§ 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。