应用程序常常需要有文本处理功能,比如单词查找、电子邮件确认或XML文档 集成。这通常会涉及到模式匹配。Perl、sed或awk等语言通过使用正则表达式来 改善模式匹配,正则表达式是一串字符,它所定义的模式可用来查找匹配的文本。 为了使用Java
TM编程语言进行模式匹配,需 要使用带有许多
charAt
子字串的
StringTokenizer
类,读取字母或符号以便处理文本。这常常导致复杂或凌乱的代码。
现在不一样了。
2平台标准版(J2SETM)1.4版包含一个名 为java.util.regex
的新软件包,使得使用正则表达式成为可能。 目前的功能包括元字符的使用,它赋予正则表达式极大的灵活性
本文概括地介绍了正则表达式的使用,并详细解释如何利用 java.util.regex
软件包来使用正则表达式,用以下常见情形作为 例子:
- 简单的单词替换
- 电子邮件确认
- 从文件中删除控制字符
- 查找文件
为了编译这些例子中的代码和在应用程序中使用正则表达式,需要安装 J2SE 1.4版。
构造正则表达式
正则表达式是一种字符模式,它描述的是一组字符串。你可以使用 java.util.regex
软件包,查找、显示或修改输入序列中出现的 某个模式的一部分或全部。
正则表达式最简单的形式是一个精确的字符串,比如“Java”或 “programming”。正则表达式匹配还允许你检查一个字符串是否符合某个具体的 句法形式,比如是不是一个电子邮件地址。
为了编写正则表达式,普通字符和特殊字符都要使用:
正则表达式中出现的任何其他字符都是普通字符,除非它前面有个 \
。
特殊字符有着特别的用处。例如,.可匹配除了换行符之外的任意字符。与 s.n
这样的正则表达式匹配的是任何三个字符的、以s
开始以n
结束的字符串,包括sun
和son
。
在正则表达式中有许多特殊字符,可以查找一行开头的单词,忽略大小写或 大小写敏感的单词,还有特殊字符可以给出一个范围,比如a-e
表 示从a
到e
的任何字母。
使用这个新软件包的正则表达式用法与Perl类似,所以如果你熟悉Perl中正则 表达式的使用,就可以在Java语言中使用同样的表达式语法。如果你不熟悉正则 表达式,下面是一些入门的例子:
构造 |
匹配于 |
字符 |
|
x |
字符 x |
\\ |
反斜线字符 |
\0 n |
八进制值的字符0 n (0 <= n <= 7) |
\0 nn |
八进制值的字符 0 nn (0 <= n <= 7) |
\0 mnn |
八进制值的字符0mnn 0 mnn (0 <= m <= 3, 0 <= n <= 7) |
\x hh |
十六进制值的字符0x hh |
\u hhhh |
十六进制值的字符0x hhhh |
\t |
制表符('\u0009' ) |
\n |
换行符 ('\u000A' ) |
\r |
回车符 ('\u000D' ) |
\f |
换页符 ('\u000C' ) |
\a |
响铃符 ('\u0007' ) |
\e |
转义符 ('\u001B' ) |
\c x |
T对应于x的控制字符 x |
|
字符类 |
[abc] |
a , b , or c (简单类) |
[^abc] |
除了a 、b 或c 之外的任意 字符(求反) |
[a-zA-Z] |
a 到z 或A 到Z ,包含(范围) |
[a-z-[bc]] |
a 到z ,除了b 和c : [ad-z] (减去) |
[a-z-[m-p]] |
a 到z ,除了m 到 p : [a-lq-z] |
[a-z-[^def]] |
d , e , 或 f |
预定义的字符类 |
. |
任意字符(也许能与行终止符匹配,也许不能) |
\d |
数字: [0-9] |
\D |
非数字: [^0-9] |
\s |
空格符: [ \t\n\x0B\f\r] |
\S |
非空格符: [^\s] |
\w |
单词字符: [a-zA-Z_0-9] |
\W |
非单词字符: [^\w] |
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<str.length;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。
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。
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(); |
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。
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。
先看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): x*,零次或多次 ≡{0,}