Java正則表達(dá)式應(yīng)用總結(jié)
一、java正則表達(dá)式概述
正則表達(dá)式是Java處理字符串、文本的重要工具。
Java對(duì)正則表達(dá)式的處理集中在以下兩個(gè)兩個(gè)類(lèi)：
java.util.regex.Matcher 模式類(lèi)：用來(lái)表示一個(gè)編譯過(guò)的正則表達(dá)式。
java.util.regex.Pattern 匹配類(lèi)：用模式匹配一個(gè)字符串所表達(dá)的抽象結(jié)果。
（很遺憾，Java Doc并沒(méi)有給出這兩個(gè)類(lèi)的職責(zé)概念。）
比如一個(gè)簡(jiǎn)單例子：
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
- /** * 正則表達(dá)式例子 * * @author leizhimin 2009-7-17 9:02:53 */
- public class TestRegx {
- public static void main(String[] args) {
- Pattern p = Pattern.compile("f(.+?)k");
- Matcher m = p.matcher("fckfkkfkf");
- while (m.find()) { String s0 = m.group();
- String s1 = m.group(1);
- System.out.println(s0 + "||" + s1);
- }
- System.out.println("---------");
- m.reset("fucking!");
- while (m.find())
- {
- System.out.println(m.group());
- }
- Pattern p1 = Pattern.compile("f(.+?)i(.+?)h");
- Matcher m1 = p1.matcher("finishabigfishfrish");
- while (m1.find()) {
- String s0 = m1.group();
- String s1 = m1.group(1);
- String s2 = m1.group(2);
- System.out.println(s0 + "||" + s1 + "||" + s2);
- }
- System.out.println("---------");
- Pattern p3 = Pattern.compile("(19|20)\\d\\d([- /.])(0[1-9]|1[012])\\2(0[1-9]|[12][0-9]|3[01])");
- Matcher m3 = p3.matcher("1900-01-01 2007/08/13 1900.01.01 1900 01 01
- 1900-01.01 1900 13 01 1900 02 31");
- while (m3.find()) { System.out.println(m3.group());
- } } }
輸出結(jié)果：
- fck||c fkk||k ---------
- fuck finish||in||s fishfrish||ishfr||s ---------
- 1900-01-01 2007/08/13 1900.01.01 1900 01 01 1900 02 31 Process finished with exit code 0
二、一些容易迷糊的問(wèn)題
1、Java對(duì)反斜線處理的問(wèn)題
在其他語(yǔ)言中，\\表示要插入一個(gè)字符\;
在Java語(yǔ)言中，\\表示要插入正則表達(dá)式的反斜線，并且后面的字符有特殊意義。
看API文檔：
預(yù)定義字符類(lèi)
- . 任何字符（與行結(jié)束符可能匹配也可能不匹配）
- \d 數(shù)字：[0-9]
- \D 非數(shù)字： [^0-9]
- \s 空白字符：[ \t\n\x0B\f\r]
- \S 非空白字符：[^\s]
- \w 單詞字符：[a-zA-Z_0-9]
- \W 非單詞字符：[^\w]
但是看看上面程序，對(duì)比下不難看出：
\d在實(shí)際使用的時(shí)候就寫(xiě)成了 \\d;
在Java正則表達(dá)式中，如果要插入一個(gè)\字符，則需要在正則表達(dá)式中寫(xiě)成\\\\，原因是下面的APIDoc定義\\表示一個(gè)反斜線。
但是如果在正則表示式中表示回車(chē)換行等，則不需要多添加反斜線了。比如回車(chē)\r就寫(xiě)作\r.
字符
- x 字符 x
- \\ 反斜線字符
- \0n 帶有八進(jìn)制值 0 的字符 n (0 <= n <= 7)
- \0nn 帶有八進(jìn)制值 0 的字符 nn (0 <= n <= 7)
- \0mnn 帶有八進(jìn)制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
- \xhh 帶有十六進(jìn)制值 0x 的字符 hh
- \uhhhh 帶有十六進(jìn)制值 0x 的字符 hhhh
- \t 制表符 ('\u0009')
- \n 新行（換行）符 ('\u000A')
- \r 回車(chē)符 ('\u000D')
- \f 換頁(yè)符 ('\u000C')
- \a 報(bào)警 (bell) 符 ('\u0007')
- \e 轉(zhuǎn)義符 ('\u001B')
- \cx 對(duì)應(yīng)于 x 的控制符
2、Matcher.find()：嘗試查找與模式匹配的字符序列的下一個(gè)子序列。此方法從字符序列的開(kāi)頭開(kāi)始，如果該方法的前一次調(diào)用成功了并且從那時(shí)開(kāi)始匹配器沒(méi)有被重置，則從以前匹配操作沒(méi)有匹配的***個(gè)字符開(kāi)始，即如果前一次找到與模式匹配的子序列則這次從這個(gè)子序列后開(kāi)始查找。
3、Matcher.matchers()：判斷整個(gè)字符序列與模式是否匹配。當(dāng)連續(xù)用Matcher對(duì)象檢查多個(gè)字符串時(shí)候，可以使用
Matcher.reset()：重置匹配器，放棄其所有顯式狀態(tài)信息并將其添加位置設(shè)置為零。
或者M(jìn)atcher.reset(CharSequence input) 重置此具有新輸入序列的匹配器。
來(lái)重復(fù)使用匹配器。
4、組的概念，這個(gè)概念很重要，組是用括號(hào)劃分的正則表達(dá)式，可以通過(guò)編號(hào)來(lái)引用組。組號(hào)從0開(kāi)始，有幾對(duì)小括號(hào)就表示有幾個(gè)組，并且組可以嵌套，組號(hào)為0的表示整個(gè)表達(dá)式，組號(hào)為1的表示***個(gè)組，依此類(lèi)推。
例如：A(B)C(D)E正則式中有三組，組0是ABCDE，組1是B，組2是D；
A((B)C)(D)E正則式中有四組：組0是ABCDE，組1是BC，組2是B；組3是C，組4是D。
- int groupCount()：返回匹配其模式中組的數(shù)目，不包括第0組。
- String group()：返回前一次匹配操作（如find()）的第0組。
- String group(int group)：返回前一次匹配操作期間指定的組所匹配的子序列。如果該匹配成功，但指定組未能匹配字符序列的任何部分，則返回 null。
- int start(int group)：返回前一次匹配操作期間指定的組所匹配的子序列的初始索引。
- int end(int group)：返回前一次匹配操作期間指定的組所匹配的子序列的***索引+1。
5、匹配的范圍的控制
最變態(tài)的就要算lookingAt()方法了，名字很讓人迷惑，需要認(rèn)真看APIDoc。
- start() 返回以前匹配的初始索引。
- end() 返回***匹配字符之后的偏移量。
- public boolean lookingAt()嘗試將從區(qū)域開(kāi)頭開(kāi)始的輸入序列與該模式匹配。
與 matches 方法類(lèi)似，此方法始終從區(qū)域的開(kāi)頭開(kāi)始；與之不同的是，它不需要匹配整個(gè)區(qū)域。如果匹配成功，則可以通過(guò) start、end 和 group 方法獲取更多信息。
返回：當(dāng)且僅當(dāng)輸入序列的前綴匹配此匹配器的模式時(shí)才返回 true。
6、Pattern標(biāo)記
Pattern類(lèi)的靜態(tài)方法
- static Pattern compile(String regex, int flags)
將給定的正則表達(dá)式編譯到具有給定標(biāo)志的模式中。
其中的flags參數(shù)就是Pattern標(biāo)記，這個(gè)標(biāo)記在某些時(shí)候非常重要。
- Pattern.CANON_EQ 啟用規(guī)范等價(jià)。
- Pattern.CASE_INSENSITIVE 啟用不區(qū)分大小寫(xiě)的匹配。
- Pattern.COMMENTS 模式中允許空白和注釋。
- Pattern.DOTALL 啟用 dotall 模式。
- Pattern.LITERAL 啟用模式的字面值分析。
- Pattern.MULTILINE 啟用多行模式。
- Pattern.UNICODE_CASE 啟用 Unicode 感知的大小寫(xiě)折疊。
- Pattern.UNIX_LINES 啟用 Unix 行模式。
三、字符串的替換
String.replace(char oldChar, char newChar)
返回一個(gè)新的字符串，它是通過(guò)用 newChar 替換此字符串中出現(xiàn)的所有 oldChar 而生成的。
String.replace(CharSequence target, CharSequence replacement)
使用指定的字面值替換序列替換此字符串匹配字面值目標(biāo)序列的每個(gè)子字符串。
String.replaceAll(String regex, String replacement)
使用給定的 replacement 字符串替換此字符串匹配給定的正則表達(dá)式的每個(gè)子字符串。
String.replaceFirst(String regex, String replacement)
使用給定的 replacement 字符串替換此字符串匹配給定的正則表達(dá)式的***個(gè)子字符串。
StringBuffer.replace(int start, int end, String str)
使用給定 String 中的字符替換此序列的子字符串中的字符。
StringBuilder.replace(int, int, java.lang.String)
使用給定 String 中的字符替換此序列的子字符串中的字符。
Matcher.replaceAll(String replacement)
替換模式與給定替換字符串相匹配的輸入序列的每個(gè)子序列。
Matcher.replaceFirst(String replacement)
替換模式與給定替換字符串匹配的輸入序列的***個(gè)子序列。
四、字符串的切分
String[] split(String regex)
根據(jù)給定的正則表達(dá)式的匹配來(lái)拆分此字符串。
String[] split(String regex, int limit)
根據(jù)匹配給定的正則表達(dá)式來(lái)拆分此字符串。
當(dāng)然，還有一個(gè)StringTokenizer類(lèi)，可以用來(lái)切分字符串，但是現(xiàn)在SUN已經(jīng)不推薦使用了。轉(zhuǎn)變下思路，其實(shí)用正則表達(dá)式也可以達(dá)到將字符串切分為段的目的。
五、沒(méi)有提到的
正則表達(dá)式的API簡(jiǎn)單好用，沒(méi)太多復(fù)雜的地方，并非不重要，正則表達(dá)式***的難點(diǎn)在于熟練書(shū)寫(xiě)正則表達(dá)式。有關(guān)正則表達(dá)式的規(guī)范，在Pattern類(lèi)APIdoc中都有非常詳細(xì)的介紹，而且條理清晰，在此就不贅述了。
