Java的正则表达式深入分析

【 tulaoshi.com - 编程语言 】

一.regex（正则表达式）：RegularExpressions（代替了StringTokenizer）；字符串处理利器；在unix流行，perl使用regex更牛。
主要用在字符串匹配、查找和替换。例如：匹配IP（范围小于256）使用正则很好搞；从网页中揪出大量email地址发送垃圾邮件；从网页里揪出链接。包含Matcher（用模式匹配字符串后产生的结果）和pattern。
代码如下：

 /*
          * 告知此字符串是否匹配给定的正则表达式(也是一个字符串)。
          */
         System.out.println("abc".matches("..."));//每个"."表示一个字符

代码如下：

 /*
          * 把字符串里的所有数字替换成"-"，普通方法需要charAt逐个判断;
          * "d"表示任意一个数字或者换成"[0-9]";
          * "D"表示任意一个非数字或者换成"[^0-9]"
          */
         System.out.println("ab54564654sbg48746bshj".replaceAll("[0-9]", "-"));//每个"."表示一个字符

二、
代码如下：

/*
          * compile将给定的正则表达式编译到模式中(每次编译需要费时间);{3}表示恰好三次。
          *     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
          */
         Pattern p = Pattern.compile("[a-z]{3}");
         Matcher m = p.matcher("ggs");//创建匹配给定输入与此模式的匹配器。内部实际上是创建了一个优先状态的自动机(编译原理)
         //matcher和matches里待匹配的字符串实际上是CharSequence（接口）,不过String实现了该接口，存在多态
         System.out.println(m.matches());//若是"ggss"就不匹配了
         //可一直接"ggs".matches("[a-z]{3}"),不过上面的有好处，至少效率高了，而且Pattern和Matcher提供了很多功能

三、在regex“. * +”中叫Meta Character；ctrl + shift + "/"表示注释，换成""表示去掉注释。
代码如下：

"a".matches(".");//true,"."表示任意一个字符,汉字也行
         "aa".matches("aa");//true,也就是说普通字符串也可以作为正则表达式
         /*
          * true,"*"表示0或者多个字符,不过后面的要和第一个相同，
          * 否则false，也就是判断字符串是否是单一字符组成的字符串
          */
         "aaaa".matches("a*");
         "".matches("a*");//true
         "aaa".matches("a?");//true，一次或者0次
         "".matches("a?");//true
         "a".matches("a?");//true
         "544848154564113".matches("d{3,100}");//true
         //这个是最简单的IP判断，不过若是超过255则判断不出来
         "192.168.0.aaa".matches("d{1,3}.d{1,3}.d{1,3}d{1,3}");
         "192".matches("[0-2][0-9][0-9]");

四、[abc]表示匹配任意一个字符；[^abc]表示出了abc以外的其他字母（必须还是字母，若是空串也返回false）字符;[a-zA-Z]等价于"[a-z]|[A-Z]"是否是某个大小写字母；[A-Z&&[ABS]]表示大写字母中取ABS中任一个。
代码如下：

//发现|和||没区别，&和&&有区别，不知道这么理解对不对
         System.out.println("C".matches("[A-Z&&[ABS]]"));//false
         System.out.println("C".matches("[A-Z&[ABS]]"));//true
         System.out.println("A".matches("[A-Z&&[ABS]]"));//true
         System.out.println("A".matches("[A-Z&[ABS]]"));//true
         System.out.println("C".matches("[A-Z|[ABS]]"));//true
         System.out.println("C".matches("[A-Z||[ABS]]"));//true

五、w 单词字符：[a-zA-Z_0-9] 进行用户名匹配时;s 空白字符：[ tnx0Bfr]； S 非空白字符：[^s] ；W 非单词字符：[^w] 。
代码如下：

" ntr".matches("s{4}");//true
         " ".matches("S");//false
         "a_8".matches("w{3}");//true
         //“+”表示一次或者多次
         "abc888&^%".matches("[a-z]{1,3}d+[&^#%]+");//true
         /*
          * 待匹配字符也只是一个反斜线,不过不可写成""那么和后面的"组合了，
          * 前面的"无法匹配就会CE。
          * 后面不可写成"",那么会运行错误（编译没问题），必须写成"\"
          */
         System.out.println("".matches("\"));//true

六、POSIX 字符类（仅 US-ASCII）
代码如下：

　p{Lower} 小写字母字符：[a-z] ;p{Upper} 大写字母字符：[A-Z] ;p{ASCII} 所有 ASCII：[x00-x7F] ;p{Alpha} 字母字符：[p{Lower}p{Upper}] ;p{Digit} 十进制数字：[0-9] 。

七、边界匹配器
^ 行的开头
　　$ 行的结尾
　　b 单词边界
　　B 非单词边界
　　A 输入的开头
　　G 上一个匹配的结尾
　　Z 输入的结尾，仅用于最后的结束符（如果有的话）
　　z 输入的结尾
代码如下：

"hello world".matches("^h.*");//^行的开头
         "hello world".matches(".*ld$");//$行的结尾
         "hello world".matches("^h[a-z]{1,3}ob.*");//b单词边界
         "helloworld".matches("^h[a-z]{1,3}ob.*");

 " n".matches("^[s&&[^n]]*n$");//判断空白行，空白行开头是空白符

八、还可以在find方法下使用m.start()和m.end()返回开始位置和结束位置的下一个；若是找不到则出错。
代码如下：

Pattern p = Pattern.compile("d{3,5}");
         String s = "133-34444-333-00";
         Matcher m = p.matcher(s);
         m.matches();//matches匹配全部字符串
         m.reset();
         /*
          * 下面若是先调用了reset方法则输出true，true，true，false.
          * 否则倒数第二个find也输出false。
          * 原因如下：
          * matches匹配到第一个"-"发现不匹配了，但是这四个字符已经被吃掉啦，再次匹配就从
          * 34444开始了,第二个find从333，因为find匹配的是下一个子序列。
          * reset方法让matches吃掉的字符串再吐出来。
          * 综上：matches和find之间要使用reset，因为二者相互影响
          *
          */
         m.find();
         m.find();
         m.find();//尝试查找与该模式匹配的输入序列的下一个子序列
         m.find();
         /*
          * 尝试将从区域开头开始的输入序列与该模式匹配。
          * Thinking in java的作者狠狠滴批评了这个方法，因为从字面看不出来到底从哪开始匹配。
          * 下面全部是true，因为每次都从头开始
          */
         m.lookingAt();
         m.lookingAt();
         m.lookingAt();
         m.lookingAt();

九、字符串替换
代码如下：

import java.util.regex.Matcher;
 import java.util.regex.Pattern;

 public class TestRegexReplacement {

     public static void main(String[] args) {

         Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);//后面的参数是整形,表示“大小写不敏感”
         Matcher m = p.matcher("Java java hxsyl Ilovejava java JaVaAcmer");
         while(m.find()) {
             System.out.println(m.group());//m.group会输出所有的java（忽略大小写）

         }

        
         String s = m.replaceAll("Java");//String也有该方法
         System.out.println(s);

         m.reset();//一定要加，因为find和matcher相互影响
         StringBuffer sb = new StringBuffer();
         int i = 0;
         /*
          * 下面的方法是把找到的奇数个java替换为“Java”，偶数个替换成"java"
          */
         while(m.find()) {
             i++;
             //不能直接写成i&1必须转化为boolean
             if((i&1)==1) {
                 m.appendReplacement(sb, "Java");
             }else {
                 m.appendReplacement(sb, "java");
             }
         }

         m.appendTail(sb);//把找到的最后一个java后边的剩余字符串加上
         System.out.println(sb);//不加reset的话只输出了Acmer
     }
 }

十、分组
代码如下：

/*
          * 分别加上小括号，不算最外边的大括号，第一个左括号便是第一组
          */
         Pattern p = Pattern.compile("(d{3,5})([a-z]{2})");
         String s = "123aaa-77878bb-646dd-00";
         Matcher m = p.matcher(s);
         while(m.find()) {
             System.out.println(m.group());
             System.out.println(m.group(1));//输出每对符合的 数字
             System.out.println(m.group(2));//输出每对符合的 字母
         }

十一、抓取网页中的email
代码如下：

import java.io.BufferedReader;
 import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.IOException;
 import java.util.regex.Matcher;
 import java.util.regex.Pattern;

 /*
  * 需要什么养的方法的话先些方法名
  * 然后ctrl + 1列出推荐，系统创建该方法
  */
 public class EmailSpider {

     public static void main(String[] args) {
         // TODO Auto-generated method stub
         try {
             BufferedReader br = new BufferedReader(new FileReader("F:regex.html"));
             String line = "";
             try {
                 while((line=br.readLine())!=null) {
                     solve(line);
                 }
             } catch (IOException e) {
                 // TODO Auto-generated catch block
                 e.printStackTrace();
             }

         } catch (FileNotFoundException e) {
             // TODO Auto-generated catch block
             e.printStackTrace();
         }

 
     }

     private static void solve(String line) {
         // TODO Auto-generated method stub
         //正则表达式要是不满足相应功能的话不会出错，因为他是字符串
         Pattern p = Pattern.compile("[w[.-]]+@[w[.-]]+.[w]+");
         Matcher m = p.matcher(line);

         while(m.find()) {
             System.out.println(m.group());
         }

     }

 }

十二、代码统计
代码如下：

View Code
 /*
  * 统计代码里多少空行，注释行，程序行
  * 实际上使用String里的startsWith和endsWith也行.
  * 若是项目经理用的话还要统计每行的字符数是否以{；结尾，防止偷懒
  */
 import java.io.BufferedReader;
 import java.io.File;
 import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.IOException;

 public class CoderCount {

     static long normalLines = 0;
     static long commentLines = 0;
     static long whiteLines = 0;

     public static void main(String[] args) {
         File f = new File("D:sharesrc");
         File[] codeFiles = f.listFiles();
         for(File child : codeFiles){
             if(child.getName().matches(".*.java$")) {
                 solve(child);
             }
         }

         System.out.println("normalLines:" + normalLines);
         System.out.println("commentLines:" + commentLines);
         System.out.println("whiteLines:" + whiteLines);

     }

     private static void solve(File f) {
         BufferedReader br = null;
         boolean comment = false;
         try {
             br = new BufferedReader(new FileReader(f));
             String line = "";
             while((line = br.readLine()) != null) {
                 /*
                  * //有的注释行前面有一个tab
                  * 不可写在readLine后
                  * 最后一行的话会空指针
                  */
                 line = line.trim();
                 //readLine读出字符串后就把后面的换行去掉啦
                 if(line.matches("^[s&&[^n]]*$")) {
                     whiteLines ++;
                 } else if (line.startsWith("/*") && !line.endsWith("*/")) {
                     commentLines ++;
                     comment = true;   
                 } else if (line.startsWith("/*") && line.endsWith("*/")) {
                     commentLines ++;
                 } else if (true == comment) {
                     commentLines ++;
                     if(line.endsWith("*/")) {
                         comment = false;
                     }
                 } else if (line.startsWith("//")) {
                     commentLines ++;
                 } else {
                     normalLines ++;
                 }
             }
         } catch (FileNotFoundException e) {
             e.printStackTrace();
         } catch (IOException e) {
             e.printStackTrace();
         } finally {
             if(br != null) {
                 try {
                     br.close();
                     br = null;
                 } catch (IOException e) {
                     e.printStackTrace();
                 }
             }
         }
     }

 }

十三、Quantifiers
包括？*+；默认全是Greedy，还有Reluctant和Possessive(独占性的)。
代码如下：

//加上分组是为了看得更清晰一些
     Pattern p = Pattern.compile("(.{3,10})+[0-9]");
     String s = "aaaa5bbbb6";//长度是10
     Matcher m = p.matcher(s);
     /*
      * 现在输出0-10，默认是Greedy，先吞进10个字符，发现不匹配，吐出来一个，发现匹配了；
      * 若是Pattern.compile("(.{3,10}?)+[0-9]")则成了Reluctant，那么是先吞进三个字符,发现不匹配，继续吞入 知道匹配，输出0到5；
      * 若是Pattern.compile("(.{3,10}++)+[0-9]")则是Possessive（独占式），也是先吞入10个字符，但是不向外吐，那么就不匹配了，
      * 这种方式主要用在需要高效率的地方（会有误差）。
      */
     if(m.find()) {
         System.out.println(m.start() + "----" + m.end());
     }else {
         System.put.println("Not match!");
     }

十四、补充（非捕获组）
代码如下：

//非捕获组的意思和字面相反，意思是若是符合则捕获
     Pattern p = Pattern.compile("(?=a).{3}");
     /*
      * 输出a66，相当于要求以a开头,也可以这么写Pattern.compile("[a].{2}");
      * 若是Pattern.compile(".{3}(?!=a)")不是不以a结尾{2}[^a]，而是下一个字符不是a(lookahead)，输出44a,66b,所以这种用法不常用；
      * 若是Pattern.compile(".{3}(?=a)")则输出444(因为?=a是lookahead),放在前面则包含在组内，后面则不包含在组内；
      *
      *
      */
     String s = "444a66b";
     Matcher m = p.matcher(s);
     while(m.find()) {
         System.out.println(m.group());
     }

十五、Back Reference
代码如下：

Pattern p = Pattern.compile("(dd)1");
     /*
      * 输出true，1表示和第一个组的一样，若改成1213就不对了;
      * 若是Pattern.compile("(d(d))2")则需改成122才对
      *
      */
     String s = "1212";
     Matcher m = p.matcher(s);
     System.out.println(m.matches());

十六、flags的简写
"."是不匹配换行的，记住CASE_INSENSITIVE就行了，简写“通过嵌入式标志表达式  (?i) 也可以启用不区分大小写的匹配”。