Java| 正则表达式之Pattern

一:正则表达式开发思路

首先写出正则表达式的匹配模型, 然后针对java写出java版的匹配模型.运用javaAPI Pattern 类和Matcher类来是实现java的正则匹配.

首先在匹配模式中最简单的正则表达式是不经过任何转义的,比如直接输入的英文字母s,就是代表要要匹配字母s如果要匹配两个ss,当然还可以用到正则表达中关于数量的符号
s+,这个表达式代表着要匹配到的是s为最少一个,+代表最少一个,关于数量的符号,在本文的最后以附录的形式总结了.
这里在使用编译一个正则表达式模型时候注意查看javaAPI,我们可以看到API中使用那些有特殊意义的字符格式都用到了转义字符\比如匹配非空表字符使用的是\S ,这只正则表达式的理论格式,在实际的java开发中\是转义字符,肯定是不能单独使用的.所以用到的正确格式为\\S ,关于转义字符的使用可以查看我的另外一篇文章,java中转义字符和路径符号.一个\\S还只是代表了一个非空白字符,那么有伙伴就会问,那么要匹配多个非空白字符该真么办呢:\\S*这里用到了正则表达式中的符号.

---

二:Pattern类的运用

Pattern类用于创建一个正则表达式,也可以说创建一个匹配模式,它的说构造方法是私有的,不可以直接创建,但可以通过Pattern.complie(String regex)简单工厂方法创建一个正则表达式.该方法有两个重载.

Java代码示例:

Pattern p=Pattern.compile("\\w+",Pattern.CASE_INSENSITIVE); 
p.pattern();//返回 \w+ 

public static Pattern compile(String regex, int flags) 该方法中,主要讲一下第二参数flag的作用:flags 主要是用来设置匹配标志，可能包括 CASE_INSENSITIVE、MULTILINE、DOTALL、UNICODE_CASE、 CANON_EQ、UNIX_LINES、LITERAL 和 COMMENTS的位掩码,下表时各个字段的具体用途:

字段	用途
CANON_EQ	启用规范等价。
CASE_INSENSITIVE	启用不区分大小写的匹配。(如匹配模式为”yves”,用find()方法查找时,允许可以匹配”yves”和”YveS”)
COMMENTS	模式中允许空白和注释(如匹配模式为”yves”,用find()方法查找时,允许可以匹配”yves “和” yves “,不能匹配”y v e s”)
DOTALL	启用 dotall 模式。
LITERAL	启用模式的字面值解析。
MULTILINE	启用多行模式。
UNICODE_CASE	启用 Unicode 感知的大小写折叠。
UNIX_LINES	启用 Unix 行模式。

complile方法:

由于Pattern是构造私有的,该方法主要用途是用来产生Pattern的可操作对象,用来调用Pattern的实例方法,其中最主要的用途是用来产生Pattern对象后得到Matcher对象,然后再根据编译的模式,来匹配查找要匹配的数据.

    String regex = "yves";
        Pattern pattern = Pattern.compile(regex, Pattern.COMMENTS);// Pattern.compile(regex,0)等价Pattern.compile(regex);

        System.out.println(pattern.pattern());// pattern.pattern()该方法不管flag参数为何值,还依然是之前编译后的值

        Matcher matcher = pattern.matcher("y v e s");

        boolean result = matcher.find();//false

flags方法:

返回此模式的匹配标志,也就是public static Pattern compile(String regex, int flags)中的匹配标志flag的值

pattern和toString方法:

    private String pattern;
    public String toString() {
        return pattern;
    }

private String pattern;
     public String pattern() {
        return pattern;
    }

通过观看toString()和pattern() 的源码发现:都是返回在其中编译过此模式的正则表达式。pattern()返回正则表达式的字符串形式,其实就是返回Pattern.complile(String regex)的regex参数,只是这是编译后的参数.换个说法就是原来参数中存在存在两个转义符\\的编译后只存在一个\了.

split方法:

public String[] split(CharSequence input,
                      int limit)

    public String[] split(CharSequence input) {
        return split(input, 0);
    }

该类方法有重载:看了代码一目了然了吧,split有两个重载.
这里说一下它的参数:
1. input - 要拆分的字符序列
2. limit - 结果阈值，如上文中所述,limit 参数控制应用模式的次数，从而影响结果数组的长度。
- 如果 n > 0 ，那么模式至多应用 n> - 1 次，数组的长度不大于n，并且数组的最后条目将包含除最后的匹配定界符之外的所有输入。(也就是说包括空字符也算)换一种说法就是:在数据可以分割的足够多的组的前提下,limit参数也就是代表分割后数组的长度.当limit超过了实际能分组的数量时候,还是以实际能分组的数量来返回数据.
- 如果 n < 0 ，那么将应用模式的次数不受限制，并且数组可以为任意长度,而且不丢弃尾部的空字符串.("name:age:")这种情况会分成三组.
- 如果 n = 0 ，那么应用模式的次数不受限制，数组可以为任意长度，并且将丢弃尾部空字符串.(这里要注意的是空字符串,而不是空白字符串,"name:age:address:"按:分割后如果limit为0则得到是数组长度为3,如果limit为负数,则得到的数据为4,但是如果原数据是"name:age:address:\t"这样的包含的空白字符串得带数组的长度依旧是4).
3. 返回值:
根据围绕此模式的匹配来拆分输入后所计算的字符串数组.
split如果此模式与输入的任何子序列都不匹配，那么得到的数组仅包含一个元素，即字符串形式的输入序列,也就是说,当不匹配的时候直接返回数组的长度为一的数组,该内容就是input的toString()形式.
查看源码发现当没有找到的时候是将input.toSting()返回了.

   if (index == 0)
            return new String[] {input.toString()};

quote方法:

该方法是静态方法,返回指定 String 的字面值模式 String。 此方法产生一个 String，可以将其用于创建与字符串 s 匹配的 Pattern，就好像它是字面值模式一样。特别说明:输入序列中的元字符和转义序列不具有任何特殊意义。也就是说使用该方法的时候可以转换那些在java是含有特殊意义的字符为字面量.提供匹配这些特殊的符号.
举个例子:

        Pattern compile = Pattern.compile("\\w*");
        Matcher matcher = compile.matcher("yves");
        System.out.println(matcher.matches());//true

在没有使用quote()来字面量的时候,\\w*正则里面是匹配任意多个非空白字符的,试想一下如果我只是想完全匹配的是\w这样的字符时,该怎么办?java,于是javaAPI中就出现了quote()方法,来讲那些有特殊意义的符号,比如\来转变成字面量.具体用法如下:

        String quote = Pattern.quote("\\w*");
        System.out.println(quote);//  返回的Strring结果为:   \Q\w*\E 

在使用quote()方法之后,原有的字符串\\w*变成了\Qs\E的样式,那么\Q和\E代表什么意思呢?
- \Q 代表字面内容的开始
- \E 代表字面内容的结束
也就是说,调用Patter.quote()方法之后,原有的字符串被\Q..\E包裹,返回后的字符串成了正则字面量.下面给给出了匹配字符串\w*的完全匹配:

        String quote = Pattern.quote("\\w*");
        System.out.println(quote);

        Pattern pattern = Pattern.compile(quote);
        Matcher matcher1 = pattern.matcher("yves");
        Matcher matcher2 = pattern.matcher("\\w*");

        boolean find1 = matcher1.find();
        boolean find2 = matcher2.find();
        System.out.println(find1);// false
        System.out.println(find2);// true

这里要说明一下的是Matcher matcher2 = pattern.matcher("\\w*");这句代码是因为在java中书写,所以是还是要转义\符号.如果你的内容是从文本文件中读取,可能在文本文件里面就直接书写的\w*内容,而不是\\w*;

---

附录:正则表达式的构造摘要(更多详情见Pattern类的API)

这里列出常用的构造摘要:

Greedy 数量词

符号	示意
X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次

Logical 运算符

符号	示意
XY1	X 后跟 Y
X	Y
(X)	X，作为捕获组

字符类

符号	示意
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）

预定义字符类

符号	示意
.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	空白字符：[ \t\n\x0B\f\r]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]