正则表达式 算法

正则表达式可以说是用来处理字符串的一把利器，它是一个专门匹配n个字符串的字符串模板，本质是查找和替换。在实例演示之前先了解一下Pattern、Matcher这两个工具类，Pattern：编译好的带匹配的模板(如：Pattern.compile("[a-z]{2}");/ / 取2个小写字母)；Matcher：匹配目标字符串后产生的结果(如：pattern.matcher("目标字符串");)。字符串还有一个自带的matches方法用来判断目标字符串是否匹配给定的正则表达式，格式为：targetStr.matches(regex); 返回类型为boolean。

基本使用方式

 (一)支持的基本通配符：

.   -可以匹配任意字符
\s  -代表一个任意空白(空格、Tab)。
\S  -代表一个任意的非空白。
\d  -代表一个任意的数字(digital)。
\D  -代表一个任意的非数字。
\w  -代表一个单词字符。
-W  -代表一个任意的非单词字符

注意：对于特殊字符，实际使用时记住要转义\ ，如：( ) [ ] { } \ ? * + ^（一行的开头） $（一行的结尾）|

(二)取值范围（用作出现次数的“副词”）

? --代表它前面的东西可以出现0~1次
* --代表它前面的东西可以出现0~N次 
+ --代表它前面的东西可以出现1~N次
{n,m} --代表它前面的东西可以出现n~m次
{n,} --代表它前面的东西至少出现n次
{,m} --代表它前面的东西最多出现m次
{n} --代表它前面的东西必须出现n次

(三)方括号表达式

枚举：[ab1]  --代表a或b或者1。
范围：[a-c]  --代表a,b,c中的任意一个字符。

eg1.范围：[.-]     -- 表示任意字符  到任意范围；
枚举与范围：[a-c1-3]--代表a,b,c,1,2,3中的任意一个字符。
表示求否：[^a-c] --代表不含a,b,c其中任意一个字符。
表示求交：[a-g&&[^b-d]]：--代表a,e,f,g中的任意一个字符。
表示必须含有其中之一：(com|org|cn)

总结：一个字符用\，多个字符用[]，字符次数用{} 

#########华丽分割线############华丽分割线############华丽分割线############华丽分割线############华丽分割线##########

      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$”能够匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs！”。  ^ 匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始，但是不能匹配“I use Spring in my project”。 * 匹配0至多个在它的前一个(如本例子的"o")字符。例如正则表达式“zo*”能匹配“z”以及“zoo”；正则表达式“.*”意味着能够匹配任意字符串。 /  (我DX测试的是  “ \ ”; 不是 “  / ”) 转义符，用来将元字符当作普通的字符来进行匹配。例如正则表达式/$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和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]”将能匹配除了1、6、3和所有大写字母之外的任何字符。 ( ) 将 () 之间括起来的表达式定义为“组”(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“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "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" 或 "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“/”(我DX测试的是  “ \ ”，不是 “  / ”)。       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： package org.luosijin.test; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 正则表达式 * @version V5.0 * @author 罗嗣金 * @date 2009-11-9 */ public class Regex { /** * @param args * @author 罗嗣金 * @date 2009-11-9 下午11:27:28 */ public static void main(String[] args) { Pattern pattern = Pattern.compile("b*g"); Matcher matcher = pattern.matcher("bbg"); System.out.println(matcher.matches()); System.out.println(pattern.matches("b*g","bbg")); //验证邮政编码 System.out.println(pattern.matches("[0-9]{6}", "200038")); System.out.println(pattern.matches("//d{6}", "200038")); //验证电话号码 System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799")); getDate("Nov 10,2009"); charReplace(); //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。 System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876")); getString("D:/dir1/test.txt"); getChinese("welcome to china,江西奉新,welcome,你!"); validateEmail("[email protected]"); } /** * 日期提取:提取出月份来 * @param str * @author 罗嗣金 * @date 2009-11-9 下午11:56:06 */ public static void getDate(String str){ String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}"; Pattern pattern = Pattern.compile(regEx); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("日期格式错误!"); return; } System.out.println(matcher.group(1)); //分组的索引值是从1开始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。 } /** * 字符替换:本实例为将一个字符串中所有包含一个或多个连续的“a”的地方都替换成“A”。 * * @author 罗嗣金 * @date 2009-11-10 上午12:06:03 */ public static void charReplace(){ String regex = "a+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa"); String s = matcher.replaceAll("A"); System.out.println(s); } /** * 字符串提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:20:48 */ public static void getString(String str){ String regex = ".+/(.+)$"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("文件路径格式不正确！"); return; } System.out.println(matcher.group(1)); } /** * 中文提取 * @param str * @author 罗嗣金 * @date 2009-11-10 上午12:27:17 */ public static void getChinese(String str){ String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]为汉字 Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); StringBuffer sb = new StringBuffer(); while(matcher.find()){ sb.append(matcher.group()); } System.out.println(sb); } /** * 验证Email * @param email * @author 罗嗣金 * @date 2009-11-10 上午12:34:50 */ public static void validateEmail(String email){ String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(email); if(matcher.matches()){ System.out.println("这是合法的Email"); }else{ System.out.println("这是非法的Email"); } } }