正则表达式学习经验分析.docx
- 文档编号:4480624
- 上传时间:2022-12-01
- 格式:DOCX
- 页数:11
- 大小:21.93KB
正则表达式学习经验分析.docx
《正则表达式学习经验分析.docx》由会员分享,可在线阅读,更多相关《正则表达式学习经验分析.docx(11页珍藏版)》请在冰豆网上搜索。
正则表达式学习经验分析
正则表达式学习经验分析
正则表达式用来指定字符串模式。
当你需要定位匹配某种模式的字符串时就可以使用正则表达式。
例如,我们下面的一个例程就是在一个HTML文件中通过查找字符串模式
当然,为了指定一种模式,使用...这种记号是不够精确的。
你需要精确地指定什么样的字符排列是一个合法的匹配。
当描述某种模式时,你需要使用一种特殊的语法。
这里有一个简单例子。
正则表达式
[Jj]ava.+
匹配下列形式的任何字符串:
首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成
例如,字符串“javaness”匹配这个特殊的正则表达式,但是字符串“Core Java”却不匹配。
如你所见,你需要了解一点语法来理解正则表达式的含意。
幸运的是对于大多数的用途,使用少量的简单构造(straightforward constructs)就已足够。
字符类是可选自符的集合,用‘['封装,比如[Jj],[0-9],[A-Za-z]或[^0-9]。
这里的-表示范围(Unicode落在两个边界之间的所有字符),^表示求补(指定字符外的所有字符)。
有许多预定以的字符类,像\d(数字)或\p{Sc}(Unicode货币符号),见表12-8和12-9。
大多数字符与它们自身匹配,像上例中的ava字符。
符号.匹配任何字符(可能行终止符(line terminators)除外,这依赖于标识设置(flag settings))
\用作转义符,比如\.匹配一个句点,\\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式,则XY表示“X的匹配后面跟着Y的匹配”。
X|Y表示“任何X或Y的匹配”
可以将量词(quantifier)用到表达式中,X+ 表示X重复1次或多次,X* 表示X重复0次或多次,X?
表示X重复0次或1次
默认地,一个量词总是与使总体成功匹配的最长的可能重复匹配。
可以加上后缀?
(称为reluctant或stingy 匹配,用以匹配最小的重复数),和+(称为possessive或贪婪匹配,用以即使在总体匹配失败的情况下也匹配最大的重复数)来更改这种属性。
例如,字符串cab匹配[a-z]*ab,但不匹配[a-z]*+ab。
第一种情况下,[a-z]*只匹配字符c,因此字符ab正好与模式的剩余部分匹配。
但是贪婪版本[a-z]*+就与字符cab匹配,模式的剩余部分ab就匹配失败(,这样总体也就匹配失败)。
可以使用分组来定义子表达式。
将分组封装在()中,如([+-]?
)([0-9]+)。
然后你可以让模式匹配符(the pattern matcher)返回每个分组的匹配,或者使用\n来回引分组(refer back to a group with \n),其中n是组号(以\1起始)
这里有一个稍微有点复杂却又很有用的正则表达式--它用来描述十进制和十六进制的整数。
[+-]?
[0-9]+|0[Xx][0-9A-Fa-f]+
不幸的是,在使用正则表达式的各种程序和库之间,它的语法还没有完全标准化。
对基本的构造上已达成了共识,但在细节方面有许多令人“抓狂”的区别(many maddening differences)。
Java的正则表达式类使用了与Perl语言类似的语法,但也不尽相同。
表12-8显示了Java语法的所有正则表达式构造。
要了解更多关于正则表达式的信息,请参考Pattern类的API文档,或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)(刚去第二书店查了一下,东南大学出版社已经引入了其第二版,影印)
表12-8 正则表达式语法
--------------------------------------------------------------------------------
语法 解释
--------------------------------------------------------------------------------
字符
c 字符c
\unnnn, \xnn, \0n, \0nn, \0nnn 带有十六或八进制值的代码单元
\0n 八进制0n代表的字符(0<=n<=7)
\0nn 八进制0nn代表的字符(0<=n<=7)
\0mnn 八进制0mnn代表的字符(0<=m<=3,0<=n<=7)
\xnn 十六进制 0xnn所代表的字符
\uhhhh 十六进制 0xhhhh所代表的字符
\t, \n, \r, \f, \a, \e 控制字符,依次是制表符,换行符,回车符,换页符,报警符和转义符
\cc 控制字符中出现的相应字符c
--------------------------------------------------------------------------------
字符类
[C1C2. . .] C1、C2……中的任何字符。
Ci可以是字符,字符范围(C1-C2)或者字符类。
[^. . .] 字符类的补集
[ . . . && . . .] 两个字符类的交集
--------------------------------------------------------------------------------
预定义字符类
. 除行终止符外的任何字符(如果DOTALL标志置位,则表示任何字符)
\d 数字[0-9]
\D 非数字[^0-9]
\s 空白字符[\t\n\r\f\x0B]
\S 非空白字符
\w 单词字符[a-zA-Z0-9_]
\W 非单词字符
\p{name} 一个指定的字符类,见表12-9
\P{name} 指定字符类的补集
--------------------------------------------------------------------------------
边界匹配符
^ $ 输入的开头和结尾(在多行模式(multiline mode)下是行的开头和结尾)
\b 单词边界
\B 非单词边界
\A 输入的开头
\z 输入的结尾
\Z 除最后行终止符之外的输入结尾
\G 上个匹配的结尾
--------------------------------------------------------------------------------
量词
X?
可选的X(即X可能出现,也可能不出现)
X* X,可以重复0次或多次
X+ X,可以重复1次或多次
X{n} X{n,} X{n,m} X重复n次,至少重复n次,重复n到m次
--------------------------------------------------------------------------------
量词后缀
?
设默认(贪婪)匹配为reluctant匹配
+ 设默认(贪婪)匹配为possessive匹配
--------------------------------------------------------------------------------
集合操作
XY X的匹配后面跟着Y的匹配
X|Y X或Y的匹配
--------------------------------------------------------------------------------
分组
(X) 匹配X并且在一个自动计数的分组中捕获它
\n 与第n个分组的匹配
--------------------------------------------------------------------------------
转义
\c 字符c(必须不是字母)
\Q...\E 逐字地引用...
(?
...) 特殊构造,看Pattern类的API
--------------------------------------------------------------------------------
正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。
这里有一个Java写的测试程序。
首先从表示正则表达式的字符串构造一个Pattern对象。
然后从该模式获得一个Matcher对象,并且调用它的matches()方法:
Pattern pattern = Ppile(patternString);
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) . . .
表12.9 预定义的字符类名(Predefined Character Class Names)
--------------------------------------------------------------------------------
Lower 小写的ASII字符[a-z]
Upper 大写的ASCII字符[A-Z]
Alpha ASCII字母[A-Za-z]
Digit ASCII 数字 [0-9]
Alnum ASCII 字母或数字[A-Za-z0-9]
Xdigit 十六进制数字[0-9A-Fa-f]
Print or Graph 可打印的ASCII字符[\x21-\x7E]
Punct 非字母或数字ASCII [\p{Print}&&\P{Alnum}]
ASCII 所有ASCII字符 [\x00-\x7F]
Cntrl ASCII控制字符[\x00-\x1F]
Blank 空格符或制表符[ \t]
Space 空白符 [ \t\n\r\f\0x0B]
javaLowerCase 取决于Character.isLowerCase()的小写字符
javaUpperCase 取决于Character.isUpperCase()的大写字符
javaWhitespace 取决于Character.isWhitespace()的空白符
javaMirrored 取决于Character.isMirrored()的Mirrored(?
)
InBlock 这里的Block是unicode字符的块名,用空格隔开,比如BasicLatin 或 Mongolian。
块名列表 参考http:
//www.unicode.org
Category 或InCategory 这里的Category是Unicode字符的种类名,比如L(字母)或者Sc(货币符号)。
种类 名列表参考http:
//www.unicode.org
--------------------------------------------------------------------------------
matcher的输入可以是实现CharSequence接口的任何类对象,像String,StringBuilder或CharBuffer。
当编译模式时,可以设置一个或多个标志,例如
Pattern pattern = Ppile(patternString,
Pattern.CASE_INSENSITIVE + Pattern.UNICODE_CASE);
下面六个标志都是支持的:
CASE_INSENSITIVE:
匹配字符时与大小写无关,该标志默认只考虑US ASCII字符。
UNICODE_CASE:
当与CASE_INSENSITIVE结合时,使用Unicode字母匹配
MULTILINE:
^和$匹配一行的开始和结尾,而不是整个输入
UNIX_LINES:
当在多行模式下匹配^和$时,只将'\n'看作行终止符
DOTALL:
当使用此标志时,.符号匹配包括行终止符在内的所有字符
CANON_EQ:
考虑Unicode字符的规范等价
如果正则表达式包含分组,Matcher对象能够揭示分组边界。
方法
int start(int groupIndex)
int end(int groupIndex)
返回某个特殊分组的起始索引和结尾后索引(past-the-end index )。
通过调用String group(int groupIndex),你可以简单地得到匹配的字符串。
第0个分组代表所有的分组,第一个实际分组的索引是1。
调用groupCount来获得总的分组数。
使用开放圆括号来安排嵌套分组。
例如,给定模式((1?
[0-9]):
([0-5][0-9]))[ap]m,并且输入11:
59am,Matcher对象报告下列分组
((1?
[0-9]):
([0-5][0-9]))[ap]m
并输入
11:
59am
matcher报告下列分组
--------------------------------------------------------------------------------
分组索引 起始 结束 字符串
--------------------------------------------------------------------------------
0 0 7 11;59am
1 0 5 11:
59
2 0 2 11
3 3 5 59
例12-9提示输入一个模式和一个欲匹配的字符串。
它将输出输入的字符串是否匹配模式。
如果输入匹配包含分组的模式,程序将会使用圆括号来打印分组边界,如((11):
(59))am
Example 12-9. RegexTest.java
1. import java.util.*;
2. import java.util.regex.*;
3.
4. /**
5. This program tests regular expression matching.
6. Enter a pattern and strings to match, or hit Cancel
7. to ern contains groups, the group
8. boundaries are displayed in the match.
9. */
10. public class RegExTest
11. {
12. public static void main(String[] args)
13. {
14. Scanner in = new Scanner(System.in);
15. System.out.println("Enter pattern:
");
16. String patternString = in.nextLine();
17.
18. Pattern pattern = null;
19. try
20. {
21. pattern = Ppile(patternString);
22. }
23. catch (PatternSyntaxException e)
24. {
25. System.out.println("Pattern syntax error");
26. System.exit
(1);
27. }
28.
29. while (true)
30. {
31. System.out.println("Enter string to match:
");
32. String input = in.nextLine();
33. if (input == null || input.equals("")) return;
34. Matcher matcher = pattern.matcher(input);
35. if (matcher.matches())
36. {
37. System.out.println("Match");
38. int g = matcher.groupCount();
39. if (g > 0)
40. {
41. for (int i = 0; i < input.length(); i++)
42. {
43. for (int j = 1; j <= g; j++)
44. if (i == matcher.start(j))
45. System.out.print('(');
46. System.out.print(input.charAt(i));
47. for (int j = 1; j <= g; j++)
48. if (i + 1 == matcher.end(j))
49. System.out.print(')');
50. }
51. System.out.println();
52. }
53. }
54. else
55. System.out.println("No match");
56. }
57. }
58. }
通常地,你不希望匹配整个输入到某个正则表达式,而是希望在输入中找出一个或多个匹配的子字符串。
使用Matcher类的find方法来寻找下一个匹配。
如果它返回True,再使用start和end方法找出匹配的范围。
while (matcher.find())
{
int start = matcher.start();
int end = matcher.end();
String match = input.substring(start, end);
. . .
}
例12-10用到了这种机制。
它在一个网页中定位所有的超文本引用并打印它们。
为运行程序,在命令行提供一个URL,比如
java HrefMatch
Example 12-10. HrefMatch.java
1. import java.io.*;
2. import .*;
3. import java.util.regex.*;
4.
5. /**
6. This program displays all URLs in a web page by
7. matching a regular expression that describes the
8. HTML tag. Start the program as
9. java HrefMatch URL
10. */
11. public class HrefMatch
12. {
13. public
- 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:
- 正则 表达式 学习 经验 分析
![提示](https://static.bdocx.com/images/bang_tan.gif)