Java正則表達式入門

< type="text/javascript">  衆所周知，在程序開發中，難免會遇到需要匹配、查找、替換、判斷字符串的情況發生，而這些情況有時又比較複雜，如果用純編碼方式解決，往往會浪費程序員的時間及精力。因此，學習及使用正則表達式，便成了解決這一矛盾的主要手段。
 大 家都知道，正則表達式是一種可以用於模式匹配和替換的規範，一個正則表達式就是由普通的字符（例如字符a到z）以及特殊字符（元字符）組成的文字模式，它 用以描述在查找文字主體時待匹配的一個或多個字符串。正則表達式作爲一個模板，將某個字符模式與所搜索的字符串進行匹配。
  自從jdk1.4推出java.util.regex包，就爲我們提供了很好的JAVA正則表達式應用平臺。
 
 因爲正則表達式是一個很龐雜的體系，所以我僅例舉些入門的概念，更多的請參閱相關書籍及自行摸索。 

// 反斜槓
/t 間隔 ('/u0009')
/n 換行 ('/u000A')
/r 回車 ('/u000D')
/d 數字 等價於[0-9]
/D 非數字 等價於[^0-9]
/s 空白符號 [/t/n/x0B/f/r]
/S 非空白符號 [^/t/n/x0B/f/r]
/w 單獨字符 [a-zA-Z_0-9]
/W 非單獨字符 [^a-zA-Z_0-9]
/f 換頁符
/e Escape
/b 一個單詞的邊界
/B 一個非單詞的邊界
/G 前一個匹配的結束

^爲限制開頭
^java     條件限制爲以Java爲開頭字符
$爲限制結尾
java$     條件限制爲以java爲結尾字符
.  條件限制除/n以外任意一個單獨字符
java..     條件限制爲java後除換行外任意兩個字符


加入特定限制條件「[]」
[a-z]     條件限制在小寫a to z範圍中一個字符
[A-Z]     條件限制在大寫A to Z範圍中一個字符
[a-zA-Z] 條件限制在小寫a to z或大寫A to Z範圍中一個字符
[0-9]     條件限制在小寫0 to 9範圍中一個字符
[0-9a-z] 條件限制在小寫0 to 9或a to z範圍中一個字符
[0-9[a-z]] 條件限制在小寫0 to 9或a to z範圍中一個字符(交集)

[]中加入^後加再次限制條件「[^]」
[^a-z]     條件限制在非小寫a to z範圍中一個字符
[^A-Z]     條件限制在非大寫A to Z範圍中一個字符
[^a-zA-Z] 條件限制在非小寫a to z或大寫A to Z範圍中一個字符
[^0-9]     條件限制在非小寫0 to 9範圍中一個字符
[^0-9a-z] 條件限制在非小寫0 to 9或a to z範圍中一個字符
[^0-9[a-z]] 條件限制在非小寫0 to 9或a to z範圍中一個字符(交集)

在限制條件爲特定字符出現0次以上時，可以使用「*」
J*     0個以上J
.*     0個以上任意字符
J.*D     J與D之間0個以上任意字符

在限制條件爲特定字符出現1次以上時，可以使用「+」
J+     1個以上J
.+     1個以上任意字符
J.+D     J與D之間1個以上任意字符

在限制條件爲特定字符出現有0或1次以上時，可以使用「?」
JA?     J或者JA出現

限制爲連續出現指定次數字符「{a}」
J{2}     JJ
J{3}     JJJ
文字a個以上，並且「{a,}」
J{3,}     JJJ,JJJJ,JJJJJ,???(3次以上J並存)
文字個以上，b個以下「{a,b}」
J{3,5}     JJJ或JJJJ或JJJJJ
兩者取一「|」
J|A     J或A
Java|Hello     Java或Hello
 
「()」中規定一個組合類型
比如，我查詢<a href=/"index.html/">index</a>中<a href></a>間的數據，可寫作<a.*href=/".*/">(.+?)</a>

在使用Pattern.compile函數時，可以加入控制正則表達式的匹配行爲的參數：
Pattern Pattern.compile(String regex, int flag)

flag的取值範圍如下：
Pattern.CANON_EQ     當且僅當兩個字符的"正規分解(canonical decomposition)"都完全相同的情況下，才認定匹配。比如用了這個標誌之後，表達式"a/u030A"會匹配"?"。默認情況下，不考慮"規 範相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i)     默認情況下，大小寫不明感的匹配只適用於US-ASCII字符集。這個標誌能讓表達式忽略大小寫進行匹配。要想對Unicode字符進行大小不明感的匹 配，只要將UNICODE_CASE與這個標誌合起來就行了。
Pattern.COMMENTS(?x)     在這種模式下，匹配時會忽略(正則表達式裏的)空格字符(譯者注：不是指表達式裏的"//s"，而是指表達式裏的空格，tab，回車之類)。註釋從#開始，一直到這行結束。可以通過嵌入式的標誌來啓用Unix行模式。
Pattern.DOTALL(?s)     在這種模式下，表達式'.'可以匹配任意字符，包括表示一行的結束符。默認情況下，表達式'.'不匹配行的結束符。
Pattern.MULTILINE
(?m)     在這種模式下，'^'和'$'分別匹配一行的開始和結束。此外，'^'仍然匹配字符串的開始，'$'也匹配字符串的結束。默認情況下，這兩個表達式僅僅匹配字符串的開始和結束。
Pattern.UNICODE_CASE
(?u)     在這個模式下，如果你還啓用了CASE_INSENSITIVE標誌，那麼它會對Unicode字符進行大小寫不明感的匹配。默認情況下，大小寫不敏感的匹配只適用於US-ASCII字符集。
Pattern.UNIX_LINES(?d)     在這個模式下，只有'/n'才被認作一行的中止，並且與'.'，'^'，以及'$'進行匹配。


拋開空泛的概念，下面寫出幾個簡單的Java正則用例：

◆比如，在字符串包含驗證時

//查找以Java開頭,任意結尾的字符串
  Pattern pattern = Pattern.compile("^Java.*");
  Matcher matcher = pattern.matcher("Java不是人");
  boolean b= matcher.matches();
  //當條件滿足時，將返回true，否則返回false
  System.out.println(b);


◆以多條件分割字符串時
Pattern pattern = Pattern.compile("[, |]+");
String[] strs = pattern.split("Java Hello World  Java,Hello,,World|Sun");
for (int i=0;i<strs.length;i++) {
    System.out.println(strs[i]);
} 

◆文字替換（首次出現字符）
Pattern pattern = Pattern.compile("正則表達式");
Matcher matcher = pattern.matcher("正則表達式 Hello World,正則表達式 Hello World");
//替換第一個符合正則的數據
System.out.println(matcher.replaceFirst("Java"));

◆文字替換（全部）
Pattern pattern = Pattern.compile("正則表達式");
Matcher matcher = pattern.matcher("正則表達式 Hello World,正則表達式 Hello World");
//替換第一個符合正則的數據
System.out.println(matcher.replaceAll("Java"));


◆文字替換（置換字符）
Pattern pattern = Pattern.compile("正則表達式");
Matcher matcher = pattern.matcher("正則表達式 Hello World,正則表達式 Hello World ");
StringBuffer sbr = new StringBuffer();
while (matcher.find()) {
    matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());

◆驗證是否爲郵箱地址

String str="[email protected]";
Pattern pattern = Pattern.compile("[//w//.//-]+@([//w//-]+//.)+[//w//-]+",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());

◆去除html標記
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href=/"index.html/">主頁</a>");
String string = matcher.replaceAll("");
System.out.println(string);

◆查找html中對應條件字符串
Pattern pattern = Pattern.compile("href=/"(.+?)/"");
Matcher matcher = pattern.matcher("<a href=/"index.html/">主頁</a>");
if(matcher.find())
  System.out.println(matcher.group(1));
}

◆截取http://地址
//截取url
Pattern pattern = Pattern.compile("(http://|https://){1}[//w//.//-/:]+");
Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBuffer buffer = new StringBuffer();
while(matcher.find()){              
    buffer.append(matcher.group());        
    buffer.append("/r/n");              
System.out.println(buffer.toString());
}
        
◆替換指定{}中文字

String str = "Java目前的發展史是由{0}年-{1}年";
String[][] object={new String[]{"//{0//}","1995"},new String[]{"//{1//}","2007"}};
System.out.println(replace(str,object));

public static String replace(final String sourceString,Object[] object) {
            String temp=sourceString;    
            for(int i=0;i<object.length;i++){
                      String[] result=(String[])object[i];
               Pattern    pattern = Pattern.compile(result[0]);
               Matcher matcher = pattern.matcher(temp);
               temp=matcher.replaceAll(result[1]);
            }
            return temp;
}


◆以正則條件查詢指定目錄下文件

 //用於緩存文件列表
        private ArrayList files = new ArrayList();
        //用於承載文件路徑
        private String _path;
        //用於承載未合併的正則公式
        private String _regexp;
        
        class MyFileFilter implements FileFilter {

              /**
               * 匹配文件名稱
               */
              public boolean accept(File file) {
                try {
                  Pattern pattern = Pattern.compile(_regexp);
                  Matcher match = pattern.matcher(file.getName());                
                  return match.matches();
                } catch (Exception e) {
                  return true;
                }
              }
            }
        
        /**
         * 解析輸入流
         * @param inputs
         */
        FilesAnalyze (String path,String regexp){
            getFileName(path,regexp);
        }
        
        /**
         * 分析文件名並加入files
         * @param input
         */
        private void getFileName(String path,String regexp) {
            //目錄
              _path=path;
              _regexp=regexp;
              File directory = new File(_path);
              File[] filesFile = directory.listFiles(new MyFileFilter());
              if (filesFile == null) return;
              for (int j = 0; j < filesFile.length; j++) {
                files.add(filesFile[j]);
              }
              return;
            }
    
        /**
         * 顯示輸出信息
         * @param out
         */
        public void print (PrintStream out) {
            Iterator elements = files.iterator();
            while (elements.hasNext()) {
                File file=(File) elements.next();
                    out.println(file.getPath());    
            }
        }

        public static void output(String path,String regexp) {

            FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);
            fileGroup1.print(System.out);
        }
    
        public static void main (String[] args) {
            output("C://","[A-z|.]*");
        }

Java正則的功用還有很多，事實上只要是字符處理，就沒有正則做不到的事情存在。（當然，正則解釋時較耗時間就是了|||……）