許多語言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正則表達式處理文本,一些文本編輯器用正則表達式實現高級“搜索-替換”功能。所以JAVA語言也不例外。正則表達式已經超出了某種語言或某個系統的侷限,成爲被人們廣爲使用的工具,我們完全可以用它來解決實際開發中碰到的一些實際的問題。
在JDK1.3及之前的JDK版本中並沒有包含正則表達式的類,如果要在Java中使用正則表達式必須使用第三方提供的正則表達式庫,最有名的就是Jakarta-ORO,Jakarta-ORO庫以前叫做OROMatcher,是Daniel Savarese贈送給Jakarta Project的一個開源包。使用的時候首先要創建一個實現了PatternCompiler接口的實例變量以創建一個“模式編譯器”,Jakarta-ORO中實現了這個接口的類就是Perl5Compiler,這個類做到了與Perl5的正則表達式完全兼容。Jakarta-ORO的使用是非常簡便的,而且效率非常高,支持的正則表達式語法也是非常全的,唯一的缺點就是它不是JDK中的標準包。從JDK1.4開始提供了支持正則表達式API,它們位於java.util.regex包中,由於已經有了標準API,所以本書將會用java.util.regex進行正則表達式的相關操作。
假設你在玩英文拼字遊戲,想要找出三個字母的單詞,而且這些單詞必須以“t”字母開頭,以“n”字母結束。另外,假設有一本英文字典,你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式,你可以使用一個通配符——句點符號“.”。這樣,完整的表達式就是“t.n”,它匹配“tan”、“ten”、“tin”和“ton”,還匹配“t#n”、“tpn”甚至“t n”,還有其他許多無意義的組合。這是因爲句點符號匹配所有字符,包括空格、Tab字符甚至換行符: |
爲了解決句點符號匹配範圍過於廣泛這一問題,你可以在方括號(“[]”)裏面指定看來有意義的字符。此時,只有方括號裏面指定的字符才參與匹配。也就是說,正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因爲在方括號之內你只能匹配單
個字符:
如果除了上面匹配的所有單詞之外,你還想要匹配“toon”,那麼,你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配“toon”,使用“t(a|e|i|o|oo)n”正則表達式。這裏不能使用方擴號,因爲方括號只允許匹配單個字符;這裏必須使用圓括號“()”。圓括號還可以用來分組。
下表顯示了正則表達式的語法:
表 1.1 正則表達式語法
元字符
|
說明
|
.
|
匹配任何單個字符。例如正則表達式“b.g”能匹配如下字符串:“big”、“bug”、“b
g”,但是不匹配“buug”。
|
$
|
匹配行結束符。例如正則表達式“EJB$”能夠匹配字符串“I like EJB”的末尾,但是不能匹配字符串“J2EE
Without EJBs!”。
|
^
|
匹配一行的開始。例如正則表達式“^Spring”能夠匹配字符串“Spring is a J2EE framework”的開始,但是不能匹配“I
use Spring in my project”。
|
*
|
匹配0至多個在它之前的字符。例如正則表達式“zo*”能匹配“z”以及“zoo”;正則表達式“.*”意味着能夠匹配任意字符串。
|
/
|
轉義符,用來將元字符當作普通的字符來進行匹配。例如正則表達式/$被用來匹配美元符號,而不是行尾;正則表達式/.用來匹配點字符,而不是任何字符的通配符。
|
[]
|
匹配括號中的任何一個字符。例如正則表達式“b[aui]g”匹配bug、big和bug,但是不匹配beg。可以在括號中使用連字符“-”來指定字符的區間來簡化表示,例如正則表達式[0-9]可以匹配任何數字字符,這樣正則表達式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串;還可以制定多個區間,例如“[A-Za-z]”可以匹配任何大小寫字母。還有一個相配合使用的元字符“^”,用在這裏並不像前邊的那個“^”一樣表示匹配行開始,而是表示“排除”,要想匹配除了指定區間之外的字符,就可以在左邊的括號和第一個字符之間使用^字符,例如“[^163A-Z]”將能偶匹配除了1、6、3和所有大寫字母之外的任何字符。
|
( )
|
將 () 之間括起來的表達式定義爲“組”(group),並且將匹配這個表達式的字符保存到一個臨時區域,這個元字符在字符串提取的時候非常有用。
|
|
|
將兩個匹配條件進行邏輯“或”運算。'z|food'
能匹配 "z"
或 "food"。'(z|f)ood'
則匹配 "zood"
或 "food"。
|
+
|
匹配前面的子表達式一次或多次。例如正則表達式9+匹配9、99、999等。
|
?
|
匹配前面的子表達式零次或一次。例如,"do(es)?"
可以匹配 "do"
或 "does" 中的"do"
。此元字符還有另外一個用途,就是表示非貪婪模式匹配,後邊將有介紹
|
{n}
|
匹配確定的 n
次。例如,“e{2}”不能匹配“bed”中的“d”,但是能匹配“seed”中的兩個“e”。
|
{n,}
|
至少匹配n次。例如,“e{2,}”不能匹配“bed”中的“e”,但能匹配“seeeeeeeed”中的所有“e”。
|
{n,m}
|
最少匹配 n
次且最多匹配
m 次。“e{1,3}”將匹配“seeeeeeeed”中的前三個“e”。
|
假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中,連字符(“-”)有着特殊的意義,它表示一個範圍,比如從0到9。因此,匹配社會安全號碼中的連字符號時,它的前面要加上一個轉義字符“/”。
假設進行搜索的時候,你希望連字符號可以出現,也可以不出現——即,999-99-9999和999999999都屬於正確的格式。這時,你可以在連字符號後面加上“?”數量限定符號。
美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。
“^”符號稱爲“否”符號。如果用在方括號內,“^”表示不想要匹配的字符。例如,圖四的正則表達式匹配所有單詞,但以“X”字母開頭的單詞除外。
1.6 圓括號和空白符號
“/s”符號是空白符號,匹配所有的空白字符,包括Tab字符。如果字符串正確匹配,接下來如何提取出月份部分呢?只需在月份周圍加上一個圓括號創建一個組,然後用ORO API提取出它的值。
1.7 其它符號
爲簡便起見,你可以使用一些爲常見正則表達式創建的快捷符號。如以下所示:
/t:製表符,等同於/u0009
/n:換行符,等同於/u000A
/d:代表一個數字,等同於[0-9]
/D:代表非數字,等同於[^0-9]
/s:代表換行符、Tab製表符等空白字符
/S:代表非空白字符
/w:字母字符,等同於[a-zA-Z_0-9]
/W:非字母字符,等同於[^/w]
例如,在前面社會安全號碼的例子中,所有出現“[0-9]”的地方我們都可以使用“/d”。
以下是我整理出來的程序:供參考:
- package org.luosijin.test;
-
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
-
-
-
-
-
-
-
- public class Regex {
-
-
-
-
-
-
-
- public static void main(String[] args) {
- Pattern pattern = Pattern.compile("b*g");
- Matcher matcher = pattern.matcher("bbg");
- System.out.println(matcher.matches());
- System.out.println(pattern.matches("b*g","bbg"));
-
- System.out.println(pattern.matches("[0-9]{6}", "200038"));
- System.out.println(pattern.matches("//d{6}", "200038"));
-
- System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799"));
- getDate("Nov 10,2009");
- charReplace();
-
- System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876"));
- getString("D:/dir1/test.txt");
- getChinese("welcome to china,江西奉新,welcome,你!");
- validateEmail("[email protected]");
- }
-
-
-
-
-
-
- public static void getDate(String str){
- String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}";
- Pattern pattern = Pattern.compile(regEx);
- Matcher matcher = pattern.matcher(str);
- if(!matcher.find()){
- System.out.println("日期格式錯誤!");
- return;
- }
- System.out.println(matcher.group(1));
- }
-
-
-
-
-
-
- public static void charReplace(){
- String regex = "a+";
- Pattern pattern = Pattern.compile(regex);
- Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa");
- String s = matcher.replaceAll("A");
- System.out.println(s);
- }
-
-
-
-
-
-
- public static void getString(String str){
- String regex = ".+/(.+)$";
- Pattern pattern = Pattern.compile(regex);
- Matcher matcher = pattern.matcher(str);
- if(!matcher.find()){
- System.out.println("文件路徑格式不正確!");
- return;
- }
- System.out.println(matcher.group(1));
- }
-
-
-
-
-
-
- public static void getChinese(String str){
- String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]爲漢字
- Pattern pattern = Pattern.compile(regex);
- Matcher matcher = pattern.matcher(str);
- StringBuffer sb = new StringBuffer();
- while(matcher.find()){
- sb.append(matcher.group());
- }
- System.out.println(sb);
- }
-
-
-
-
-
-
- public static void validateEmail(String email){
- String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+";
- Pattern pattern = Pattern.compile(regex);
- Matcher matcher = pattern.matcher(email);
- if(matcher.matches()){
- System.out.println("這是合法的Email");
- }else{
- System.out.println("這是非法的Email");
- }
- }
- }
|
|
|
|
|
|