正则表达式

 

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 ” ( Regular Expression )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( Specification Request )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-ORO API 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 “t n” ,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:

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 “\” 。     

 

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 “June 26, 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 Moth DD,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 ORO API (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 Month DD,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     

二、 Jakarta-ORO 库     

               

有许多源代码开放的正则表达式库可供 Java 程序员使用,而且它们中的许多支持 Perl 5 兼容的正则表达式语法。我在这里选用的是 Jakarta-ORO 正则表达式库,它是最全面的正则表达式 API 之一,而且它与 Perl 5 正则表达式完全兼容。另外,它也是优化得最好的 API 之一。     

  Jakarta-ORO 库以前叫做 OROMatcher , Daniel Savarese 大方地把它赠送给了 Jakarta Project 。你可以按照本文最后参考资源的说明下载它。     

我首先将简要介绍使用 Jakarta-ORO 库时你必须创建和访问的对象,然后介绍如何使用 Jakarta-ORO API 。     

  ▲ PatternCompiler 对象     

               

首先,创建一个 Perl5Compiler 类的实例,并把它赋值给 PatternCompiler 接口对象。 Perl5Compiler 是 PatternCompiler 接口的一个实现,允许你把正则表达式编译成用来匹配的 Pattern 对象。  

 

  ▲ Pattern 对象     

要把正则表达式编译成 Pattern 对象,调用 compiler 对象的 compile() 方法,并在调用参数中指定正则表达式。例如,你可以按照下面这种方式编译正则表达式 “t[aeio]n” :     

 

默认情况下,编译器创建一个大小写敏感的模式( pattern )。因此,上面代码编译得到的模式只匹配 “tin” 、 “tan” 、 “ten” 和 “ton” ,但不匹配 “Tin” 和 “taN” 。要创建一个大小写不敏感的模式,你应该在调用编译器的时候指定一个额外的参数:    

 

创建好 Pattern 对象之后,你就可以通过 PatternMatcher 类用该 Pattern 对象进行模式匹配。     

  ▲ PatternMatcher 对象     

  PatternMatcher 对象根据 Pattern 对象和字符串进行匹配检查。你要实例化一个 Perl5Matcher 类并把结果赋值给 PatternMatcher 接口。 Perl5Matcher 类是 PatternMatcher 接口的一个实现,它根据 Perl 5 正则表达式语法进行模式匹配:  

 

使用 PatternMatcher 对象,你可以用多个方法进行匹配操作,这些方法的第一个参数都是需要根据正则表达式进行匹配的字符串:

  · boolean matches(String input, Pattern pattern) :当输入字符串和正则表达式要精确匹配时使用。换句话说,正则表达式必须完整地描述输入字符串。     

  · boolean matchesPrefix(String input, Pattern pattern) :当正则表达式匹配输入字符串起始部分时使用。

  · boolean contains(String input, Pattern pattern) :当正则表达式要匹配输入字符串的一部分时使用(即,它必须是一个子串)。     

另外,在上面三个方法调用中,你还可以用 PatternMatcherInput 对象作为参数替代 String 对象;这时,你可以从字符串中最后一次匹配的位置开始继续进行匹配。当字符串可能有多个子串匹配给定的正则表达式时,用 PatternMatcherInput 对象作为参数就很有用了。用 PatternMatcherInput 对象作为参数替代 String 时,上述三个方法的语法如下:  

  · boolean matches(PatternMatcherInput input, Pattern pattern)    

  · boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)    

  · boolean contains(PatternMatcherInput input, Pattern pattern)    

三、应用实例     

下面我们来看看 Jakarta-ORO

Cadence IC618/Spectre231安装避坑指南:详解License配置、环境变量隔离与依赖检查 本文详细介绍了Cadence IC618/Spectre231的安装与配置避坑指南,包括许可证系统精妙控制、环境隔离模块化实践、依赖管理进阶技巧以及长期维护的黄金法则。通过实战案例和解决方案,帮助工程师构建稳定可靠的EDA工作环境,提升芯片设计效率。 阅读详情

相关推荐

SAP Parallel Accounting(平行分类账业务)配置及操作手册【适用于多国家会计准则】

在SAP系统中,分类账(Ledger)是用于会计核算的核心概念,它允许企业根据不同的会计原则和货币进行财务记录。定义分类账是配置平行账(Parallel Accounting)的第一步。分类账的创建:通过事务代码OX18可以创建新的分类账。通常,一个SAP系统会有一个主分类账(如0L),它代表法定会计和实时传输至管理会计(CO)的账本。分类账属性:在创建分类账时,需要定义其属性,如会计年度变式、货币、会计原则等。这些属性将决定分类账的核算规则和适用性。

数字化2025 4626

正则表达式(9):扩展正则表达式

上图中的扩展正则使用了分组符号”( )”,”(com|net)”表示将括号内的内容看做一个整体,而括号内的内容为”com|net”,它表示”com或者net”,所以,”(com|net)$”就表示以com或者net结尾的行。上图中,grep命令使用了”-E”选项,表示grep命令会把”正则表达式”中的符号当成”扩展正则表达式”去理解,而不再使用默认的”基本正则表达式”。5、顶级域名之前必须包含一个”点”,换句话说就是,邮箱必须以”.com”、”.net”、”.org”、”.edu”结尾。

qq_40531442的博客 2177

网安保研避坑指南:中科院信工所各研究室真实体验与导师选择建议

本文为中科院信工所网络安全保研生提供深度指南,详细解析了信工所六个研究室的研究方向、真实氛围与导师选择策略。文章特别强调,选择导师是决定研究生体验的关键,并提供了针对各研究室的避坑建议与实战调研方法,帮助学生做出明智选择。

weixin_29210727的博客 1598

Python正则表达式

正则表达式是对字符串提取的一套规则,我们把这个规则用正则里面的特定语法表达出来,去匹配满足这个规则的字符串。正则表达式具有通用型,不仅python里面可以用,其他的语言也一样适用。正则表达式是一个特殊的字符序列,它能帮助你方便的检查一个字符串是否与某种模式匹配,常用的有都可以用于匹配字符串。

2301_81704383的博客 1327

超详细MySQL 8.0安装与配置

MySQL的安装与配置 还不会安装MySQL的同学们,还不会配置MySQL的同学们,赶紧按照下面步骤操作起来,超详细安装步骤如下: 进入MySQL官网 1、点击download 2、点击MySQL Community Server 3、选好选项点击go to download page 4、点击download 5、点击no thanks,just start my download 6、选Server only,点击Next 7、点击Execute 8、点击

Turniper的博客 8763

跨模态行人重识别实战:Python复现SYSU-MM01官方评估协议

本文详细介绍了如何用Python复现SYSU-MM01数据集的官方评估协议,以解决原Matlab代码在Python生态中不便使用的问题。文章深入解析了数据集的`indoor`与`all`两种评估模式,并提供了完整的Python代码实现,包括特征加载、相似度计算、Rank-k与mAP指标计算等核心步骤,确保评估结果与官方Matlab版本完全一致,助力跨模态行人重识别研究。

weixin_29081163的博客 100

linux正则表达式,正则表达式分类,元字符,基础正则表达式,扩展正则表达式,正则表达式案例

上文介绍了通配符1,本文介绍、总结和通配符有着诸多共同点的一类符号,即正则表达式(regular expression)。只是通配符的对象是文件、或目录,而后者对象是文本内容。在很多地方都有正则表达式的身影,它的作用是用来匹配指定式样的内容,个人理解为,正则表达式规定了指定式样pattern,能匹配该指定式样的字符或字符串即为内容,内容的来源可以是文件、某个标准输入等,使用正则表达式(regular expression)的目的就是匹配到了该内容。

有人说学习`这个`最好的时间是十年前,有人说最好的时间是现在,众说纷纭... 1822

YOLO11涨点优化:知识蒸馏 | 引入FGD(Focal and Global Distillation)蒸馏,让轻量学生模型汲取大模型全局感知力

文章摘要 目标检测模型YOLO11在轻量化部署中存在"全局盲区"问题,即轻量模型感受野不足导致大尺度场景下性能下降。知识蒸馏技术FGD(Focal and Global Distillation)通过双分支机制有效解决这一问题:Focal Distillation分离前景背景特征,让学生模型聚焦关键区域;Global Distillation传递像素间关系信息,弥补全局感知缺陷。实验表明,FGD可使YOLO11轻量版mAP提升2.5%以上,且不增加推理耗时。本文详细解析了FGD原理,并给出YOLO11上的实

2601_95807009的博客 238

shell 正则表达式详解

什么是正则表达式;为什么使用正则表达式;如何使用正则表达式;基本正则表达式;扩展正则表达式; 包含正则表达式例题。

weixin_48814356的博客 3004

TC3XX - MCAL知识点(三十七):AURIX™ TC3xx 的BootLoader烧录APP完成之后跳转使多个核均正常运行

摘要:针对AURIX TC3xx多核芯片在软件复位后仅Core0能启动的问题,分析发现该芯片在Cold Power-on Reset(断电复位)时会完整执行多核启动流程,而Application Reset(软件复位)会跳过从核初始化。解决方案包括:1)在BootLoader中显式调用IfxCpu_startCore()函数启动其他核;2)通过跳转函数强制各核从指定地址启动;3)双Boot场景下让每个核独立响应复位命令。实测表明,软件复位后需手动触发从核启动,或采用断电复位方式确保所有核正常初始化。

梦想技术家 414

<IBM DB2>《DB2 官方监控脚本 2022版本》

DB2 监控脚本

Else 的博客 676

linux正则表达式大全,正则表达式,正则表达式语法大全

正则表达式,正则表达式语法大全正则表达式分为两类:基本正则表达式:BRE扩展正则表达式:ERE基本正则表达式的元字符:字符匹配:.: 匹配任意单个字符;[]: 匹配指定范围内的任意单个字符[^]:匹配指定范围外的任意单个字符[:digit:],[:upper:],[:lower:],[:alpha:],[:alnum:],[:space:],[:punct:]匹配次数:用在要指定次数的字符后面,...

weixin_32955259的博客 2879

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

regex 正则表达式

regex 正则表达式 文章目录regex 正则表达式前言元字符abc 等普通字符| 符号两侧的正则均能匹配. 匹配任意一个字符 '\n'除外^ 匹配字符串开头$ 匹配字符串结尾* 匹配重复0次或多次+ 匹配重复1次或多次? 匹配重复0次或1次{N} 匹配重复指定次数{M,N} 匹配重复指定次数范围[abcd] 字符集匹配[^ ...] 字符集不匹配\d 匹配任意数字字符\D 匹配任意非数字字...

weixin_40118971的博客 6476

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

【正则表达式】{1} ——正则表达式的语法

参考资料:Python网络爬虫与信息提取(北京理工大学慕课) 正则表达式的语法: 正则表达式语法由字符和操作符构成 正则表达式的常用操作符: 操作符 说明 实例 . 表示任何单个字符 [ ] 字符集,对单个字符给出取值范围 [abc]表示a、b、c,[a-z]表示a到z单个字符 [^ ] 非字符集,对单个字符给出排除范围 [^abc]表示非a或b或c的单个字符 ...

Giyn 4784

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

正则表达式总结

每次使用到正则表达式的时候都要去翻书或者去网上查,很麻烦,抽出点时间做一个总结,方便以后用到的时候查阅。一、正则表达式的几个特殊符号1、^和$两个特殊的符号‘^’和’$’。他们的作用是分别指出一个字符串的开始和结束。例子如下:"^The":表示所有以"The"开始的字符串("There","The cat"等); "of despair$":表示所以以"of despair"结尾的字符串; "^ab

lmb55的专栏 2273

Shell编程之正则表达式

目录 正则表达式 概述 基础正则表达式 “*”前一个字符匹配 0 次,或任意多次 “.” 匹配除了换行符外任意一个字符 “^”匹配行首,“$”匹配行尾 “[]” 匹配中括号中指定的任意一个字符,只匹配一个字符 “[^]” 匹配除中括号的字符以外的任意一个字符 “\” 转义符 “\{n\}”表示其前面的字符恰好出现 n 次 “\{n,\}”表示其前面的字符出现不小于 n 次 “\{n,m\}”匹配其前面的字符至少出现 n 次,最多出现 m 次 扩展正则表达式 正则表达式综合案例

baidu_41388533的博客 1109
上一篇: 关于Linux下串口通讯0X0D自动转换为0X0A的解决方法
下一篇: Linux目录
VSTOR_VSTOR
博客等级 码龄18年 2粉丝 10原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值