Java正则表达式应用

对于JAVA的Pattern类 和 Matcher类可参考网址 [url]http://www.ibm.com/developerworks/cn/java/l-regp/part2/[/url]
[b]正则表达式中的特殊字符：[/b]
\\ 反斜杠
\t 间隔 ('\u0009')
\n 换行 ('\u000A')
\r 回车 ('\u000D')
\d 数字等价于[0-9]
\D 非数字等价于[^0-9]
\s 空白符号 [\t\n\x0B\f\r]
\S 非空白符号 [^\t\n\x0B\f\r]
\w 单独字符 [a-zA-Z_0-9]
\W 非单独字符 [^a-zA-Z_0-9]
\f 换页符
\e Escape
\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

^为限制开头 ^java 条件限制为以Java为开头字符
$为限制结尾 java$ 条件限制为以java为结尾字符
.为限制一个任意字符 java.. 条件限制为java后除换行外任意两个字符加入特定限制条件

[a-z] 条件限制在小写a to z范围中一个字符
[A-Z] 条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9] 条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

[]中加入^后加再次限制条件
[^a-z] 条件限制在非小写a to z范围中一个字符
[^A-Z] 条件限制在非大写A to Z范围中一个字符
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符
[^0-9] 条件限制在非小写0 to 9范围中一个字符
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

在限制条件为特定字符出现0次以上时，可以使用「*」
J* 0个以上J
.* 0个以上任意字符
J.*D J与D之间0个以上任意字符

在限制条件为特定字符出现1次以上时，可以使用「+」
J+ 1个以上J
.+ 1个以上任意字符
J.+D J与D之间1个以上任意字符

在限制条件为特定字符出现有0或1次以上时，可以使用「?」
JA? J或者JA

出现限制为连续出现指定次数字符「{a}」
J{2} JJ
J{3} JJJ

文字a个以上，并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)

文字a个以上，b个以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
两者取一「|」
J|A J或A
Java|Hello Java或Hello

「()」中规定一个组合类型比如，我查询<a href=\"index.html\">index</a>中<a href></a>间的数据，可写作<a.*href=\".*\">(.+?)</a>

[b]在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：[/b]
Pattern Pattern.compile(String regex, int flag) flag的取值范围如下：
[b] Pattern.CANON_EQ[/b] 当且仅当两个字符的"正规分解(canonical decomposition)"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(canonical equivalence)"。

[b]Pattern.CASE_INSENSITIVE(?i)[/b] 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。

[b]Pattern.COMMENTS(?x)[/b] 在这种模式下，匹配时会忽略(正则表达式里的)空格字符(译者注：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。

[b]Pattern.DOTALL(?s)[/b] 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。

[b]Pattern.MULTILINE (?m)[/b] 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。

[b]Pattern.UNICODE_CASE (?u)[/b] 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，大小写不敏感的匹配只适用于US-ASCII字符集。

[b] Pattern.UNIX_LINES(?d) [/b]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。抛开空泛的概念，下面写出几个简单的Java正则用例：

◆在字符串包含验证时
//查找以Java开头,任意结尾的字符串
Pattern pattern = Pattern.compile("^Java.*");
Matcher matcher = pattern.matcher("Java不是人");
boolean b = matcher.matches(); //当条件满足时，将返回true，否则返回false
System.out.println(b);

[b]正则表达式中的特殊字符：[/b]
\\ 反斜杠
\t 间隔 ('\u0009')
\n 换行 ('\u000A')
\r 回车 ('\u000D')
\d 数字等价于[0-9]
\D 非数字等价于[^0-9]
\s 空白符号 [\t\n\x0B\f\r]
\S 非空白符号 [^\t\n\x0B\f\r]
\w 单独字符 [a-zA-Z_0-9]
\W 非单独字符 [^a-zA-Z_0-9]
\f 换页符
\e Escape
\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

^为限制开头 ^java 条件限制为以Java为开头字符
$为限制结尾 java$ 条件限制为以java为结尾字符
.为限制一个任意字符 java.. 条件限制为java后除换行外任意两个字符加入特定限制条件

[a-z] 条件限制在小写a to z范围中一个字符
[A-Z] 条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9] 条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

[]中加入^后加再次限制条件
[^a-z] 条件限制在非小写a to z范围中一个字符
[^A-Z] 条件限制在非大写A to Z范围中一个字符
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符
[^0-9] 条件限制在非小写0 to 9范围中一个字符
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

在限制条件为特定字符出现0次以上时，可以使用「*」
J* 0个以上J
.* 0个以上任意字符
J.*D J与D之间0个以上任意字符

在限制条件为特定字符出现1次以上时，可以使用「+」
J+ 1个以上J
.+ 1个以上任意字符
J.+D J与D之间1个以上任意字符

在限制条件为特定字符出现有0或1次以上时，可以使用「?」
JA? J或者JA

出现限制为连续出现指定次数字符「{a}」
J{2} JJ
J{3} JJJ

文字a个以上，并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)

文字a个以上，b个以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
两者取一「|」
J|A J或A
Java|Hello Java或Hello

「()」中规定一个组合类型比如，我查询<a href=\"index.html\">index</a>中<a href></a>间的数据，可写作<a.*href=\".*\">(.+?)</a>

在使用Pattern.compile函数时，可以加入控制正则表达式的匹配行为的参数：
Pattern Pattern.compile(String regex, int flag) flag的取值范围如下：
Pattern.CANON_EQ 当且仅当两个字符的"正规分解(canonical decomposition)"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(canonical equivalence)"。
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(译者注：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，大小写不敏感的匹配只适用于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。抛开空泛的概念，下面写出几个简单的Java正则用例：

[b]◆在字符串包含验证时[/b]

  //查找以Java开头,任意结尾的字符串 
  Pattern pattern = Pattern.compile("^Java.*"); 
  Matcher matcher = pattern.matcher("Java不是人"); 
  boolean b = matcher.matches(); //当条件满足时，将返回true，否则返回false 
  System.out.println(b);

[b]◆以多条件分割字符串时[/b]

  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]); 
  }

[b]◆文字替换（首次出现字符） [/b]

  Pattern pattern = Pattern.compile("正则表达式"); 
  Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); //替换第一个符合正则的数据
  System.out.println(matcher.replaceFirst("Java"));

[b]◆文字替换（全部） [/b]

  Pattern pattern = Pattern.compile("正则表达式");
  Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World"); //替换第全部符合正则的数据
  System.out.println(matcher.replaceAll("Java"));

[b]◆文字替换（置换字符）[/b]

  Pattern pattern = Pattern.compile("正则表达式"); 
  Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World "); 
  StringBuffer sbr = new StringBuffer(); 
  while (matcher.find()) { 
    matcher.appendReplacement(sbr, "Java"); 
  }
  matcher.appendTail(sbr); 
  System.out.println(sbr.toString()); 

[b]◆验证是否为邮箱地址[/b]

  String str="ceponline@yahoo.com.cn"; 
  Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE); 
  Matcher matcher = pattern.matcher(str); 
  System.out.println(matcher.matches()); 

[b]◆去除html标记[/b]

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

[b]◆查找html中对应条件字符串[/b]

	Pattern pattern = Pattern.compile("href=\"(.+?)\""); 
	Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>"); 
	if(matcher.find()) { 
	  System.out.println(matcher.group(1)); 
	}

[b]◆截取http://地址//截取url [/b]

	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()); 
	}

[b]◆替换指定{}中文字[/b]

	String str = "Java目前的发展史是由{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; 
	} 

[b]◆以正则条件查询指定目录下文件 //用于缓存文件列表 [/b]

	private ArrayList files = new ArrayList(); // 用于承载文件路径
	private String _path; // 用于承载未合并的正则公式
	private String _regexp;

	class MyFileFilter implements FileFilter {
		/** * 匹配文件名称 */
		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;
			}
		}
	}

	/** * 解析输入流 * @param inputs */
	FilesAnalyze(String path, String regexp) {
		getFileName(path, regexp);
	}

	/** * 分析文件名并加入files * @param input */
	private void getFileName(String path, String regexp) { // 目录
		_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;
	}

	/** * 显示输出信息 * @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|.]*");
	}