Android开发中扮演着不可或缺的角色,它提供了一种灵活的方式来处理和验证字符串数据。通过熟练掌握正则表达式,开发者能够提高应用程序的质量,确保用户输入的有效性,并优化文本处理...

    Java正则表达式_动力节点Java学院整理

    Java正则表达式是Java语言中的一种模式匹配技术,用于匹配、查找、替换和判断字符串。它是一种强大的工具,能够帮助开发者快速处理字符串相关的任务。 什么是正则表达式? 正则表达式是一种特殊的字符串,用于描述...

    Java正则表达式详细讲解

    Java正则表达式是Java编程语言中用于处理字符串的强大工具,它允许程序员通过模式匹配来查找、替换或分割文本。在Java中,正则表达式是通过`java.util.regex`包提供的API来实现的。本讲解将深入探讨Java正则表达式的...

    Java正则表达式详解(非常适合入门

    这种设计使得Java正则表达式既保留了Perl的强大功能,又融入了Java自身的特性,成为了一种更加灵活和易于使用的文本处理工具。 #### 三、Java正则表达式的实践学习 学习Java正则表达式,理论与实践并重。通过大量...

    JAVA正则表达式的应用

    JAVA正则表达式应用:任意输入一串字符串 如何输入exit退出程序;从输入的字符串中判断是否包含手机号码 正则表达式可以使用&quot; +86| 86 1 d{10}&quot; 如果包含请将其在控制台打印出来 否则输出不包含字符串 ...

Global site tag (gtag.js) - Google Analytics