theotherme

======================================================
注：本文源代码点此下载
======================================================

正则表达式是jdk 1.4的新功能,但是对sed和awk这样的unix的标准实用工具,以及python,perl之类的语言来讲,它早就已经成为其不可或缺的组成部分了(有人甚至认为,它还是perl能大获成功的最主要的原因)。单从技术角度来讲,正则表达式只是一种处理字符串的工具(过去java这个任务是交由string,stringbuffer以及stringtokenizer处理的),但是它常常和i/o一起使用,所以放到这里来讲也不算太离题吧。[66]

正则表达式是一种功能强大但又非常灵活的文本处理工具。它能让你用编程的方式来描述复杂的文本模式,然后在字符串里把它找出来。一旦你找到了这种模式,你就能随心所欲地处理这些文本了。虽然初看起来正则表达式的语法有点让人望而生畏,但它提供了一种精练的动态语言,使我们能用一种通用的方式来解决各种字符串的问题,包括匹配,选择,编辑以及校验。

创建正则表达式

你可以从比较简单的东西入手学习正则表达式。要想全面地掌握怎样构建正则表达式,可以去看jdk文档的java.util.regex的pattern类的文档。

字符

b 字符b

\xhh 16进制值0xhh所表示的字符

\uhhhh 16进制值0xhhhh所表示的unicode字符

\t tab

\n 换行符

\r 回车符

\f 换页符

\e escape

正则表达式的强大体现在它能定义字符集(character class)。下面是一些最常见的字符集及其定义的方式,此外还有一些预定义的字符集:

字符集

.表示任意一个字符

[abc]表示字符a,b,c中的任意一个(与a|b|c相同)

[^abc]除a,b,c之外的任意一个字符(否定)

[a-za-z]从a到z或a到z当中的任意一个字符(范围)

[abc[hij]]a,b,c,h,i,j中的任意一个字符(与a|b|c|h|i|j相同)(并集)

[a-z&&[hij]]h,i,j中的一个(交集)

\s空格字符(空格键, tab, 换行, 换页, 回车)

\s非空格字符([^\s])

\d一个数字,也就是[0-9]

\d一个非数字的字符,也就是[^0-9]

\w一个单词字符(word character),即[a-za-z_0-9]

\w一个非单词的字符,[^\w]

如果你用过其它语言的正则表达式,那么你一眼就能看出反斜杠的与众不同。在其它语言里,"\\"的意思是"我只是要在正则表达式里插入一个反斜杠。没什么特别的意思。"但是在java里,"\\"的意思是"我要插入一个正则表达式的反斜杠,所以跟在它后面的那个字符的意思就变了。"举例来说,如果你想表示一个或更多的"单词字符",那么这个正则表达式就应该是"\\w+"。如果你要插入一个反斜杠,那就得用"\\\\"。不过像换行,跳格之类的还是只用一根反斜杠:"\n\t"。

这里只给你讲一个例子;你应该jdk文档的java.util.regex.pattern加到收藏夹里,这样就能很容易地找到各种正则表达式的模式了。

逻辑运算符

xy x 后面跟着 y

x|y x或y

(x) 一个"要匹配的组(capturing group)". 以后可以用\i来表示第i个被匹配的组。

边界匹配符

^一行的开始

$一行的结尾

\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

举一个具体一些的例子。下面这些正则表达式都是合法的,而且都能匹配"rudolph":

rudolph

[rr]udolph

[rr][aeiou][a-z]ol.*

r.*

数量表示符

"数量表示符(quantifier)"的作用是定义模式应该匹配多少个字符。

greedy(贪婪的): 除非另有表示,否则数量表示符都是greedy的。greedy的表达式会一直匹配下去,直到匹配不下去为止。(如果你发现表达式匹配的结果与预期的不符),很有可能是因为,你以为表达式会只匹配前面几个字符,而实际上它是greedy的,因此会一直匹配下去。

reluctant(勉强的): 用问号表示,它会匹配最少的字符。也称为lazy, minimal matching, non-greedy, 或ungreedy。

possessive(占有的): 目前只有java支持(其它语言都不支持)。它更加先进,所以你可能还不太会用。用正则表达式匹配字符串的时候会产生很多中间状态,(一般的匹配引擎会保存这种中间状态,)这样匹配失败的时候就能原路返回了。占有型的表达式不保存这种中间状态,因此也就不会回头重来了。它能防止正则表达式的失控,同时也能提高运行的效率。

greedyreluctantpossessive匹配

x?x??x?+匹配一个或零个x

x*x*?x*+匹配零或多个x

x+x+?x++匹配一个或多个x

x{n}x{n}?x{n}+匹配正好n个x

x{n,}x{n,}?x{n,}+匹配至少n个x

x{n,m}x{n,m}?x{n,m}+匹配至少n个,至多m个x

再提醒一下,要想让表达式照你的意思去运行,你应该用括号把'x'括起来。比方说:

abc+

似乎这个表达式能匹配一个或若干个'abc',但是如果你真的用它去匹配'abcabcabc'的话,实际上只会找到三个字符。因为这个表达式的意思是'ab'后边跟着一个或多个'c'。要想匹配一个或多个完整的'abc',你应该这样:

(abc)+

正则表达式能轻而易举地把你给耍了;这是一种建立在java之上的新语言。

charsequence

jdk 1.4定义了一个新的接口,叫charsequence。它提供了string和stringbuffer这两个类的字符序列的抽象:

interface charsequence {

charat(int i);

length();

subsequence(int start, int end);

tostring();

}

为了实现这个新的charsequence接口,string,stringbuffer以及charbuffer都作了修改。很多正则表达式的操作都要拿charsequence作参数。

pattern和matcher

先给一个例子。下面这段程序可以测试正则表达式是否匹配字符串。第一个参数是要匹配的字符串,后面是正则表达式。正则表达式可以有多个。在unix/linux环境下,命令行下的正则表达式还必须用引号。

当你创建正则表达式时,可以用这个程序来判断它是不是会按照你的要求工作。

//: c12:testregularexpression.java

// allows you to easly try out regular expressions.

// {args: abcabcabcdefabc "abc+" "(abc)+" "(abc){2,}" }

import java.util.regex.*;

public class testregularexpression {

public static void main(string[] args) {

if(args.length 关注我收藏该文与我联系

======================================================
在最后，我邀请大家参加新浪APP，就是新浪免费送大家的一个空间，支持PHP+MySql，免费二级域名，免费域名绑定 这个是我邀请的地址，您通过这个链接注册即为我的好友，并获赠云豆500个，价值5元哦！短网址是http://t.cn/SXOiLh我创建的小站每天访客已经达到2000+了，每天挂广告赚50+元哦，呵呵，饭钱不愁了，\(^o^)/