Java正则表达式详解.docx
- 文档编号:26161266
- 上传时间:2023-06-17
- 格式:DOCX
- 页数:8
- 大小:68.89KB
Java正则表达式详解.docx
《Java正则表达式详解.docx》由会员分享,可在线阅读,更多相关《Java正则表达式详解.docx(8页珍藏版)》请在冰豆网上搜索。
Java正则表达式详解
Java正则表达式详解(转)
2008-09-1816:
34
如果你曾经用过Perl或任何其他内建正则表达式支持的语言,你一定知道用正则表达式处理文本和匹配模式是多么简单。
如果你不熟悉这个术语,那么“正则表达式”(RegularExpression)就是一个字符构成的串,它定义了一个用来搜索匹配字符串的模式。
许多语言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正则表达式处理文本,一些文本编辑器用正则表达式实现高级“搜索-替换”功能。
那么Java又怎样呢?
本文写作时,一个包含了用正则表达式进行文本处理的Java规范需求(SpecificationRequest)已经得到认可,你可以期待在JDK的下一版本中看到它。
然而,如果现在就需要使用正则表达式,又该怎么办呢?
你可以从Apache.org下载源代码开放的Jakarta-ORO库。
本文接下来的内容先简要地介绍正则表达式的入门知识,然后以Jakarta-OROAPI为例介绍如何使用正则表达式。
一、正则表达式基础知识
我们先从简单的开始。
假设你要搜索一个包含字符“cat”的字符串,搜索用的正则表达式就是“cat”。
如果搜索对大小写不敏感,单词“catalog”、“Catherine”、“sophisticated”都可以匹配。
也就是说:
1.1句点符号
假设你在玩英文拼字游戏,想要找出三个字母的单词,而且这些单词必须以“t”字母开头,以“n”字母结束。
另外,假设有一本英文字典,你可以用正则表达式搜索它的全部内容。
要构造出这个正则表达式,你可以使用一个通配符——句点符号“.”。
这样,完整的表达式就是“t.n”,它匹配“tan”、“ten”、“tin”和“ton”,还匹配“t#n”、“tpn”甚至“tn”,还有其他许多无意义的组合。
这是因为句点符号匹配所有字符,包括空格、Tab字符甚至换行符:
1.2方括号符号
为了解决句点符号匹配范围过于广泛这一问题,你可以在方括号(“[]”)里面指定看来有意义的字符。
此时,只有方括号里面指定的字符才参与匹配。
也就是说,正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。
但“Toon”不匹配,因为在方括号之内你只能匹配单个字符:
1.3“或”符号
如果除了上面匹配的所有单词之外,你还想要匹配“toon”,那么,你可以使用“|”操作符。
“|”操作符的基本意义就是“或”运算。
要匹配“toon”,使用“t(a|e|i|o|oo)n”正则表达式。
这里不能使用方扩号,因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。
圆括号还可以用来分组,具体请参见后面介绍。
1.4表示匹配次数的符号
表一显示了表示匹配次数的符号,这些符号用来确定紧靠该符号左边的符号出现的次数:
假设我们要在文本文件中搜索美国的社会安全号码。
这个号码的格式是999-99-9999。
用来匹配它的正则表达式如图一所示。
在正则表达式中,连字符(“-”)有着特殊的意义,它表示一个范围,比如从0到9。
因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“\”。
图一:
匹配所有123-12-1234形式的社会安全号码
假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999和999999999都属于正确的格式。
这时,你可以在连字符号后面加上“?
”数量限定符号,如图二所示:
图二:
匹配所有123-12-1234和123121234形式的社会安全号码
下面我们再来看另外一个例子。
美国汽车牌照的一种格式是四个数字加上二个字母。
它的正则表达式前面是数字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。
图三显示了完整的正则表达式。
图三:
匹配典型的美国汽车牌照号码,如8836KV
1.5“否”符号
“^”符号称为“否”符号。
如果用在方括号内,“^”表示不想要匹配的字符。
例如,图四的正则表达式匹配所有单词,但以“X”字母开头的单词除外。
图四:
匹配所有单词,但“X”开头的除外
1.6圆括号和空白符号
假设要从格式为“June26,1951”的生日日期中提取出月份部分,用来匹配该日期的正则表达式可以如图五所示:
图五:
匹配所有MothDD,YYYY格式的日期
新出现的“\s”符号是空白符号,匹配所有的空白字符,包括Tab字符。
如果字符串正确匹配,接下来如何提取出月份部分呢?
只需在月份周围加上一个圆括号创建一个组,然后用OROAPI(本文后面详细讨论)提取出它的值。
修改后的正则表达式如图六所示:
图六:
匹配所有MonthDD,YYYY格式的日期,定义月份值为第一个组
1.7其它符号
为简便起见,你可以使用一些为常见正则表达式创建的快捷符号。
如表二所示:
表二:
常用符号
例如,在前面社会安全号码的例子中,所有出现“[0-9]”的地方我们都可以使用“\d”。
修改后的正则表达式如图七所示:
图七:
匹配所有123-12-1234格式的社会安全号码
字符
B
字符B
\xhh
16进制值0xhh所表示的字符
\uhhhh
16进制值0xhhhh所表示的Unicode字符
\t
Tab
\n
换行符
\r
回车符
\f
换页符
\e
Escape
正则表达式的强大体现在它能定义字符集(characterclass)。
下面是一些最常见的字符集及其定义的方式,此外还有一些预定义的字符集:
字符集
.
表示任意一个字符
[abc]
表示字符a,b,c中的任意一个(与a|b|c相同)
[^abc]
除a,b,c之外的任意一个字符(否定)
[a-zA-Z]
从a到z或A到Z当中的任意一个字符(范围)
[abc[hij]]
a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集)
[a-z&&[hij]]
h,i,j中的一个(交集)
\s
空格字符(空格键,tab,换行,换页,回车)
\S
非空格字符([^\s])
\d
一个数字,也就是[0-9]
\D
一个非数字的字符,也就是[^0-9]
\w
一个单词字符(wordcharacter),即[a-zA-Z_0-9]
\W
一个非单词的字符,[^\w]
在一些语言里,"\\"的意思是"只是要在正则表达式里插入一个反斜杠。
没什么特别的意思。
"但是在Java里,"\\"的意思是"要插入一个正则表达式的反斜杠,所以跟在它后面的那个字符的意思就变了。
"举例来说,如果想表示一个或更多的"单词字符",那么这个正则表达式就应该是"\\w+"。
如果要插入一个反斜杠,那就得用""。
不过像换行,跳格之类的还是只用一根反斜杠:
"\n\t"。
逻辑运算符
XY
X后面跟着Y
X|Y
X或Y
(X)
一个"要匹配的组(capturinggroup)".以后可以用\i来表示第i个被匹配的组。
边界匹配符
^
一行的开始
$
一行的结尾
\b
一个单词的边界
\B
一个非单词的边界
\G
前一个匹配的结束
匹配的模式(Patternflags)
compile()方法还有一个版本,它需要一个控制正则表达式的匹配行为的参数:
PatternPpile(Stringregex,intflag)
flag的取值范围如下:
Pattern.CANON_EQ
当且仅当两个字符的"正规分解(canonicaldecomposition)"都完全相同的情况下,才认定匹配。
比如用了这个标志之后,表达式"a\u030A"会匹配"?
"。
默认情况下,不考虑"规范相等性(canonicalequivalence)"。
Pattern.CASE_INSENSITIVE(?
i)
默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。
这个标志能让表达式忽略大小写进行匹配。
要想对Unicode字符进行大小不明感的匹配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?
x)
在这种模式下,匹配时会忽略(正则表达式里的)空格字符(注:
不是指表达式里的"\\s",而是指表达式里的空格,tab,回车之类)。
注释从#开始,一直到这行结束。
可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?
s)
在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。
默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE(?
m)
在这种模式下,'^'和'$'分别匹配一行的开始和结束。
此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。
默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE(?
u)
在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。
默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?
d)
在这个模式下,只有'\n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。
在这些标志里面,Pattern.CASE_INSENSITIVE,Pattern.MULTILINE,以及Pattern.COMMENTS是最有用的(其中Pattern.COMMENTS还能帮我们把思路理清楚,并且/或者做文档)。
注意,你可以用在表达式里插记号的方式来启用绝大多数的模式。
这些记号就在上面那张表的各个标志的下面。
你希望模式从哪里开始启动,就在哪里插记号。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- Java 正则 表达式 详解