JAVA中正则表达式总结

昨天,我的朋友请教我正则表达式。我也好久没有写过正则表达式了,昨天刚好看了下 如鹏网创始人杨中科老师关于正则表达式的讲解。使我加深了正则表达式的印像。现我把他总结下:

      许多语言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正则表达式处理文本,一些文本编辑器用正则表达式实现高级“搜索-替换”功能。所以JAVA语言也不例外。正则表达式已经超出了某种语言或某个系统的局限,成为被人们广为使用的工具,我们完全可以用它来解决实际开发中碰到的一些实际的问题。

       在JDK1.3及之前的JDK版本中并没有包含正则表达式的类,如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库,最有名的就是Jakarta-ORO,Jakarta-ORO库以前叫做OROMatcher,是Daniel Savarese赠送给Jakarta Project的一个开源包。使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”,Jakarta-ORO中实现了这个接口的类就是Perl5Compiler,这个类做到了与Perl5的正则表达式完全兼容。Jakarta-ORO的使用是非常简便的,而且效率非常高,支持的正则表达式语法也是非常全的,唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API,它们位于java.util.regex包中,由于已经有了标准API,所以本书将会用java.util.regex进行正则表达式的相关操作。

一、正则表达式基础知识

 

1.1 句点符号
       假设你在玩英文拼字游戏,想要找出三个字母的单词,而且这些单词必须以“t”字母开头,以“n”字母结束。另外,假设有一本英文字典,你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式,你可以使用一个通配符——句点符号“.”。这样,完整的表达式就是“t.n”,它匹配“tan”、“ten”、“tin”和“ton”,还匹配“t#n”、“tpn”甚至“t n”,还有其他许多无意义的组合。这是因为句点符号匹配所有字符,包括空格、Tab字符甚至换行符:

 

1.2 方括号符号

为了解决句点符号匹配范围过于广泛这一问题,你可以在方括号(“[]”)里面指定看来有意义的字符。此时,只有方括号里面指定的字符才参与匹配。也就是说,正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因为在方括号之内你只能匹配单

个字符:

1.3 “或”符号

      如果除了上面匹配的所有单词之外,你还想要匹配“toon”,那么,你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”,使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号,因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。圆括号还可以用来分组。

 

1.4 表示匹配次数的符号

下表显示了正则表达式的语法:

表 1.1 正则表达式语法

元字符
说明
.
匹配任何单个字符。例如正则表达式“ b.g ”能匹配如下字符串:“ big ”、“ bug ”、“ b g ”,但是不匹配“ buug ”。 
$
匹配行结束符。例如正则表达式“ EJB$ 能够匹配字符串“ I like EJB ”的末尾,但是不能匹配字符串“ J2EE Without EJBs !”。 
^
匹配一行的开始。例如正则表达式“ ^Spring ”能够匹配字符串“ Spring is a J2EE framework ”的开始,但是不能匹配“ I use Spring in my project ”。
*
匹配 0 至多个在它之前的字符。例如正则表达式“ zo* ”能匹配 z 以及 zoo ”;正则表达式“ .* ”意味着能够匹配任意字符串。
/
转义符,用来将元字符当作普通的字符来进行匹配。例如正则表达式 /$ 被用来匹配美元符号,而不是行尾;正则表达式 /. 用来匹配点字符,而不是任何字符的通配符。
[]
匹配括号中的任何一个字符。例如正则表达式“ b[aui]g ”匹配 bug big bug ,但是不匹配 beg 。可以在括号中使用连字符“ - ”来指定字符的区间来简化表示,例如正则表达式 [0-9] 可以匹配任何数字字符,这样正则表达式“ a[]c ”就可以匹配“ a0c ”、“ a1c ”、“ a2c ”等字符串;还可以制定多个区间,例如“ [A-Za-z] ”可以匹配任何大小写字母。还有一个相配合使用的元字符“ ^ ”,用在这里并不像前边的那个“ ^ ”一样表示匹配行开始,而是表示 排除 ,要想匹配除了指定区间之外的字符,就可以在左边的括号和第一个字符之间使用 ^ 字符,例如“ [^163A-Z] ”将能偶匹配除了 1 6 3 和所有大写字母之外的任何字符。
( )
() 之间括起来的表达式定义为 ”(group) ,并且将匹配这个表达式的字符保存到一个临时区域 , 这个元字符在字符串提取的时候非常有用。
|
将两个匹配条件进行逻辑 运算。 'z|food' 能匹配 "z" "food" '(z|f)ood' 则匹配 "zood" "food"
+
匹配前面的子表达式一次或多次。 例如正则表达式 9+ 匹配 9 99 999 等。
?
匹配前面的子表达式零次或一次。例如, "do(es)?" 可以匹配 "do" "does" 中的 "do" 。此元字符还有另外一个用途,就是表示非贪婪模式匹配,后边将有介绍
{n}
匹配确定的 n 次。例如,“ e{2} 不能匹配“ bed ”中的“ d ”,但是能匹配“ seed ”中的两个“ e ”。
{n,}
至少匹配 n 次。例如,“ e{2,} ”不能匹配“ bed ”中的“ e ”,但能匹配 seeeeeeeed ”中的所有“ e ”。
{n,m}
最少匹配 n 次且最多匹配 m 次。“ e{1,3} ”将匹配“ seeeeeeeed ”中的前三个“ e ”。

    假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中,连字符(“-”)有着特殊的意义,它表示一个范围,比如从0到9。因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“/”。

      假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999和999999999都属于正确的格式。这时,你可以在连字符号后面加上“?”数量限定符号。

      美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。

1.5 “否”符号

      “^”符号称为“否”符号。如果用在方括号内,“^”表示不想要匹配的字符。例如,图四的正则表达式匹配所有单词,但以“X”字母开头的单词除外。

1.6 圆括号和空白符号

     “/s”符号是空白符号,匹配所有的空白字符,包括Tab字符。如果字符串正确匹配,接下来如何提取出月份部分呢?只需在月份周围加上一个圆括号创建一个组,然后用ORO API提取出它的值。

1.7 其它符号

     为简便起见,你可以使用一些为常见正则表达式创建的快捷符号。如以下所示:

    

/t:制表符,等同于/u0009
/n:换行符,等同于/u000A
/d:代表一个数字,等同于[0-9]
/D:代表非数字,等同于[^0-9]
/s:代表换行符、Tab制表符等空白字符
/S:代表非空白字符
/w:字母字符,等同于[a-zA-Z_0-9]
/W:非字母字符,等同于[^/w]
例如,在前面社会安全号码的例子中,所有出现“[0-9]”的地方我们都可以使用“/d”。
 
以下是我整理出来的程序:供参考:
[java] view plain copy
  1. package org.luosijin.test;  
  2.   
  3. import java.util.regex.Matcher;  
  4. import java.util.regex.Pattern;  
  5.   
  6. /** 
  7.  * 正则表达式 
  8.  * @version V5.0 
  9.  * @author 罗嗣金 
  10.  * @date   2009-11-9 
  11.  */  
  12. public class Regex {  
  13.   
  14.     /** 
  15.      * @param args 
  16.      * @author 罗嗣金 
  17.      * @date 2009-11-9 下午11:27:28 
  18.      */  
  19.   
  20.     public static void main(String[] args) {  
  21.         Pattern pattern = Pattern.compile("b*g");  
  22.         Matcher matcher = pattern.matcher("bbg");  
  23.         System.out.println(matcher.matches());  
  24.         System.out.println(pattern.matches("b*g","bbg"));  
  25.         //验证邮政编码  
  26.         System.out.println(pattern.matches("[0-9]{6}""200038"));  
  27.         System.out.println(pattern.matches("//d{6}""200038"));  
  28.         //验证电话号码  
  29.         System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+""02178989799"));  
  30.         getDate("Nov 10,2009");  
  31.         charReplace();  
  32.         //验证身份证:判断一个字符串是不是身份证号码,即是否是15或18位数字。  
  33.         System.out.println(pattern.matches("^//d{15}|//d{18}$""123456789009876"));  
  34.         getString("D:/dir1/test.txt");  
  35.         getChinese("welcome to china,江西奉新,welcome,你!");  
  36.         validateEmail("[email protected]");  
  37.     }  
  38.     /** 
  39.      * 日期提取:提取出月份来 
  40.      * @param str 
  41.      * @author 罗嗣金 
  42.      * @date 2009-11-9 下午11:56:06 
  43.      */  
  44.     public static void getDate(String str){  
  45.         String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}";  
  46.         Pattern pattern = Pattern.compile(regEx);  
  47.         Matcher matcher = pattern.matcher(str);  
  48.         if(!matcher.find()){  
  49.             System.out.println("日期格式错误!");  
  50.             return;  
  51.         }  
  52.         System.out.println(matcher.group(1));   //分组的索引值是从1开始的,所以取第一个分组的方法是m.group(1)而不是m.group(0)。  
  53.     }  
  54.     /** 
  55.      * 字符替换:本实例为将一个字符串中所有包含一个或多个连续的“a”的地方都替换成“A”。 
  56.      *  
  57.      * @author 罗嗣金 
  58.      * @date 2009-11-10 上午12:06:03 
  59.      */  
  60.     public static void charReplace(){  
  61.         String regex = "a+";  
  62.         Pattern pattern = Pattern.compile(regex);  
  63.         Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa");  
  64.         String s = matcher.replaceAll("A");  
  65.         System.out.println(s);  
  66.     }  
  67.     /** 
  68.      * 字符串提取 
  69.      * @param str 
  70.      * @author 罗嗣金 
  71.      * @date 2009-11-10 上午12:20:48 
  72.      */  
  73.     public static void getString(String str){  
  74.         String regex = ".+/(.+)$";  
  75.         Pattern pattern = Pattern.compile(regex);  
  76.         Matcher matcher = pattern.matcher(str);  
  77.         if(!matcher.find()){  
  78.             System.out.println("文件路径格式不正确!");  
  79.             return;  
  80.         }  
  81.         System.out.println(matcher.group(1));  
  82.     }  
  83.     /** 
  84.      * 中文提取 
  85.      * @param str 
  86.      * @author 罗嗣金 
  87.      * @date 2009-11-10 上午12:27:17 
  88.      */  
  89.     public static void getChinese(String str){  
  90.         String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字   
  91.         Pattern pattern = Pattern.compile(regex);  
  92.         Matcher matcher = pattern.matcher(str);  
  93.         StringBuffer sb = new StringBuffer();  
  94.         while(matcher.find()){  
  95.             sb.append(matcher.group());  
  96.         }  
  97.         System.out.println(sb);  
  98.     }  
  99.     /** 
  100.      * 验证Email 
  101.      * @param email 
  102.      * @author 罗嗣金 
  103.      * @date 2009-11-10 上午12:34:50 
  104.      */  
  105.     public static void validateEmail(String email){  
  106.         String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+";  
  107.         Pattern pattern = Pattern.compile(regex);  
  108.         Matcher matcher = pattern.matcher(email);  
  109.         if(matcher.matches()){  
  110.             System.out.println("这是合法的Email");  
  111.         }else{  
  112.             System.out.println("这是非法的Email");  
  113.         }  
  114.     }  
  115. }  
 

你可能感兴趣的:(Java,正则表达式)