JAVA与正则表达式（一年级）

§ 1 黑暗岁月

有一个 String ，如何查询其中是否有 y 和 f 字符？最黑暗的办法就是：

程序 1 ：我知道 if 、 for 语句和 charAt() 啊。

class Test{

  public static void main(String args[]) {

  String str="For my money, the important thing "+

  "about the meeting was bridge-building";

  char x='y';

  char y='f';

  boolean result=false;

  for(int i=0;i<str.length();i++){

  char z=str.charAt(i);  //System.out.println(z);

  if(x==z||y==z) {

  result=true;

  break;

  }

  else result=false;

  }   

  System.out.println(result);

}

}

好像很直观，但这种方式难以应付复杂的工作。如查询一段文字中，是否有 is ？是否有 thing 或 ting 等。这是一个讨厌的工作。

§ 2 Java 的 java.util.regex 包

按照面向对象的思路，把希望查询的字符串如 is 、 thing 或 ting 封装成一个对象，以这个对象作为模板去匹配一段文字，就更加自然了。作为模板的那个东西就是下面要讨论的正则表达式。先不考虑那么复杂，看一个例子：

程序 2 ：不懂。先看看可以吧？

import java.util.regex.*;

class Regex1{

  public static void main(String args[]) {

  String str="For my money, the important thing "+

  "about the meeting was bridge-building";

  String regEx="a|f";   // 表示 a 或 f 

  Pattern p=Pattern.compile(regEx);

  Matcher m=p.matcher(str);

  boolean result=m.find();

  System.out.println(result);

}

}

如果 str 匹配 regEx ，那么 result 为 true ，否则为 flase 。如果想在查找时忽略大小写，则可以写成：

Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

虽然暂时不知道 Pattern （模板、模式）和 Matcher （匹配器）的细节，程序的感觉就比较爽，如果先查询 is 、后来又要查询 thing 或 ting ，我们只需要修改一下模板 Pattern ，而不是考虑 if 语句和 for 语句，或者通过 charAt() 。

1、 写一个特殊的字符串——正则表达式如 a|f 。

2、 将正则表达式编译成一个模板： p

3、 用模板 p 去匹配字符串 str 。

思路清楚了，现在看 Java 是如何处理的（ Java 程序员直到 JDK1.4 才能使用这些类。

§ 3 Pattern 类与查找

① public final class  java.util.regex.Pattern 是 正则表达式编译后的表达法。下面的语句将创建一个 Pattern 对象并赋值给句柄 p ： Pattern p=Pattern.compile(regEx);

有趣的是， Pattern 类是 final 类，而且它的构造器是 private 。也许有人告诉你一些设计模式的东西，或者你自己查有关资料。这里的结论是： Pattern 类不能被继承，我们不能通过 new 创建 Pattern 类的对象。

因此在 Pattern 类中，提供了 2 个重载的静态方法，其返回值是 Pattern 对象（的引用）。如：

    public static Pattern compile(String regex) {

         return new Pattern(regex, 0);

    }

当然，我们可以声明 Pattern 类的句柄，如 Pattern p=null ；

② p.matcher(str) 表示以用模板 p 去生成一个字符串 str 的匹配器，它的返回值是一个 Matcher 类的引用，为什么要这个东西呢？按照自然的想法，返回一个 boolean 值不行吗？

我们可以简单的使用如下方法：

boolean result=Pattern.compile(regEx).matcher(str).find();

呵呵，其实是三个语句合并的无句柄方式。无句柄常常不是好方式。后面再学习 Matcher 类吧。先看看 regEx ——这个怪咚咚。

§ 4  正则表达式之限定符

正则表达式（ Regular Expression ） 是一种 生成字符串的字符串 。晕吧。比如说， String regEx="me+"; 这里字符串 me+ 能够生成的字符串是： me 、 mee 、 meee 、 meeeeeeeeee 等等，一个正则表达式可能生成无穷的字符串，所以我们不可能（有必要吗？）输出正则表达式产生的所有东西。

反过来考虑，对于字符串： me 、 mee 、 meee 、 meeeeeeeeee 等等，我们能否有一种 语言 去描述它们呢？显然，正则表达式语言是这种语言，它是一些字符串的模式——简洁而深刻的描述。

我们使用正则表达式，用于 字符串查找、匹配、指定字符串替换、字符串分割 等等目的。

 

生成字符串的字符串——正则表达式，真有些复杂，因为我们希望 由普通字符（例如字符  a  到  z ）以及特殊字符（称为元字符） 描述 任意的字符串，而且要准确。

先搞几个 正则表达式 例子：

程序 3 ：我们总用这个程序测试正则表达式。

import java.util.regex.*;

class Regex1{

  public static void main(String args[]) {

  String str="For my money, the important thing " ；

  String regEx="ab*"; 

  boolean result=Pattern.compile(regEx).matcher(str).find();

  System.out.println(result);

}

}//ture

① "ab*" ——能匹配 a 、 ab 、 abb 、 abbb ……。所以， * 表示前面字符可以有零次或多次。如果仅仅考虑查找，直接用 "a" 也一样。但想想替换的情况。   问题 regEx="abb*" 结果如何？

② "ab+" ——能匹配 ab 、 abb 、 abbb ……。等价于 "abb*" 。 问题 regEx="or+" 结果如何？

③ "or?" ——能匹配 o 和 or 。 ?  表示前面字符可以有零次或一次。

这些限定符 * 、 + 、 ? 方便地表示了其前面字符 ( 子串 ) 出现的次数（我们用 {} 来描述）：

x*	零次或多次   ≡{0,}
x+	一次或多次   ≡{1,}
x?	零次或一次   ≡{0,1}
x{n}	n 次（ n>0 ）
x{n,m}	最少 n 次至最多 m 次（ 0<N<M< SPAN> ）
x{n,}	最少 n 次 ,

现在我们知道了连续字符串的查找、匹配。下面的是一些练习题：

①查找粗体字符串（不要求精确或要求精确匹配），写出其正则表达式：

str	regEX( 不要求精确 )	regEX( 要求精确 )	试一试
a bcff d	b 或 bcff 或 bcf* 或 bc* 或 bc+	bcff 或 bcf{2}	bc{3}
g ooooo gle	o{1,} 、 o+	o{5}
b anana	(an)+	(an){2}a 、 a(na) {2}

②正则表达式匹配字符串，输出是什么？

§ 5 替换（删除）、 Matcher 类

现在我们可能厌烦了 true/false ，我们看看替换。如把 book ， google 替换成 bak （这个文件后缀名，在 EditPlus 中还行）、 look 或 goooogle 。

程序 4 ：字符串的替换。

import java.util.regex.*;

class Regex1{

public static void main(String args[]) {

String regEx="a+";// 表示一个或多个 a

String str="abbbaaa an banana hhaana";

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

String s=m.replaceAll(" ⊙⊙ "); //   ("")  删除

System.out.println(s);

}

}

这个程序与前面的程序的区别，在于使用了 m.replaceAll(String) 方法。看来 Matcher 类还有点用处。

①      public final class  Matcher 是一个匹配器。可以把他看成一个人，一手拿着模子（ Pattern 类的对象 ），一手拿着一个字符序列（ CharSequence ），通过解释该模子而对字符序列进行匹配操作（ match operations ）。常常我们这样编程：“喂， 模子 p ，你和字符串 str 一起创建一个匹配器对象”。即 Matcher m=p.matcher(str);

②      m 可以进行一些操作，如 public  String   replaceAll ( String  replacement) ，它以 replacement 替换所有匹配的字符串。

§ 6 正则表达式之特殊字符

我们熟悉这样一个字符串 "/n"  如： System.out.print(s+"/nbbb"); 这是 Java 中常用的转移字符之一。其实转移字符就是一种正则表达式，它使用了特殊字符  /  。

 

下面是正则表达式中常用的特殊字符：

匹配次数符号	*	+	？	{n} 、 {n,} 、 {n,m}
“ 或 ” 符号	|       程序 2 已经使用过了
句点符号	.       句点符号匹配所有字符（一个），包括空格、 Tab 字符甚至换行符。
方括号	[ ]     仅仅匹配方括号其中的字符 )
圆括号	()      分组，圆括号中的字符视为一个整体。
连字符	-       表示一个范围。
“ 否 ” 符号	^     表示不希望被匹配的字符（排除）

我们一下子学不了太多的东西，这不是正则表达式的全部内容和用法。但已经够我们忙活的了。我们用程序 4  验证。 ( ⊙⊙ 表示替换的字符 )

①      regEx 为下列字符串时，能够表示什么？

regEx	匹配	测试用 str
(a|b){2}	aa 、 ab 、 bb 、 ba	aabb foo aa bfoo ab foob
a[abc]b	aab 、 abb 、 acb	3df acb 5ooyfo6 abb foo aab
.	all string	3dfac
a.	aa 、 ax…… 等等	3df ac gg
d[^j]a	daa 、 d9a 等等，除 dja	3 dfa cggdja d5a
[d-g][ac]c	dac 、 ecc 、 gac 等	3d fac ggg gcc ad5c
[d-g].{2}c	d ⊙⊙ c ……	3 dfac gg ggcc ad5c
g{1,10}	g 、 ggg ……	3dfac gggg ccad5c
[a|c][^a]		3df ac gggg ccad 5c

 

②      下列字符串如何用 regEx 表示？

测试用 str	匹配	regEx
aabb fo aoab foo afob ob	a ⊙⊙ b	a..b
a abb foa aob foo afb ob	a ⊙ b 、除 aab	a[^a]b 、
g ooooooo gle	oooo ……变成 oo	o{2,20}
一本书中的 “tan” 、 “ten” 、 “tin” 和 “ton”		t.n 、 t[aeio]n
ab ca ccbcba ac abc ca a	删除 ac 、 ca	(ca)|(ac)
abccbcbaabca	再删除 ab 、 ba	结果 ccbcca （如何与上面的合并）

注：

1 、 String str=" 一本书中的 tan 、 ten 、 tin 和 ton"; 

输出：       一本书中的⊙⊙、⊙⊙、⊙⊙和⊙⊙

2 、 String str="  ab c ac cbc ba ac ab c ca a ";  输出： ccbcca

程序 5 ： if 、 for 语句和 charAt() ， 886 。

import java.util.regex.*;

class Regex1{

public static void main(String args[]) {

String str="abcaccbcbaacabccaa";

String regEx="(ac)|(ca)";

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

String s=m.replaceAll("");// ⊙⊙

regEx="(ab)|(ba)";

p=Pattern.compile(regEx);

s=p.matcher(s).replaceAll("");

 

System.out.print(s+"/n");

}

}

 

§ 7  开始

好像我们知道了一些正则表达式与  Java 的知识，事实上，我们才刚刚开始。这里列出我们知道的东西，也说一点我们不知道的东西。

①                Java 在 JDK1.4 引入了（ java.util.regex 包）以支持 正则表达式，包中有两个类，分别是 Pattern 和 Matcher 。它们都有很多的方法，我们还不知道。 String 类中的 split 、 matches 方法等等也使用到了 正则表达式。 StringTokenizer 是否没有用处了？

②               正则表达式是一门语言。有许多正则表达式语法、选项和特殊字符，在 Pattern.java 源文件中大家可以查看。可能比想象中的要复杂。系统学习正则表达式的历史、语法、全部特殊字符（相当于 Java 中的关键字的地位），组合逻辑是下一步的事情。

③               正则表达式是 文本处理的重要技术，在 Perl 、 PHP 、 Python 、 JavaScript 、 Java 、 C ＃中被广泛支持。被列为“ 保证你现在和未来不失业的十种关键技术 ”，呵呵，信不信由你。