java学习系列之正则表达式_Android, Python及开发编程讨论区_Weblogic技术|Tuxedo技术|中间件技术|Oracle论坛|JAVA论坛|Linux/Unix技术|hadoop论坛_联动北方技术论坛  
网站首页 | 关于我们 | 服务中心 | 经验交流 | 公司荣誉 | 成功案例 | 合作伙伴 | 联系我们 |
联动北方-国内领先的云技术服务提供商
»  游客             当前位置:  论坛首页 »  自由讨论区 »  Android, Python及开发编程讨论区 »
总帖数
1
每页帖数
101/1页1
返回列表
0
发起投票  发起投票 发新帖子
查看: 2147 | 回复: 0   主题: java学习系列之正则表达式        下一篇 
panpan.nie
注册用户
等级:大校
经验:4754
发帖:217
精华:2
注册:1970-1-1
状态:离线
发送短消息息给panpan.nie 加好友    发送短消息息给panpan.nie 发消息
发表于: IP:您无权察看 2015-4-8 15:03:23 | [全部帖] [楼主帖] 楼主

正则表达式使用单个字符串来描述、匹配一系列符 合某个句法规则的字符串,即由普通字符(例如字符 到 z)以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索 的字符串进行匹配。

一、元字符


1.1    [字符组(Character Classes)


字符组可以匹配[ ]中包含的任意一个字符。虽然可以是任意一个,但只能是一个。

字符组支持由连字符“-”来表示一个范围。当“-”前后构成范围时,要求前面字符的码位小于后面字符的码位。

[^排除型字符组。排除型字符组表示任意一个未列出的字符,同样只能是一个。排除型字符组同样支持由连字符“-”来表示一个范围。

北京联动北方科技有限公司

举例:

[0-9][0-9]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“20”。

[^inW]”在匹配“Windows 2003”时,匹配成功,匹配的结果为“d”。

1.2   常见字符范围缩写


对于一些常用的字符范围,如数字等,由于非常常用,即使使用[0-9]这样的字符组仍显得麻烦,所以定义了一些元字符,来表示常见的字符范围。

北京联动北方科技有限公司

举例:

\w\s\d”在匹配“Windows 2003”时,匹配成功,匹配的结果为“s 2”。

1.3    . 小数点


小数点可以匹配除“\n”以外的任意一个字符。如果要匹配包括“\n”在内的所有字符,一般用[\s\S],或者是用“.”加(?s)匹配模式来实现。

北京联动北方科技有限公司

1.4    其它元字符


北京联动北方科技有限公司

举例:

^a”在匹配“cba”时,匹配失败,因为表达式要求开始位置后面是字符“a”,而“cba”显然是不满足的。

\d$”在匹配“123”时,匹配成功,匹配结果为“3”,这个表达式要求匹配结尾处的数字,如果结尾处不是数字,如“123abc”,则是匹配失败的。

1.5   转义字符


一些不可见字符,或是在正则中具有特殊意义的元字符,如想匹配字符本身,需要用“\”对其进行转义。

北京联动北方科技有限公司

以下字符在匹配其本身时,通常需要进行转义。在实际应用中,根据具体情况,需要转义的字符可能不止如下所列字符

. $ ^ { [ ( ) * + ? \


1.6   量词(Quantifier


量词表示一个子表达式可以匹配的次数。量词可以用来修饰一个字符、字符组,或是用()括起来的子表达式。一些常用的量词被定义成独立的元字符。

北京联动北方科技有限公司

注意:在不是动态生成的正则表达式中,不要出现“{1}”这样的量词,如“\w{1}”在结果上等价于“\w”,但是会降低匹配效率和可读性,属于画蛇添足的做法。

1.7   分支结构(Alternation


当一个字符串的某一子串具有多种可能时,采用分支结构来匹配,“ ”表示多个子表达式之间“或”的关系,“ ”是以()限定范围的,如果在“ ”的左右两侧没有()来限定范围,那么它的作用范围即为“ ”左右两侧整体。

北京联动北方科技有限公司

举例:

^aa b$”在匹配“cccb”时,是可以匹配成功的,匹配的结果是“b”,因为这个表达式表示匹配“^aa”或“b$”,而“b$”在匹配“cccb ”时是可以匹配成功的。

^(aa b)$”在区配“cccb”时,是匹配失败的,因为这个表达式表示在“开始”和“结束”位置之间只能是“aa”或“b”,而“cccb”显然是不满足的。

二、Java中正则表达式的使用


指定为字符串的正则表达式必须首先被编译为此类的实例。然后,可将得到的模式用于创建 Matcher 对象,依照正则表达式,该对象可以与任意字符序列匹配。执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式。 

因此,典型的调用顺序是 

Pattern p = Pattern.compile("a*b"); Matcher m = p.matcher("aaaaab"); boolean b = m.matches();


在仅使用一次正则表达式时,可以方便地通过此类定义 matches 方法。此方法编译表达式并在单个调用中将输入序列与其匹配。语句 

boolean b = Pattern.matches("a*b", "aaaaab");


例:

import java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test

{

    public static void main(String[] args)

    {

        //定义一个正则表达式,匹配任意个a2~5b组成的字符串

        String regex = "a*b{2,5}";

        //编译表达式

        Pattern p = Pattern.compile(regex);

        String str ="aaaaabb";

        Matcher m = p.matcher(str);

        boolean b = m.matches();

        System.out.println(b);   //输出:true

        //reset()方法,可将现有的Matcher对象应用于一个新的字符序列。

        str ="aaaaaadsddsdbb";

        m.reset(str);

        System.out.println(m.matches());   //输出:false

        str ="bbbb";

        m.reset(str);

        System.out.println(m.matches());   //输出:true

        str = "aaaaaahellobbbbbaabbabbbworldab@@&*goodabbbbbbbbbb";

        m.reset(str);

        //查找所有匹配模式的字符串,并打印出来

        //输出:bbbbb,aabb,abbb,abbbbb,bbbbb,

        while(m.find())

        {

            System.out.print(m.group()+",");

        }

        System.out.println();

        //,替换所有匹配模式的字符串

        //输出:aaaaaahello,,,worldab@@&*good,,

        String str1 = str.replaceAll(regex, ",");

        System.out.println(str1);

        //将字符串以用匹配模式的字符串为界来划分数组

        //输出:aaaaaahello,,,worldab@@&*good,

        String[] arrays = str.split(regex);

        System.out.println(arrays.length); //4        

        for(String s:arrays)

        {

            System.out.print(s+",");

        }

        System.out.println();

    }

}

三、贪婪与懒惰模式


Ø  从语法角度看贪婪与懒惰

被匹配优先量词修饰的子表达式,使用的是贪婪模式;被忽略优先量词修饰的子表达式,使用的是懒惰模式。它们的区别在于重复限定修饰符的后面是否有问号,有的话就是懒惰模式,否则就是贪婪模式。

匹配优先量词包括:“{m,n}”、“{m,}”、“?”、“*”和“+”。

忽略优先量词包括:“{m,n}?”、“{m,}?”、“??”、“*?”和“+?”。

Ø  从应用角度看贪婪与懒惰

贪婪与懒惰模式影响的是被量词修饰的子表达式的匹配行为,贪婪模式在整个表达式匹配成功的前提下,尽可能多的匹配;而懒惰模式在整个表达式匹配成功的前提下,尽可能少的匹配。懒惰模式只被部分NFA引擎所支持。

Ø  从匹配原理角度看贪婪与懒惰

能达到同样匹配结果的贪婪与懒惰模式,通常是贪婪模式的匹配效率较高。

所有的懒惰模式,都可以通过修改量词修饰的子表达式,转换为贪婪模式。

贪婪模式可以与固化分组结合,提升匹配效率,而懒惰模式却不可以。

:

   源字符串:aa<div>test1</div>bb<div>test2</div>cc

正则表达式<div>.*</div>

匹配结果<div>test1</div>bb<div>test2</div>

正则表达式<div>.*?</div>

匹配结果<div>test1</div>

四、常用正则表达式


1匹配中文字符的正则表达式: [\u4e00-\u9fa5]

2匹配空白行的正则表达式:\n\s*\r

评注:可以用来删除空白行

3匹配首尾空白字符的正则表达式:^\s* \s*$

评注:可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等),非常有用的表达式

4匹配Email地址的正则表达式:\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*

评注:表单验证时很实用

5匹配网址URL的正则表达式:[a-zA-z]+://[^\s]*

评注:网上流传的版本功能很有限,上面这个基本可以满足需求

6匹配帐号是否合法(字母开头,允许5-16字节,允许字母数字下划线)^[a-zA-Z][a-zA-Z0-9_]{4,15}$

评注:表单验证时很实用

7匹配国内电话号码:\d{3}-\d{8} \d{4}-\d{7}

评注:匹配形式如 0511-4405222 或 021-87888822

8匹配腾讯QQ号:[1-9][0-9]{4,}

评注:腾讯QQ号从10000开始

9匹配身份证:\d{15} \d{18}

评注:中国的身份证为15位或18

10匹配ip地址:\d+\.\d+\.\d+\.\d+

评注:提取ip地址时有用




赞(0)    操作        顶端 
总帖数
1
每页帖数
101/1页1
返回列表
发新帖子
请输入验证码: 点击刷新验证码
您需要登录后才可以回帖 登录 | 注册
技术讨论