Boris的小家

§1黑暗岁月

       有一个String，如何查询其中是否有y和f字符？最黑暗的办法就是：

程序1：我知道if、for语句和charAt()啊。

class Test{

  public static void main(String args[]) {

         String str="For my money, the important thing "+

         "about the meeting was bridge-building";

         char x='y';

         char y='f';

         boolean result=false;

         for(int i=0;i

                char z=str.charAt(i);  //System.out.println(z);

                if(x==z||y==z) {

                       result=true;

                       break;

                }

                else result=false;

         }  

         System.out.println(result);

       }

}

       好像很直观，但这种方式难以应付复杂的工作。如查询一段文字中，是否有is？是否有thing或ting等。这是一个讨厌的工作。

§2 Java的java.util.regex包

       按照面向对象的思路，把希望查询的字符串如is、thing或ting封装成一个对象，以这个对象作为模板去匹配一段文字，就更加自然了。作为模板的那个东西就是下面要讨论的正则表达式。先不考虑那么复杂，看一个例子：

程序2：不懂。先看看可以吧？

import java.util.regex.*;

class Regex1{

  public static void main(String args[]) {

         String str="For my money, the important thing "+

         "about the meeting was bridge-building";

         String regEx="a|f";   //表示a或f

         Pattern p=Pattern.compile(regEx);

         Matcher m=p.matcher(str);

         boolean result=m.find();

         System.out.println(result);

       }

}

       如果str匹配regEx，那么result为true，否则为flase。如果想在查找时忽略大小写，则可以写成：

Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);

       虽然暂时不知道Pattern（模板、模式）和Matcher（匹配器）的细节，程序的感觉就比较爽，如果先查询is、后来又要查询thing或ting，我们只需要修改一下模板Pattern，而不是考虑if语句和for语句，或者通过charAt()。

1、写一个特殊的字符串——正则表达式如a|f。

2、将正则表达式编译成一个模板：p

3、用模板p去匹配字符串str。

       思路清楚了，现在看Java是如何处理的（Java程序员直到JDK1.4才能使用这些类。

§3 Pattern类与查找

       ①public final class java.util.regex.Pattern是正则表达式编译后的表达法。下面的语句将创建一个Pattern对象并赋值给句柄p：Pattern p=Pattern.compile(regEx);

       有趣的是，Pattern类是final类，而且它的构造器是private。也许有人告诉你一些设计模式的东西，或者你自己查有关资料。这里的结论是：Pattern类不能被继承，我们不能通过new创建Pattern类的对象。

       因此在Pattern类中，提供了2个重载的静态方法，其返回值是Pattern对象（的引用）。如：

    public static Pattern compile(String regex) {

        return new Pattern(regex, 0);

    }

       当然，我们可以声明Pattern类的句柄，如Pattern p=null；

       ②p.matcher(str)表示以用模板p去生成一个字符串str的匹配器，它的返回值是一个Matcher类的引用，为什么要这个东西呢？按照自然的想法，返回一个boolean值不行吗？

       我们可以简单的使用如下方法：

       boolean result=Pattern.compile(regEx).matcher(str).find();

       呵呵，其实是三个语句合并的无句柄方式。无句柄常常不是好方式。后面再学习Matcher类吧。先看看regEx——这个怪咚咚。

§4 正则表达式之限定符

       正则表达式（Regular Expression）是一种生成字符串的字符串。晕吧。比如说，String regEx="me+";这里字符串me+能够生成的字符串是：me、mee、meee、meeeeeeeeee等等，一个正则表达式可能生成无穷的字符串，所以我们不可能（有必要吗？）输出正则表达式产生的所有东西。

反过来考虑，对于字符串：me、mee、meee、meeeeeeeeee等等，我们能否有一种语言去描述它们呢？显然，正则表达式语言是这种语言，它是一些字符串的模式——简洁而深刻的描述。

我们使用正则表达式，用于字符串查找、匹配、指定字符串替换、字符串分割等等目的。

 

       生成字符串的字符串——正则表达式，真有些复杂，因为我们希望由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）描述任意的字符串，而且要准确。

       先搞几个正则表达式例子：

       程序3：我们总用这个程序测试正则表达式。

       import java.util.regex.*;

class Regex1{

  public static void main(String args[]) {

         String str="For my money, the important thing "；

         String regEx="ab*";

         boolean result=Pattern.compile(regEx).matcher(str).find();

         System.out.println(result);

       }

}//ture

①"ab*"——能匹配a、ab、abb、abbb……。所以，*表示前面字符可以有零次或多次。如果仅仅考虑查找，直接用"a"也一样。但想想替换的情况。 问题regEx="abb*"结果如何？

②"ab+"——能匹配ab、abb、abbb……。等价于"abb*"。问题regEx="or+"结果如何？

③"or?"——能匹配o和or。? 表示前面字符可以有零次或一次。

       这些限定符*、+、?方便地表示了其前面字符(子串)出现的次数（我们用{}来描述）：

      

现在我们知道了连续字符串的查找、匹配。下面的是一些练习题：

①查找粗体字符串（不要求精确或要求精确匹配），写出其正则表达式：

②正则表达式匹配字符串，输出是什么？

§5替换（删除）、Matcher类

现在我们可能厌烦了true/false，我们看看替换。如把book，google替换成bak（这个文件后缀名，在EditPlus中还行）、look或goooogle。

       程序4：字符串的替换。

       import java.util.regex.*;

class Regex1{

       public static void main(String args[]) {

              String regEx="a+";//表示一个或多个a

              String str="abbbaaa an banana hhaana";

              Pattern p=Pattern.compile(regEx);

              Matcher m=p.matcher(str);

              String s=m.replaceAll("⊙⊙"); // ("") 删除

              System.out.println(s);

       }

}       

       这个程序与前面的程序的区别，在于使用了m.replaceAll(String)方法。看来Matcher类还有点用处。

①    public final class Matcher是一个匹配器。可以把他看成一个人，一手拿着模子（Pattern类的对象），一手拿着一个字符序列（CharSequence），通过解释该模子而对字符序列进行匹配操作（match operations）。常常我们这样编程：“喂，模子p，你和字符串str一起创建一个匹配器对象”。即Matcher m=p.matcher(str);

②    m可以进行一些操作，如public String replaceAll(String replacement)，它以replacement替换所有匹配的字符串。

§6正则表达式之特殊字符

我们熟悉这样一个字符串"\n" 如：System.out.print(s+"\nbbb");这是Java中常用的转移字符之一。其实转移字符就是一种正则表达式，它使用了特殊字符 \ 。

 

下面是正则表达式中常用的特殊字符：

匹配次数符号	*	+	？	{n}、{n,}、{n,m}
“或”符号	|     程序2已经使用过了
句点符号	.     句点符号匹配所有字符（一个），包括空格、Tab字符甚至换行符。
方括号	[ ]   仅仅匹配方括号其中的字符)
圆括号	()    分组，圆括号中的字符视为一个整体。
连字符	-     表示一个范围。
“否”符号	^    表示不希望被匹配的字符（排除）

我们一下子学不了太多的东西，这不是正则表达式的全部内容和用法。但已经够我们忙活的了。我们用程序4 验证。(⊙⊙表示替换的字符)

①    regEx为下列字符串时，能够表示什么？

regEx	匹配	测试用str
(a|b){2}	aa、ab、bb、ba	aabbfooaabfooabfoob
a[abc]b	aab、abb、acb	3dfacb5ooyfo6abbfooaab
.	all string	3dfac
a.	aa、ax……等等	3dfacgg
d[^j]a	daa、d9a等等，除dja	3dfacggdjad5a
[d-g][ac]c	dac、ecc、gac等	3dfacggggccad5c
[d-g].{2}c	d⊙⊙c……	3dfacggggccad5c
g{1,10}	g、ggg……	3dfacggggccad5c
[a|c][^a]		3dfacggggccad5c

 

②    下列字符串如何用regEx表示？

测试用str	匹配	regEx
aabbfoaoabfooafobob	a⊙⊙b	a..b
aabbfoaaobfooafbob	a⊙b、除aab	a[^a]b、
gooooooogle	oooo……变成oo	o{2,20}
一本书中的“tan”、“ten”、“tin”和“ton”		t.n、t[aeio]n
abcaccbcbaacabccaa	删除ac、ca	(ca)|(ac)
abccbcbaabca	再删除ab、ba	结果ccbcca（如何与上面的合并）

注：

1、String str="一本书中的tan、ten、tin和ton";

输出：     一本书中的⊙⊙、⊙⊙、⊙⊙和⊙⊙

2、String str=" abcaccbcbaacabccaa "; 输出：ccbcca

       程序5：if、for语句和charAt()，886。

import java.util.regex.*;

class Regex1{

    public static void main(String args[]) {

           String str="abcaccbcbaacabccaa";

           String regEx="(ac)|(ca)";

           Pattern p=Pattern.compile(regEx);

           Matcher m=p.matcher(str);

           String s=m.replaceAll("");//⊙⊙

           regEx="(ab)|(ba)";

           p=Pattern.compile(regEx);

           s=p.matcher(s).replaceAll("");

 

           System.out.print(s+"\n");

    }

}

 

§7 开始

好像我们知道了一些正则表达式与 Java的知识，事实上，我们才刚刚开始。这里列出我们知道的东西，也说一点我们不知道的东西。

①              Java在JDK1.4引入了（java.util.regex包）以支持正则表达式，包中有两个类，分别是Pattern和Matcher。它们都有很多的方法，我们还不知道。String类中的split、matches方法等等也使用到了正则表达式。StringTokenizer是否没有用处了？

②             正则表达式是一门语言。有许多正则表达式语法、选项和特殊字符，在Pattern.java源文件中大家可以查看。可能比想象中的要复杂。系统学习正则表达式的历史、语法、全部特殊字符（相当于Java中的关键字的地位），组合逻辑是下一步的事情。

③             正则表达式是文本处理的重要技术，在Perl、PHP、Python、JavaScript、Java、C＃中被广泛支持。被列为“保证你现在和未来不失业的十种关键技术”，呵呵，信不信由你。