本文深入探讨了Java中正则表达式的使用，包括基础匹配、替换、分组、范围匹配、边界匹配等内容，并通过实例展示了如何在实际场景中应用正则表达式。同时，介绍了代码行统计、邮件地址抓取、文件夹内Java文件代码行数统计以及不同类型的数量词在正则表达式中的区别。
j2se中一个重要的部分正则表达式很强大，它在处理字符串匹配时强大有余啊。主要涉及到java.util.regex包中的Pattern类与Matcher类。
下面从代码中，走入正则表达式
代码片段一，入门级的：
private static void testRegExpAccidence() {
//正则表达示第一个内容，点.可以替换任何一个字符。所以下面的应该是true。match(...)代码，是否符合有三个字符.
sop("abc".matches("..."));
//正则表达示2，reaplaceAll第一参数支持正则，而\\d代表的是数字，就是说把所有数字替换成&。
sop("abc1234abc".replaceAll("\\d","&"));
//正则表达示3,compile的玩意。一般需要先把正则规则编译成Pattern，而Pattern无构造方法，只能通过compile方法
Pattern pat = Pattern.compile("[abc]{3}");
Matcher mat = pat.matcher("abc"); //通过编译出来的Pattern去匹配一个字符，返回的一个是匹配的结果用Matcher对象
sop(mat.matches());//其实也可以直接用"abc".matches("[abc]{3}") 来判断字符串，是否符合[abc]{3}正则表达示
sop("------------. * + ?作用 --------------------");
//认为. * + ?的作用。
sop("a".matches(".")); //.匹配任意一个
sop("aaaa".matches("a*")); //X* 代表X出现0次或多次
sop("aaaa".matches("a+")); //X+ 代表X出现1次或多次
sop("aaaa".matches("a?"));//false //X? 代表X出现1次或0次
sop("".matches("a*"));
sop("".matches("a+")); //false
sop("".matches("a?"));
sop("a".matches("a*"));
sop("a".matches("a+"));
sop("a".matches("a?"));
sop("2343902594".matches("\\d{3,100}")); // \\d代表数字然后{3,100}代表至少出现3次，至多出现100次
sop("192.168.0.aaa".matches("\\d{3}\\.\\d{3}\\.\\d{3}\\.\\d{3}")); //false,其它未标识全部是true
sop("192".matches("[0-2][0-9][0-9]"));
sop("---------------范围的匹配------------------------");
sop("a".matches("[abc]")); //true，[abc]代表，或者a或者b或者c，取三个之中的任意一个
sop("a".matches("[^abc]")); //false， [^abc]代表，不得是a或b或c，即不得是三个中的任意一个
sop("A".matches("[a-zA-Z]")); //true 范围[a-zA-Z]代表是a-z或A-Z中的任意一个
sop("A".matches("[a-z]|[A-Z]"));//true，范围[a-z]|[A-Z]也是代表a-z或A-Z中的任意一个
sop("A".matches("[a-z[A-Z]]"));//true，范围[a-z[A-Z]]也是代表a-z或A-Z中的任意一个
sop("R".matches("[A-Z&&[RFG]]"));//true 范围[A-Z&&[RFG]]代表取A-Z与RFG两个范围交集RFG中的任意一个
sop("---------------认识反斜杠s、反斜杠w、反斜杠d、反斜杠------------------------");
//\s \w \d \ \s代表空格 \w代表一个单词(a-z0-9_A-Z) \d代表数字
// \ 通常和转义一起用，如\t\r\n之类的，若只当成一个普通字符\，则需要再转义一次 \\。
sop(" \n\r\t".matches("\\s{4}")); //\s，转义需要再转义一次即\\s，代表四个空格。
sop(" ".matches("\\S")); // \S，代表是\s的非取反，即不是空格(非空格)。 规则一般大写是小写的语义相反如\D是非数字 结果肯定false。
sop("a_8".matches("\\w{3}")); // \\w代表单词中的字母，{3}代表出现三次。结果肯定是true了。
//sop("\\".matches("\\")); // 注意这里肯定会报错，因为在matches正则中，先java解释两个\\是一个转义，
// 但一个转义让正则去解释肯定要报错，它像java一样要再用一个转义来转义它，证明它是一个普通的反斜杠。
sop("\\".matches("\\\\"));
sop("---------------认识boundary边界 ^及$ \\b------------------------");
sop("hello sir".matches("^h.*")); //^不在中括号[]中，代表以什么开头，如这里是代表以h开头
sop("hello sir".matches(".*ir$")); //$代表以什么结尾，如这里是以ir结尾
// 这里有\\b代表 单词边界，可以以空格 \t或\r \n等来隔开。
sop("hello sir".matches("^h[a-z]{1,3}o\\b.*")); //这里的.要加上，代理单词边界后面还是字符，1个或多个。
sop("hellosir".matches("^h[a-z]{1,3}o\\b*")); //就是false了。
sop("---------几个小练习------------");
sop("aaa 8888c".matches(".*\\d{4}.")); //肯定是true，因为.*代表任意出现0次或多次
sop("aaa 8888c".matches(".*\\b\\d{4}.")); //肯定是true，因为.*代表任意出现0次或多次
sop("aaa8888c".matches(".*\\d{4}."));
sop("aaa8888c".matches(".*\\b\\d{4}."));//这个就false了，因为\\b是单词边界，后面又跟着\d{4}肯定没戏。
sop("chenssadf@aio7.com".matches("\\w+@\\w+\\.\\w+")); //这个虽然可以用，但似乎对前面的@单词可以用.或-的没有加上哦。
sop("-chenssadf@aio7.com".matches("[\\w.-]+@[\\w.-]+\\.\\w+"));
}
代码片段二：掌握Matcher类的 find、start、end、lookingAt方法：
private static void testFindAndLookingAt() {
sop("---------------------matcher.find 与 matcher.lookingAt match.reset等方法测试--------------------------");
Pattern p = Pattern.compile("\\d{3,5}");
Matcher match = p.matcher("234-32132-4321-00");
sop(match.matches()); //matches方法与find方法相互操作是有影响的，因为两者查看完会记录出下个要操作的指针位置。
match.reset(); //比如这里没有reset重置指针位置时，matches方法虽然匹配失败false，但它吐进去的4个字符不会吐出来
sop(match.find()); //这样，这里的第一个find从32132开始查了，就不从头了。(除非前面有reset重置)。所以接下来最后两上肯定是false了。
sop(match.start()+"--"+match.end()); //上面的find必须返回是true ，然后start是返回本次找到数据的第一位置，这里肯定是0，最后一个位置3(3是不包括)
sop(match.find());
sop(match.start()+"--"+match.end()); // start肯定就是4，end就是9了。
sop(match.find());
sop(match.start()+"--"+match.end());
sop(match.find());
//sop(match.start()+"--"+match.end()); //注意这里，不能打印的。因为上面的find返回的是false，根本没有找到。所以start或end方法
//会报IllegalStateException: No match available
sop(match.lookingAt()); //这下面的lookingAt打印永远都是true，因为lookingAt永远每次都是重新重头打开查。
sop(match.lookingAt());
}代码片段三：掌握强大的replace、replaceAll、appendReplacement方法
private static void testReplacement() {
sop("---------------------------match.replece及相关的替换测试---------------------");
//CASE_INSENSITIVE 大小写不敏感即能吃呢 Pattern.CANON_EQ 默认的方法即是敏感必须相同
Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);
//怎么把下面一串乱七八槽的java替换掉呢。比如只替换正则中规定的java
Matcher match = p.matcher("Java java JAva JAVa ILOVEJAVA youhateJaVa asdfasl;kdfj");
//sop(match.replaceAll("SOP")); //可以将java全部替换成SOP，或只把小写java替换都可以。
//现有有个需求是，把单次数出现的java大小写均可，替换成SOP，双次数出现的替换成HELP。可以通过while循环find来搞
int count = 0;
StringBuffer buf = new StringBuffer(); //这里不可以写StringBuilder，因为matcher后面的方法不支持Builder
while(match.find()){
if(0 == count++%2){
match.appendReplacement(buf, "HELP");
}else{
match.appendReplacement(buf, "SOP");
}
}
sop(match.appendTail(buf)); //把后面没有find上的尾巴asdf等字符添加 进去。
}代码片段四：url中抓取邮件地址：
/**
* 通过向一网站，发送http请求，把请求回响回来的网页内容进行解析，分析出来e-mail出来。
*/
private static void testUrlFetchEmail() throws Exception {
sop("-----------------用URL发送一个请求给网站，对返回的内部进行抓取e-mail地址出来----------------------");
//http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml
URL url = new URL("http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml");
sop(url.getContent());
sop(url.getQuery());
InputStream is = url.openStream();
BufferedReader br = new BufferedReader(new InputStreamReader(is,"utf-8"));
Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+");
//Pattern p = Pattern.compile("^([\\w.-]+)@([\\w.-]+)\\.\\w+"); //这里把^加上去就挂了，代表这个字符串是以邮件开头
String line = null; //从URL中读出来的字符行，肯定不会是以邮件开头的，至少都是<br>或<P>或<dir>之类的，不会以邮件开头的吧。
while((line=br.readLine())!=null){
Matcher ma = p.matcher(line);
while(ma.find()){ //group必须与find一起来联系。否则报：java.lang.IllegalStateException: No match found
sop(ma.group()+"这家伙用户名："+ma.group(1)+"，用的公司域名："+ma.group(2));
}
//sop(line);
//java.lang.IllegalStateException: No match found
}
}代码片段五：代码行统计
/**
* 若是文件夹则递归，若是普通的.java文件则传给统计代码方法。
* @param dir 是传入到此方法中 目录的文件。如想查到D:\test文件夹(会以递归查所有文件)中所有代码
* @throws Exception
*/
private static void parseDirCodeNum(File dir) throws Exception{
File[] files = dir.listFiles(new FilenameFilter(){
@Override
public boolean accept(File dir, String name) {
File tempFile = new File(dir,name);
if(tempFile.isFile()){ //若是个普通文件的话，则过滤一切不是.java的文件，文件夹为true，以便再次递归
if(name.endsWith(".java")){
return true ;
}else{
return false;
}
}
return true;
}
});
for(File f : files){
if(f.isDirectory()){
parseDirCodeNum(f);
}else{
parseFileDirNum(f); //是普通java文件则解析出代码行数
}
}
}
/**
* 统计代码行的方法。
* @param f
* @throws Exception
*/
private static void parseFileDirNum(File f) throws Exception{
BufferedReader br = new BufferedReader(new FileReader(f));
boolean isComment = false ;
String line = null ;
while((line = br.readLine())!=null){
line = line.trim(); //一开始就去掉取出来行中的 空格，因为对于注释前面一般有\t影响stratsStart
if(line.startsWith("/*")&&line.endsWith("*/")){ //只有一行注释
commentLine++;
}else if(line.startsWith("/*")){ //可能出现了多行注释了，那么就标识注释isComment开始了,true了。
commentLine++;
isComment = true;
}else if(isComment){ //要是标识开始了，未标识出false统统认为是注释行。当然若注释结束了*/了，则去掉标识。
commentLine++;
if(line.endsWith("*/")){ //这里没有问题，因为注释中，不能含有*/的。
isComment = false;
}
}else if(line.startsWith("//")){
commentLine++;
}
else if(line.matches("^[\\s&&[^\\n]]*$")){ //空白行，必须是空白开头且不能回车
whitespaceLine++;
}else {
normalLine++;
}
}
}代码片段六：掌握Greedy Reluctant Possessive数量词的区别：
/**
* 测试Greedy Reluctant Possessive数量词
* Greedy是贪吃 肯定是一上来，就以最多的吃掉，若不满足且可退时，再退出一个再匹配...
* Reluctant是 勉强不情意的。 一上来，就吃掉最小的，若不满足且可再吃时，就再吃一个匹配...
* Possessive是
*/
private static void testGreedyReluctantPossessive() {
sop("-------------测试 Greedy Reluctant Possessive数量词-----------------------");
Pattern gp = Pattern.compile(".{3,10}[0-9]"); //Greedy方式
Pattern rp = Pattern.compile(".{3,10}?[0-9]"); //Reluctant方式 主要的与Greedy区别是多出一个?
Pattern pp = Pattern.compile(".{3,10}+[0-9]"); //Possessive方式 主要的与Greedy区别是多出一个+
Matcher gm = gp.matcher("asdf8sdfa9"); //通过Greedy匹配出来的匹配器
Matcher rm = rp.matcher("asdf8sdfa9"); //通过Reluctant匹配出来的匹配器
Matcher pm = pp.matcher("asdf8sdfa9"); //通过Possessive匹配出来的匹配器
if(gm.find()){ //因为gm是一次吃掉10个发现后面要求一个数字所以就退回了一个，这样正好满足找到了。
sop(gm.start()+" "+gm.end()); //返回0 10
}else{
sop("找不到匹配的");
}
if(rm.find()){ //因为rm是一次吃掉3发现后面要求一个数字，就再吃掉一个，这样正好满足找到了。
sop(rm.start()+" "+rm.end()); //返回0 5
}else{
sop("找不到匹配的");
}
if(pm.find()){ //因为pm是一次性吃掉10个，然后正规要求后面一个数字，但它不吐出来（看来更贪婪，难怪是独占式的）。找不到了。
sop(pm.start()+" "+pm.end());
}else{
sop("找不到匹配的"); //返回找不到
}
}
代码片段七相关测试代码：
private static long normalLine ;
private static long commentLine ;
private static long whitespaceLine ;
public static void main(String[] args) throws Exception{
testRegExpAccidence();
testFindAndLookingAt();
testReplacement();
sop("-----------------match.group及相关的分组测试--------");
Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+");
Matcher m = p.matcher("-chenshufei2@sina.com");
while(m.find()){
sop(m.group());
sop(m.group(1)); //可以得出用户名-chenshufei2
sop(m.group(2)); //可以得出域公司名sina
//sop(m.group(3)); 会报出一个java.lang.IndexOutOfBoundsException: No group 3
//从此 可以验证出，分组就是看正则中小括号(出现的位置，而上面的没有第三个(，所以会报异常。
}
//testUrlFetchEmail(); //D:/java_setup_program_file/eclipse/design_pattern/EnhanceJava
String dirStr = "D:\\360Rec";
File dir = new File(dirStr);
parseDirCodeNum(dir);
sop("解析文件时，共有normalLine::"+normalLine+" ,commentLine::"+commentLine+" ,whitespaceLine::"+whitespaceLine);
testGreedyReluctantPossessive();
}
public static void sop(Object obj){
System.out.println(obj);
}
扫一扫
2050
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
