關於正則表達式的小筆記

關於正則表達式的小筆記

1.1概述

      正則表達式是一種強大而靈活的文本處理工具。使用正則表達式，我們能夠以編程的方式，構造複雜的文本模式，並對輸入的字符串進行搜索。一旦找到了相匹配的部分，就能隨心所欲進行處理。

      在java語言中的正則表達式對反斜槓\有着與其它語言不同的處理。其它語言中，\\表示“想要在正則表達式中插入一個普通的反斜線，沒有任何特殊的意義”；而在java中，\\表示“要插入一個正則表達式的反斜線，因此其後的字符具有特殊的意義。”如：表示一位數字，用\\d表示。

1.2創建正則表達式

表1-1

字符
B	指定字符B
\xhh	十六進制值爲oxhh的字符
\uhhhh	十六進制表示爲oxhhhh的Unicode
\t	製表符Tab
\n	換行符
\r	回車
\f	換頁
\e	轉義（Escape）

      只有學會使用字符類之後，正則表達式的威力才能真正顯現出來。以下是一些創建字符類的典型方式。

表1-2

字符
.	任意字符
[abc]	包含a、b和c的任意字符（和a|b|c作用相同）
[^abc]	除了a、b和c之外的任何字符（否定）
[a-zA-Z]	從a到z或從A到Z的任何字符（範圍）
[abc[hij]]	任意a、b、c、h、i和j字符（和a|b|c|h|i|j作用相同）
[a-z&&[hij]]	任意h、i或j（相交）
\s	空白符（空格、tab、換行、換頁和回車）
\S	非空白符（[^\S]）
\d	數字[0-9]
\D	非數字[^0-9]
\w	詞字符[a-zA-Z0-9]
\W	非詞字符[^\w]

 

表1-3

邏輯操作符
XY	Y跟在X後面
X|Y	X或Y
(X)	捕獲組，可以在表達式中用\i引用第i個捕獲組

 

表1-4

邊界匹配符
^	一行的起始
$	一行的結束
\b	詞的邊界
\B	非詞的邊界
\G	前一個匹配的結束

 

舉個例子：

public class Demo{

   public static void main(String[] args){

         for(String str:new String[]{"Rudolph","[rR]udolph","[rR][aeiou][a-z]ol.*","R.*"}){

              System.out.println("Rudolph".matches(str));

         }

   }

}

[rR]udolph：r或R開頭；

[rR][aeiou][a-z]ol.*：r或R開頭，第二個字母[aeiou]中一個，第三個[a-z]中一個，後接ol，最後爲任意字符；

R.*：R打頭的任意字符串。

1.3量詞

量詞描述了一個模式吸收輸入文本的方式：

• 貪婪型：量詞總是貪婪的，除非有其他的選項被設置。貪婪表達式會爲所有可能的模式發現儘可能多的匹配。假如現有模式僅能匹配第一個可能的字符組，如果它是貪婪的，那麼它就會繼續匹配下去。

• 勉強型：用問號來指定，這個量詞匹配滿足模式所需的最少字符數。所以也稱爲懶惰的、最少匹配的和非貪婪的。

• 佔有型：這種類型只有在java語言中才可用，當正則表達式被應用於字符串時，它會產生相當多的狀態，以便在匹配失敗時可以回溯。常用於防止正則表達式失控。

貪婪型	勉強型	佔有性	匹配
X?	X??	X?+	一個或零個X
X*	X*?	X*+	零個或多個X
X+	X+?	X++	一個或多個X
X{n}	X{n}?	X{n}+	X恰好出現n次
X{n,}	X{n,}?	X{n,}+	X至少出現n次
X{n,m}	X{n,m}?	X{n,m}+	X至少出現n次，且不超過m次

           注：這裏的表達式X，要使用圓括號括起來，如（abc）+。

1.4Pattern和Matcher

雖然String類中也能使用正則表達式，但其功能有限，所以更願意使用功能強大的regex包下的Pattern.complie()方法來編譯正則表達式。

1.  會更根據正則表達式生成一個Pattern對象；
2.   然後將要檢索的字符串傳入Pattern對象的matcher()方法；
3.   matcher()方法會生成一個Matcher對象。

public class Test{

   public static void main(String[] args){

         for(String str : args){

               Pattern p = Pattern.compile(str);

              Matcher m = p.matcher(args[0]);

              while(m.find()){

                    m.group();

                    m.start();

                    m.end();

              }

         }

   }

}

1.4.1  find()

  Matcher.find()方法可用來在Test中查找多個匹配，find()對字符串進行匹配,匹配到的字符串可以在任何位置。

  find(int i) 重置匹配器，然後嘗試查找匹配該模式、並以指定索引i開始匹配。如下代碼：

@Test

   public void run(){

         String s = "hello world";

         Pattern p = Pattern.compile("\\w+");

         Matcher m = p.matcher(s);

         int i = 0;

         while(m.find(i)){

              System.out.println(m.group());

              i++;

         }

   }

/*output

hello

ello

llo

lo

o

world

world

orld

rld

ld

d

*/

1.4.2 組(groups)

Matcher對象提供了一系列方法，用以獲取與組相關的信息：

• l  int groupCount()返回該匹配器的模式中分組數目；

• l  String group(int group)返回在以前匹配操作期間由給定組捕獲的輸入子序列。

• l  int start()返回以前匹配的起始位置的索引。

• l  int start(int group)返回在以前的匹配操作期間，由給定組所捕獲的子序列的起始索引。
• l  int end()返回最後匹配字符的索引加一的值。

• l  int end(int group)返回在前一次匹配操作中，尋找到組的最後一個字符索引加一的值。
• l  boolean matches()只有在完全匹配正則表達式纔會返回true。
• l  boolean lookingAt()嘗試將從區域開頭開始的輸入序列與該模式匹配，只要輸入的第一部分匹配就返回true。

1.5split()

split()方法將輸入字符串斷開成字符串對象數組，斷開邊界由下列正則表達式確定：

• l  String[]split(CharSequence input)圍繞此模式的匹配拆分給定輸入序列。
• l  String[]split(CharSequence input, int limit)圍繞此模式的匹配拆分給定輸入序列。注：limit可限定通過分割符分割後的字符串數量。

1.6替換操作

• l  String replaceAll(Stringreplacement)替換模式與給定替換字符串相匹配的輸入序列的每個子序列。
• l  String replaceFirst(Stringreplacement)替換模式與給定替換字符串匹配的輸入序列的第一個子序列。
• l  Matcher appendReplacement(StringBuffersb, String replacement)執行漸進式的替換。
• l  StringBufferappendTail(StringBuffer sb)在執行一次或多次appendReplacement()之後，此方法可以將匹配完後剩下的部分複製到sb中。

1.7reset()

Matcher reset()方法可以重置匹配器，將現有的Matcher對象應用於一個新的字符序列。

1.8Pattern標記

static Pattern compile(String regex, int flags)將給定的正則表達式編譯到具有給定標誌的模式中。

編譯標記	效果
Pattern.CANON_EQ	兩個字符當且僅當它們的完全規範分解相匹配時，就認爲它們是匹配的。例如，如果我們指定這個標記，表達式a\u030A就會匹配字符串?。在默認的情況下，匹配不考慮規範的等價性。
Pattern.CASE_INSENSITIVE(?i)	默認情況下，大小寫不敏感的匹配假定只有US-ASCII字符集中的字符才能進行。這個標記允許模式匹配不必考慮大小寫（大寫或小寫）。通過指定UNICODE_CASE標記及結合此標記。基於Unicode的大小寫不滿乾的匹配就可以開啓了。
Pattern.COMMENTS(?x)	在這種模式下，空格符將被忽略掉，並且以#開始直到行末的註釋也會被忽略掉。通過嵌入的標記表達式也可以開啓Unix的行模式X。
Pattern.DOTALL(?s)	在dotall模式中，表達式"." 匹配所有字符，包括終結符。默認情況下，”." 表達式不匹配行終結符。
Pattern.MULTILINE(?m)	在多行模式下，表達式^和$分別匹配一行的開始和結束。^還匹配輸入字符串的開始，而$還匹配輸入字符串的結尾。默認情況下，這些表達式僅匹配輸入的完整字符串的開始和結束。
Pattern.UNICODE_CASE(?u)	當指定這個標記， 並且開啓CASE_INSENSITIVE時，大小寫不敏感的匹配將按照與Unicode標準相一致的方式進行。默認情況下，大小寫不敏感的匹配假定只能在US-ASCII 字符集中
Pattern.UNIX_LINES(?d)	在這種模式下，在., ^和$行爲中， 只識別行終結符\n

以上表格摘自《java編程思想》