題目,請解釋一下兩個正則表達式所代表的含義:
// 限定條件
final String CONDITION = "(?=.*[a-z])(?=.*[A-Z])(?=.*\\d)";
// 允許出現的字符
final String SPECIAL_CHAR = "[-A-Za-z0-9!$%&()/;<?{}\\[\\]^\\\\]";
牛人“bao110908”解答:
1、表達式1
(?=.*[a-z]) 表示當前位置後面必須出現 .*[a-z] 的字符,這個可以理解爲必須出現小寫字母。或者可以理解爲某一個字符間的縫隙必須滿足的條件,這個僅僅作爲條件判斷並不能匹配任何字符,因爲這屬於非捕獲組中的環視(lookarround)零寬度匹配。
舉個大家常見的例子:
表達式:Win(?=XP)
現有字符串 WinXP 和 WinNT,在應用這個表達式時前者能與之進行匹配,爲什麼呢?
當匹配器指示到 (?=XP) 時,也就是在 n 字母后面的縫隙,這個縫隙必須滿足的條件是:後面的字符必須是 XP,如果是的話,匹配成功,否則匹配失敗。由於(?=XP) 是匹配縫隙的,因此並不會把 XP 給匹配輸出,而只輸出了 Win 因此,這個表達式的語義可以看作是:找到後面爲“XP”字符所有的 Win。
假如,我們把表達式寫成 Win(?=XP)(?=NT) 這樣的話,那麼這個語義是:找出後面爲“XP”並且爲“NT”字符所有的 Win 可以想象,這是個永遠無法滿足的匹配。(?=XP)(?=NT) 這個表示當前的縫隙必須同時滿足的條件。
把這個表達式再改一下,改成 Win(?=.*XP)(?=.*NT) 這個表示 Win 的後面必須出現XP 與 NT,位置和順序都是無關的(這主要是 .* 的作用)。當然了這個表達式的效率是比較低的,得向後進行兩次斷言。
如果字符串是 WincbaXPabcNT 這個字符串,當匹配指示器走到 n 後面的縫隙時開始進行向後斷言,首先對 .*XP 進行斷言,很明顯能將 cbaXP 匹配成功,這時第一個斷言完成,再對 .*NT 斷言,可以看出 cbaXPabcNT 能與其匹配成功,這時第二個斷言完成,因此表達式 Win(?=.*XP)(?=.*NT) 能對 WincbaXPabcNT 進行匹配。
同理 WincbaNTabcXP 也是同樣的效果。
如果能理解上面的這些,對於 (?=.*[a-z])(?=.*[A-Z])(?=.*\\d) 這個的理應該不會很難吧,這個只不過是必須同時滿足三個條件。
這個表達式在開始部分就進行斷言,即索引爲 0 的地方,也就是第一個字符的前面的縫隙,這個縫隙後面的字符必須滿足 .*[a-z] .*[A-Z] .*\\d 三個條件,也就是說必後面必須出現至少一個小寫字母、至少一個大寫母、至少一個數字。
2、表達式2
至於表達式 2 的使用,也就是 [ ] 內字符的轉義需要注意一下。
^ 和 - 在 [ ] 結構的表達式中是有一定意義的。
[^abc] 表示除 abc 以外所有的字符,注意,這是放在最前面表示這個意思,如果改成 [a^bc] 這個僅表示 a ^ b c 四個字符。如果需要匹配 ^ 這個字符的話,千萬不要把它放在第一個,如果一定要放在第一個的話,得使用轉義符。
- 在 [ ] 表示字符的範圍,比如 [a-z] 表示 a 與 z 之間的 26 個字母,[a-zA-Z] 這個表示 a-z 和 A-Z 的 52 個字母。使用範圍得注意了,如果寫成[z-a] 的話,在 Pattern.compile 編譯表達式時會對範圍進行檢查,這時會產生異常,因此在使用 - 範圍時,後面的 Unicode 值必須大於等於前面的 Unicode值。
如果要匹配“-”的話,儘量不要把 - 這個放在字符之間,可以放在 [ ] 的兩邊。比如 [-a-z] 這就能匹配 26 個小寫字母和“-”了。當然了,我們也可以寫成[a-z-A-Z] 這個可以匹配 52 字母和“-”,但是這樣很不直觀,我們寧願寫成[a-zA-Z-] 或者 [-a-zA-Z] 這樣。
參考地址:http://topic.csdn.net/u/20080716/22/80cdd418-a0e9-4e7e-8435-df6d4bc11c4a.html
繼續整理牛人的正則表達式解答!!!
1、不以某某開頭 ,比如不以www開頭
public class Test {
public static void main(String[] args) {
String[] strs = {
"abc1232", "wwwadsf",
"awwwfas", "wwadfsf",
"", "ww", " ", "www"
};
String regex = "(?:(?!^www).)*";
for(String str : strs) {
System.out.printf("%-7s %s%n", str, str.matches(regex));
}
}
}
(?!X) 專業名稱爲 Negative Lookahead,表示字符間縫隙後面不允許出現的字符,即匹配字符間的縫隙,如果縫隙後的字符不是 X 的話,那這個縫隙就匹配成功。
舉個例子,aab 和 aac,現有表達式 aa(?!b) 這時我們能匹配到的字符串是 aac,
因爲 aa 的後面的縫隙之後不允許出現字符 b,因此只有 aac 進行了匹配。
再來看個示例:
public class Test {
public static void main(String[] args) {
String str = "AQuickBrownFoxJumpsOverTheLazyDog";
String[] strs = str.split("(?<!^)(?=[A-Z])");
for(String s : strs) {
System.out.println(s);
}
}
}
根據大寫字母拆分字符串。當然了,這個使用字符串進行分析同樣也能進行拆分,但是使用正則表達式來拆的話更爲便捷直觀一些。
在進行這種拆分時,由於在拆分後的字符數不能減少,因此只能使用零寬度的
lookaround 功能進行匹配,lookaround 包括四個,即:
(?=X) (?!X) (?<=X) (?<!X)
來看一下這個表達式:(?<!^)(?=[A-Z])前面說到過 (?!) 表示縫隙後面不允許出現的東西,而 (?<!) 表示縫隙前不允許出現的東西。(?=) 表示縫隙後允許出現的東西,(?<=) 表示縫隙前允許出現的東西。
這個表達式在拆分時,根據零寬度匹配縫隙進行拆分的,這個縫隙必須滿足以下條件:
(?<!^) 表示縫隙不允許前不能是行開始,即縫隙不能出現在首字母的前面。
(?=[A-Z]) 表示縫隙後面允許出現 A-Z 的大寫字母。
這時這個表達式就匹配了下面帶有 | 的縫隙:
A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog
PS:不加 (?<!^) 的話,會變成:
|A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog
根據 split 的功能,正則表達式處理程序就根據上面的 | 將字符串給拆分開來了。2、不區分大小寫
有兩種方式:參數式和內嵌式。
來看個示例:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
public static void main(String[] args) {
String str = "Book";
Pattern pattern = Pattern.compile("book");
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());
}
}
上面的這個表達式 book 是不能匹配字符串 Book 的,這時我們只要給定編譯時的參數就可以了:Pattern pattern = Pattern.compile("book", Pattern.CASE_INSENSITIVE);
Pattern.CASE_INSENSITIVE 這是一個 int 類型的常量,值爲 2。表示表達式忽略大小寫進行區配。
如果我們不採用 Pattern 和 Matcher 兩個類來匹配的話,只是使用 String 的 matches 方法的話,我們就不能指定表達式的編譯參數了,這時就需要採用內嵌標誌表達式了,與 Pattern.CASE_INSENSITIVE
對應的內嵌標誌表達式是 (?i),它有四種形式:
1,(?i)
2,(?-i)
3,(?i:X)
4,(?-i:X)
不帶有 - 的是開標誌,帶有 - 的是關標誌。
把上面的代碼改成這樣:
public class Test {
public static void main(String[] args) {
String str = "Book";
String regex = "(?i)book";
System.out.println(str.matches(regex));
}
}
我們就達到了同樣的效果,當然這樣並不是最好的,因爲字符串中只有 B 是大寫的,我們沒有必要把所有的字符都進行不區分大小寫匹配,我們可以在打開標誌,用 (?i) 的
第二種形式馬上關掉它:
String regex = "(?i)b(?-i)ook";
這樣的話,只有 b 是區分大小寫了,而 (?-i) 後面的還是得區分大小寫匹配的。這樣寫
可能看上去很不順眼,我們還能使用第 3 種形式直接指定某些字符是不區分大小寫的。
String regex = "(?i:b)ook";
這樣的表達式與上面的那個在語義上是相同的。就效率上肯定是優於一下子開,一下子關的。
可見內嵌標誌表達式要比指定編譯參數的功能強大許多。
使用建議:如果能確定某些字符的大小寫時,儘量使用已確定的字符,對於不確定的可以採用
(?i:X) 的方式指定。因此打開不區分大小寫開關時,對匹配的性能是有一定影響的。
思考一下:String regex = "(?i)b(?-i:oo)k"; 這個表達式的意思?
3、多行匹配
同樣,可以像不匹配大小寫匹配那樣使用編譯參數:Pattern.DOTALL
如果還得區分大小寫的話,還得加上上面說到的 Pattern.CASE_INSENSITIVE 這個,舉個例子:
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
public static void main(String[] args) {
String str =
"<table> \n" +
" <tr> \n" +
" <td> \n" +
" Hello World! \n" +
" </td> \n" +
" </tr> \n" +
"</table>";
String regex = "<td>(.+?)</td>";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(str);
while(matcher.find()) {
System.out.println(matcher.group(1).trim());
}
}
}
上面這個是不能從 str 抽取出東西的,因爲 td 的後面帶有換行符,我們只要更改一下:Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);
這樣就行了,如果 td 還得不區分大小寫的話,再改成:
Pattern pattern = Pattern.compile(regex, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);
這樣的話,td 哪怕是大寫的這個表達式都能把 td 之間的字符區抽取出來。當然和 Pattern.CASE_INSENSITIVE 一樣,Pattern.DOTALL 也有內嵌標誌表達式,即 (?s)s 的意思表示 single-line 就是忽略換行符什麼的,只看成單行進行處理。
這個表達式使用內嵌 (?s) 的話可以改爲:
String regex = "(?s)<td>(.+?)</td>";
如果還要不區分大小寫的話,再加上 i 標誌:
String regex = "(?s)(?i)<td>(.+?)</td>";
但這樣顯得很拖沓,可以把它們合併起來:
String regex = "(?is)<td>(.+?)</td>"; // 秩序無所謂
最後需要說明一下的是,我曾看到過由於不明白 DOTALL,爲了讓 . 匹配行結束符,直接把表達式寫成:String regex = "<td>((.|\\s)+?)</td>";
這樣做是極其危險的,由於選擇結構的匹配效率問題,這樣做在比較長的字符串時會造成堆棧溢出,使程序崩潰,如果使用 DOTALL 或者 (?s) 的話就不會出現這種情況。
4、2個單元的或操作
| 稱爲多選結構,用於匹配 | 之中的任何一個,拿你的例子來說明:import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class Test {
public static void main(String[] args) {
String str =
"<img src=\"http://www.google.com/1.gif\"/>\n" +
"<img src=\"http://3w.google.com/1.gif\"/>\n" +
"<img src=\"http://abc.baidu.com/1.gif\"/>";
String regex = "<img\\ssrc=\"http://(?:ww|3)w.google.com/1.gif\"/>";
Pattern pattern = Pattern.compile(regex);
Matcher matcher = pattern.matcher(str);
while(matcher.find()) {
System.out.println(matcher.group());
}
}
}
注意到其中的 (?:ww|3) 在進行多選匹配時儘量找出多選中的規律,以減少多選的字符,www 和 3w 在最後一個字符可以共用,前面的不一樣。
(?: ) 的意思表示組成一組,如果沒有 (?: ) 這樣的話,表達式就變成了:
String regex = "<img\\ssrc=\"http://ww|3w.google.com/1.gif\"/>";
這樣的語義完全變掉了,| 是在一組中進行選擇,由於上面的那個表達式中沒有組,就把整個表達式作爲了一組,使用 | 的話,就進行了整個表達式的多選結構了。這個表達式的意思是:匹配 <img ssrc="http://ww 或者是 3w.google.com/1.gif"/>,這樣的結果並不是我們所要的。
我們僅僅需要在 ww 和 3 之間進行選擇,這時只要把 ww 和 3 放在一組中進行多選擇就可以了,變成 (?:ww|3)。
還有,在多選結構中儘量把出現頻率高的放在前面,這樣可以加快匹配速度。
多選結構的效率在傳統型的引擎中是效率低下的,如果是單個字符的選擇,比如 a $ & 之中的一個,那就不要使用 (?:a|$|&) 了,可以直接使用字符類 [a$&] 就可以了。