学点Java正则表达式.docx
《学点Java正则表达式.docx》由会员分享,可在线阅读,更多相关《学点Java正则表达式.docx(13页珍藏版)》请在冰豆网上搜索。
![学点Java正则表达式.docx](https://file1.bdocx.com/fileroot1/2022-10/28/a364f6fe-38a4-441b-8601-823e25875287/a364f6fe-38a4-441b-8601-823e258752871.gif)
学点Java正则表达式
学点Java正则表达式
正则表达式用来指定字符串模式。
当你需要定位匹配某种模式的字符串时就可以使用正则表达式。
例如,我们下面的一个例程就是在一个HTML文件中通过查找字符串模式来定位所有的超链接。
当然,为了指定一种模式,使用...这种记号是不够精确的。
你需要精确地指定什么样的字符排列是一个合法的匹配。
当描述某种模式时,你需要使用一种特殊的语法。
这里有一个简单例子。
正则表达式
[Jj]ava.+
匹配下列形式的任何字符串:
首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成
例如,字符串“javaness”匹配这个特殊的正则表达式,但是字符串“CoreJava”却不匹配。
如你所见,你需要了解一点语法来理解正则表达式的含意。
幸运的是对于大多数的用途,使用少量的简单构造(straightforwardconstructs)就已足够。
字符类是可选自符的集合,用‘[’封装,比如[Jj],[0-9],[A-Za-z]或[^0-9]。
这里的-表示范围(Unicode落在两个边界之间的所有字符),^表示求补(指定字符外的所有字符)。
有许多预定以的字符类,像\d(数字)或\p{Sc}(Unicode货币符号),见表12-8和12-9。
大多数字符与它们自身匹配,像上例中的ava字符。
符号.匹配任何字符(可能行终止符(lineterminators)除外,这依赖于标识设置(flagsettings))
\用作转义符,比如\.匹配一个句点,\\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式,则XY表示“X的匹配后面跟着Y的匹配”。
X|Y表示“任何X或Y的匹配”
可以将量词(quantifier)用到表达式中,X+表示X重复1次或多次,X*表示X重复0次或多次,X?
表示X重复0次或1次
默认地,一个量词总是与使总体成功匹配的最长的可能重复匹配。
可以加上后缀?
(称为reluctant或stingy匹配,用以匹配最小的重复数),和+(称为possessive或贪婪匹配,用以即使在总体匹配失败的情况下也匹配最大的重复数)来更改这种属性。
例如,字符串cab匹配[a-z]*ab,但不匹配[a-z]*+ab。
第一种情况下,[a-z]*只匹配字符c,因此字符ab正好与模式的剩余部分匹配。
但是贪婪版本[a-z]*+就与字符cab匹配,模式的剩余部分ab就匹配失败(,这样总体也就匹配失败)。
可以使用分组来定义子表达式。
将分组封装在()中,如([+-]?
)([0-9]+)。
然后你可以让模式匹配符(thepatternmatcher)返回每个分组的匹配,或者使用\n来回引分组(referbacktoagroupwith\n),其中n是组号(以\1起始)
这里有一个稍微有点复杂却又很有用的正则表达式--它用来描述十进制和十六进制的整数。
[+-]?
[0-9]+|0[Xx][0-9A-Fa-f]+
不幸的是,在使用正则表达式的各种程序和库之间,它的语法还没有完全标准化。
对基本的构造上已达成了共识,但在细节方面有许多令人“抓狂”的区别(manymaddeningdifferences)。
Java的正则表达式类使用了与Perl语言类似的语法,但也不尽相同。
表12-8显示了Java语法的所有正则表达式构造。
要了解更多关于正则表达式的信息,请参考Pattern类的API文档,或者JeffreyE.F.Friedl的著作《MasteringRegularExpressions》(O'ReillyandAssociates,1997)(刚去第二书店查了一下,东南大学出版社已经引入了其第二版,影印)
表12-8正则表达式语法
--------------------------------------------------------------------------------
语法解释
--------------------------------------------------------------------------------
字符
c字符c
\unnnn,\xnn,\0n,\0nn,\0nnn带有十六或八进制值的代码单元
\0n八进制0n代表的字符(0<=n<=7)
\0nn八进制0nn代表的字符(0<=n<=7)
\0mnn八进制0mnn代表的字符(0<=m<=3,0<=n<=7)
\xnn十六进制0xnn所代表的字符
\uhhhh十六进制0xhhhh所代表的字符
\t,\n,\r,\f,\a,\e控制字符,依次是制表符,换行符,回车符,换页符,报警符和转义符
\cc控制字符中出现的相应字符c
--------------------------------------------------------------------------------
字符类
[C1C2...]C1、C2……中的任何字符。
Ci可以是字符,字符范围(C1-C2)或者字符类。
[^...]字符类的补集
[...&&...]两个字符类的交集
--------------------------------------------------------------------------------
预定义字符类
.除行终止符外的任何字符(如果DOTALL标志置位,则表示任何字符)
\d数字[0-9]
\D非数字[^0-9]
\s空白字符[\t\n\r\f\x0B]
\S非空白字符
\w单词字符[a-zA-Z0-9_]
\W非单词字符
\p{name}一个指定的字符类,见表12-9
\P{name}指定字符类的补集
--------------------------------------------------------------------------------
边界匹配符
^$输入的开头和结尾(在多行模式(multilinemode)下是行的开头和结尾)
\b单词边界
\B非单词边界
\A输入的开头
\z输入的结尾
\Z除最后行终止符之外的输入结尾
\G上个匹配的结尾
--------------------------------------------------------------------------------
量词
X?
可选的X(即X可能出现,也可能不出现)
X*X,可以重复0次或多次
X+X,可以重复1次或多次
X{n}X{n,}X{n,m}X重复n次,至少重复n次,重复n到m次
--------------------------------------------------------------------------------
量词后缀
?
设默认(贪婪)匹配为reluctant匹配
+设默认(贪婪)匹配为possessive匹配
--------------------------------------------------------------------------------
集合操作
XYX的匹配后面跟着Y的匹配
X|YX或Y的匹配
--------------------------------------------------------------------------------
分组
(X)匹配X并且在一个自动计数的分组中捕获它
\n与第n个分组的匹配
--------------------------------------------------------------------------------
转义
\c字符c(必须不是字母)
\Q...\E逐字地引用...
(?
...)特殊构造,看Pattern类的API
--------------------------------------------------------------------------------
正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。
这里有一个Java写的测试程序。
首先从表示正则表达式的字符串构造一个Pattern对象。
然后从该模式获得一个Matcher对象,并且调用它的matches()方法:
Patternpattern=Ppile(patternString);
Matchermatcher=pattern.matcher(input);
if(matcher.matches())...
表12.9预定义的字符类名(PredefinedCharacterClassNames)
--------------------------------------------------------------------------------
Lower小写的ASII字符[a-z]
Upper大写的ASCII字符[A-Z]
AlphaASCII字母[A-Za-z]
DigitASCII数字[0-9]
AlnumASCII字母或数字[A-Za-z0-9]
Xdigit十六进制数字[0-9A-Fa-f]
PrintorGraph可打印的ASCII字符[\x21-\x7E]
Punct非字母或数字ASCII[\p{Print}&&\P{Alnum}]
ASCII所有ASCII字符[\x00-\x7F]
CntrlASCII控制字符[\x00-\x1F]
Blank空格符或制表符[\t]
Space空白符[\t\n\r\f\0x0B]
javaLowerCase取决于Character.isLowerCase()的小写字符
javaUpperCase取决于Character.isUpperCase()的大写字符
javaWhitespace取决于Character.isWhitespace()的空白符
javaMirrored取决于Character.isMirrored()的Mirrored(?
)
InBlock这里的Block是unicode字符的块名,用空格隔开,比如BasicLatin或Mongolian。
块名列表参考http:
//www.unicode.org
Category或InCategory这里的Category是Unicode字符的种类名,比如L(字母)或者Sc(货币符号)。
种类名列表参考http:
//www.unicode.org
--------------------------------------------------------------------------------
matcher的输入可以是实现CharSequence接口的任何类对象,像String,StringBuilder或CharBuffer。
当编译模式时,可以设置一个或多个标志,例如
Patternpattern=Ppile(patternString,
Pattern.CASE_INSENSITIVE+Pattern.UNICODE_CASE);
下面六个标志都是支持的:
CASE_INSENSITIVE:
匹配字符时与大小写无关,该标志默认只考虑USASCII字符。
UNICODE_CASE:
当与CASE_INSENSITIVE结合时,使用Un