正则表达式小探

 

正责表达式简介：

正则表达式"（Regular Expression）就是一个字符构成的串，它定义了一个用来搜索匹配字符串的模式。
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。那么Java又怎样呢？
你可以从Apache.org下载源代码开放的Jakarta-ORO库。 

 Jakarta-ORO包分析：

oro包类结构：

 

Jakarta-ORO库

我首先将简要介绍使用Jakarta-ORO库时你必须创建和访问的对象，然后介绍如何使用Jakarta-ORO API。

1、PatternCompiler对象：

创建一个Perl5Compiler类的实例，并把它赋值给PatternCompiler接口对象。Perl5Compiler是PatternCompiler接口的一个实现，允许你把正则表达式编译成用来匹配的Pattern对象。

    PatternCompiler compiler = new Perl5Compiler();

2、Pattern对象

要把正则表达式编译成Pattern对象，调用compiler对象的compile()方法，并在调用参数中指定正则表达式。例如，你可以按照下面这种方式编译正则表达式"j[so]n"：

try {
                Pattern pattern = compiler.compile("j[so]n");
             } catch (MalformedPatternException e) {
               e.printStackTrace();
             }

默认情况下，编译器创建一个大小写敏感的模式（pattern）。因此，上面代码编译得到的模式只匹配"jsn"、"jon"，但不匹配"Jsn"和"joN"。
要创建一个大小写不敏感的模式，你应该在调用编译器的时候指定一个额外的参数：

    Pattern pattern = compiler.compile("j[so]n", Perl5Compiler.CASE_INSENSITIVE_MASK);

 3、PatternMatcher对象

PatternMatcher对象根据Pattern对象和字符串进行匹配检查。你要实例化一个Perl5Matcher类并把结果赋值给PatternMatcher接口。Perl5Matcher类是PatternMatcher接口的一个实现，它根据Perl 5正则表达式语法进行模式匹配：

PatternMatcher matcher = new Perl5Matcher();

使用PatternMatcher对象，你可以用多个方法进行匹配操作，这些方法的第一个参数都是需要根据正则表达式进行匹配的字符串：
- boolean matches(String input, Pattern pattern)：当输入字符串和正则表达式要精确匹配时使用。换句话说，正则表达式必须完整地描述输入字符串。
- boolean matchesPrefix(String input, Pattern pattern)：当正则表达式匹配输入字符串起始部分时使用。
- boolean contains(String input, Pattern pattern)：当正则表达式要匹配输入字符串的一部分时使用（即，它必须是一个子串）。
另外，在上面三个方法调用中，你还可以用PatternMatcherInput对象作为参数替代String对象；这时，你可以从字符串中最后一次匹配的位置开始继续进行匹配。当字符串可能有多个子串匹配给定的正则表达式时，用PatternMatcherInput对象作为参数就很有用了。用 PatternMatcherInput对象作为参数替代String时，上述三个方法的语法如下：
- boolean matches(PatternMatcherInput input, Pattern pattern)
- boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)
- boolean contains(PatternMatcherInput input, Pattern pattern)

Perl5Util类使用

 

Perl5Util查找格式： 
[ m ] / pattern / [ i ][ m ][ s ][ x ] 
第一个m写不写都可以
i  忽略大小写
m  多行模式
s  单行模式
x  使用扩展语法
查找  MyDoc/Java/SimpleJava  时 
正常写法  "m/MyDoc 
/Java/SimpleJava/"
扩展写法  "m#MyDoc/Java/SimpleJava#x"

例：查找字符串中包含的数字,匹配一次或多次

Perl5Util plUtil = new Perl5Util();
PatternMatcherInput matcherInput = new PatternMatcherInput("杭州时间2008-8-08-20");
while (plUtil.match("///d+/", matcherInput)) {
   MatchResult result = plUtil.getMatch();
   System.out.println(result.toString())
}


输出：
2008
8
08
20

例：分组输出

Perl5Util util = new Perl5Util();
PatternMatcherInput matcherInput = new PatternMatcherInput("192.168.0.1@08/10/2010");
while (util.match("m#08(/10/)2010#x", matcherInput)) {
     MatchResult result = util.getMatch();
     System.out.printf("%s : %s/n", 0, result.group(0));
     System.out.printf("%s : %s/n", 1, result.group(1));
}

输出：
0 : 08/10/2010
1 : /10/

Perl5Util替换格式：
s / pattern / replacement / [ g ][ i ][ m ][ o ][ s ][ x ] 
第一个s必须要写
g 全部替换。默认只替换第一个 
i  忽略大小写
m  多行模式
o   只替换第一个
s  单行模式
x  使用扩展语法
例：替换,将"-"替换成","全局搜索

String str = "2010-12-01 17:16:32";
Perl5Util plutil = new Perl5Util();
String result = plutil.substitute("s/-/,/g", str);
System.out.println(result);

输出：
2010,12,01 17:16:32

注：Java5的正则表达式的实现可能会导致JVM的崩溃；在递归处理上性能极度低下.最好用oro库来解决这类问题。详见宝典

正责表达式规则介绍

常用的正责表达式元字符

.	匹配任意字符	*	修饰匹配符为0次任意次
^	匹配输入行的开始位置	$	匹配输入行的结束位置
+	修饰匹配符至少1次	?	修饰匹配符0次或1次
[]	用来自定义匹配"多种字符"表达式	{}	修饰匹配次数的符号
/s	空格	/S	非"空格"字符
/d	匹配任何一个0-9数字	/D	匹配一个非0-9数字
/w	匹配一个 数字、字母或下划线	/W	匹配一个非 数字、字母和下划线
*?	非贪婪修饰匹配符为0次任意次	+?	非贪婪修饰匹配符至少一次
??	非贪婪修饰匹配符0次或1次	()	把一个表达式做为一个匹配整体
｜	两边的表达式为"或"的关系

 转义字符

在正则表达式中对一些特殊符号和特殊含义的字符的使用需要用"/"进行转义操作，需要转义的字符除了包括以上列出的"元字符"外，还有以下这些具有具体含义的字符：

/t	横向制表符	/n	换行符
/r	回车符	{{  }}	转义字符本身

修饰符

用在正则表达式结尾。例如 /asdf/i,"i"即为"修饰符"，意思是不区分大小写的匹配"asdf"。所有修饰符的含义如下表：

g	全局匹配	i	忽略大小写
m	多行匹配	s	把整个匹配串当作一行处理
x	允许注释和空格的出现

备注：
1、非贪婪模式存在的效率问题
2、表达式的递归匹配

相关资料链接：

jakarta-oro包下载：http://jakarta.apache.org/site/downloads/downloads_oro.cgi

 http://www.360doc.com/content/10/0805/09/561_43777969.shtml

http://blog.csdn.net/yuanchao3333/archive/2009/01/31/3855418.aspx