Java 正则表达式入门
openkk
12年前
j2se中一个重要的部分正则表达式很强大，它在处理字符串匹配时强大有余啊。主要涉及到java.util.regex包中的Pattern类与Matcher类。
下面从代码中，走入正则表达式
代码片段一，入门级的：
private static void testRegExpAccidence() { //正则表达示第一个内容，点.可以替换任何一个字符。所以下面的应该是true。match(...)代码，是否符合有三个字符. sop("abc".matches("...")); //正则表达示2，reaplaceAll第一参数支持正则，而\\d代表的是数字，就是说把所有数字替换成&。 sop("abc1234abc".replaceAll("\\d","&")); //正则表达示3,compile的玩意。一般需要先把正则规则编译成Pattern，而Pattern无构造方法，只能通过compile方法 Pattern pat = Pattern.compile("[abc]{3}"); Matcher mat = pat.matcher("abc"); //通过编译出来的Pattern去匹配一个字符，返回的一个是匹配的结果用Matcher对象 sop(mat.matches());//其实也可以直接用"abc".matches("[abc]{3}") 来判断字符串，是否符合[abc]{3}正则表达示 sop("------------. * + ?作用 --------------------"); //认为. * + ?的作用。 sop("a".matches(".")); //.匹配任意一个 sop("aaaa".matches("a*")); //X* 代表X出现0次或多次 sop("aaaa".matches("a+")); //X+ 代表X出现1次或多次 sop("aaaa".matches("a?"));//false //X? 代表X出现1次或0次 sop("".matches("a*")); sop("".matches("a+")); //false sop("".matches("a?")); sop("a".matches("a*")); sop("a".matches("a+")); sop("a".matches("a?")); sop("2343902594".matches("\\d{3,100}")); // \\d代表数字然后{3,100}代表至少出现3次，至多出现100次 sop("192.168.0.aaa".matches("\\d{3}\\.\\d{3}\\.\\d{3}\\.\\d{3}")); //false,其它未标识全部是true sop("192".matches("[0-2][0-9][0-9]")); sop("---------------范围的匹配------------------------"); sop("a".matches("[abc]")); //true，[abc]代表，或者a或者b或者c，取三个之中的任意一个 sop("a".matches("[^abc]")); //false， [^abc]代表，不得是a或b或c，即不得是三个中的任意一个 sop("A".matches("[a-zA-Z]")); //true 范围[a-zA-Z]代表是a-z或A-Z中的任意一个 sop("A".matches("[a-z]|[A-Z]"));//true，范围[a-z]|[A-Z]也是代表a-z或A-Z中的任意一个 sop("A".matches("[a-z[A-Z]]"));//true，范围[a-z[A-Z]]也是代表a-z或A-Z中的任意一个 sop("R".matches("[A-Z&&[RFG]]"));//true 范围[A-Z&&[RFG]]代表取A-Z与RFG两个范围交集RFG中的任意一个 sop("---------------认识反斜杠s、反斜杠w、反斜杠d、反斜杠------------------------"); //\s \w \d \ \s代表空格 \w代表一个单词(a-z0-9_A-Z) \d代表数字 // \ 通常和转义一起用，如\t\r\n之类的，若只当成一个普通字符\，则需要再转义一次 \\。 sop(" \n\r\t".matches("\\s{4}")); //\s，转义需要再转义一次即\\s，代表四个空格。 sop(" ".matches("\\S")); // \S，代表是\s的非取反，即不是空格(非空格)。 规则一般大写是小写的语义相反如\D是非数字 结果肯定false。 sop("a_8".matches("\\w{3}")); // \\w代表单词中的字母，{3}代表出现三次。结果肯定是true了。 //sop("\\".matches("\\")); // 注意这里肯定会报错，因为在matches正则中，先java解释两个\\是一个转义， // 但一个转义让正则去解释肯定要报错，它像java一样要再用一个转义来转义它，证明它是一个普通的反斜杠。 sop("\\".matches("\\\\")); sop("---------------认识boundary边界 ^及$ \\b------------------------"); sop("hello sir".matches("^h.*")); //^不在中括号[]中，代表以什么开头，如这里是代表以h开头 sop("hello sir".matches(".*ir$")); //$代表以什么结尾，如这里是以ir结尾 // 这里有\\b代表 单词边界，可以以空格 \t或\r \n等来隔开。 sop("hello sir".matches("^h[a-z]{1,3}o\\b.*")); //这里的.要加上，代理单词边界后面还是字符，1个或多个。 sop("hellosir".matches("^h[a-z]{1,3}o\\b*")); //就是false了。 sop("---------几个小练习------------"); sop("aaa 8888c".matches(".*\\d{4}.")); //肯定是true，因为.*代表任意出现0次或多次 sop("aaa 8888c".matches(".*\\b\\d{4}.")); //肯定是true，因为.*代表任意出现0次或多次 sop("aaa8888c".matches(".*\\d{4}.")); sop("aaa8888c".matches(".*\\b\\d{4}."));//这个就false了，因为\\b是单词边界，后面又跟着\d{4}肯定没戏。 sop("chenssadf@aio7.com".matches("\\w+@\\w+\\.\\w+")); //这个虽然可以用，但似乎对前面的@单词可以用.或-的没有加上哦。 sop("-chenssadf@aio7.com".matches("[\\w.-]+@[\\w.-]+\\.\\w+")); }
代码片段二：掌握Matcher类的 find、start、end、lookingAt方法：
private static void testFindAndLookingAt() { sop("---------------------matcher.find 与 matcher.lookingAt match.reset等方法测试--------------------------"); Pattern p = Pattern.compile("\\d{3,5}"); Matcher match = p.matcher("234-32132-4321-00"); sop(match.matches()); //matches方法与find方法相互操作是有影响的，因为两者查看完会记录出下个要操作的指针位置。 match.reset(); //比如这里没有reset重置指针位置时，matches方法虽然匹配失败false，但它吐进去的4个字符不会吐出来 sop(match.find()); //这样，这里的第一个find从32132开始查了，就不从头了。(除非前面有reset重置)。所以接下来最后两上肯定是false了。 sop(match.start()+"--"+match.end()); //上面的find必须返回是true ，然后start是返回本次找到数据的第一位置，这里肯定是0，最后一个位置3(3是不包括) sop(match.find()); sop(match.start()+"--"+match.end()); // start肯定就是4，end就是9了。 sop(match.find()); sop(match.start()+"--"+match.end()); sop(match.find()); //sop(match.start()+"--"+match.end()); //注意这里，不能打印的。因为上面的find返回的是false，根本没有找到。所以start或end方法 //会报IllegalStateException: No match available sop(match.lookingAt()); //这下面的lookingAt打印永远都是true，因为lookingAt永远每次都是重新重头打开查。 sop(match.lookingAt()); }
代码片段三：掌握强大的replace、replaceAll、appendReplacement方法
private static void testReplacement() { sop("---------------------------match.replece及相关的替换测试---------------------"); //CASE_INSENSITIVE 大小写不敏感即能吃呢 Pattern.CANON_EQ 默认的方法即是敏感必须相同 Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE); //怎么把下面一串乱七八槽的java替换掉呢。比如只替换正则中规定的java Matcher match = p.matcher("Java java JAva JAVa ILOVEJAVA youhateJaVa asdfasl;kdfj"); //sop(match.replaceAll("SOP")); //可以将java全部替换成SOP，或只把小写java替换都可以。 //现有有个需求是，把单次数出现的java大小写均可，替换成SOP，双次数出现的替换成HELP。可以通过while循环find来搞 int count = 0; StringBuffer buf = new StringBuffer(); //这里不可以写StringBuilder，因为matcher后面的方法不支持Builder while(match.find()){ if(0 == count++%2){ match.appendReplacement(buf, "HELP"); }else{ match.appendReplacement(buf, "SOP"); } } sop(match.appendTail(buf)); //把后面没有find上的尾巴asdf等字符添加 进去。 }
代码片段四：url中抓取邮件地址：
/** * 通过向一网站，发送http请求，把请求回响回来的网页内容进行解析，分析出来e-mail出来。 */ private static void testUrlFetchEmail() throws Exception { sop("-----------------用URL发送一个请求给网站，对返回的内部进行抓取e-mail地址出来----------------------"); //http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml URL url = new URL("http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml"); sop(url.getContent()); sop(url.getQuery()); InputStream is = url.openStream(); BufferedReader br = new BufferedReader(new InputStreamReader(is,"utf-8")); Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+"); //Pattern p = Pattern.compile("^([\\w.-]+)@([\\w.-]+)\\.\\w+"); //这里把^加上去就挂了，代表这个字符串是以邮件开头 String line = null; //从URL中读出来的字符行，肯定不会是以邮件开头的，至少都是<br>或<P>或<dir>之类的，不会以邮件开头的吧。 while((line=br.readLine())!=null){ Matcher ma = p.matcher(line); while(ma.find()){ //group必须与find一起来联系。否则报：java.lang.IllegalStateException: No match found sop(ma.group()+"这家伙用户名："+ma.group(1)+"，用的公司域名："+ma.group(2)); } //sop(line); //java.lang.IllegalStateException: No match found } }
代码片段五：代码行统计
/** * 若是文件夹则递归，若是普通的.java文件则传给统计代码方法。 * @param dir 是传入到此方法中 目录的文件。如想查到D:\test文件夹(会以递归查所有文件)中所有代码 * @throws Exception */ private static void parseDirCodeNum(File dir) throws Exception{ File[] files = dir.listFiles(new FilenameFilter(){ @Override public boolean accept(File dir, String name) { File tempFile = new File(dir,name); if(tempFile.isFile()){ //若是个普通文件的话，则过滤一切不是.java的文件，文件夹为true，以便再次递归 if(name.endsWith(".java")){ return true ; }else{ return false; } } return true; } }); for(File f : files){ if(f.isDirectory()){ parseDirCodeNum(f); }else{ parseFileDirNum(f); //是普通java文件则解析出代码行数 } } } /** * 统计代码行的方法。 * @param f * @throws Exception */ private static void parseFileDirNum(File f) throws Exception{ BufferedReader br = new BufferedReader(new FileReader(f)); boolean isComment = false ; String line = null ; while((line = br.readLine())!=null){ line = line.trim(); //一开始就去掉取出来行中的 空格，因为对于注释前面一般有\t影响stratsStart if(line.startsWith("/*")&&line.endsWith("*/")){ //只有一行注释 commentLine++; }else if(line.startsWith("/*")){ //可能出现了多行注释了，那么就标识注释isComment开始了,true了。 commentLine++; isComment = true; }else if(isComment){ //要是标识开始了，未标识出false统统认为是注释行。当然若注释结束了*/了，则去掉标识。 commentLine++; if(line.endsWith("*/")){ //这里没有问题，因为注释中，不能含有*/的。 isComment = false; } }else if(line.startsWith("//")){ commentLine++; } else if(line.matches("^[\\s&&[^\\n]]*$")){ //空白行，必须是空白开头且不能回车 whitespaceLine++; }else { normalLine++; } } }
代码片段六：掌握Greedy Reluctant Possessive数量词的区别：
/** * 测试Greedy Reluctant Possessive数量词 * Greedy是贪吃 肯定是一上来，就以最多的吃掉，若不满足且可退时，再退出一个再匹配... * Reluctant是 勉强不情意的。 一上来，就吃掉最小的，若不满足且可再吃时，就再吃一个匹配... * Possessive是 */ private static void testGreedyReluctantPossessive() { sop("-------------测试 Greedy Reluctant Possessive数量词-----------------------"); Pattern gp = Pattern.compile(".{3,10}[0-9]"); //Greedy方式 Pattern rp = Pattern.compile(".{3,10}?[0-9]"); //Reluctant方式 主要的与Greedy区别是多出一个? Pattern pp = Pattern.compile(".{3,10}+[0-9]"); //Possessive方式 主要的与Greedy区别是多出一个+ Matcher gm = gp.matcher("asdf8sdfa9"); //通过Greedy匹配出来的匹配器 Matcher rm = rp.matcher("asdf8sdfa9"); //通过Reluctant匹配出来的匹配器 Matcher pm = pp.matcher("asdf8sdfa9"); //通过Possessive匹配出来的匹配器 if(gm.find()){ //因为gm是一次吃掉10个发现后面要求一个数字所以就退回了一个，这样正好满足找到了。 sop(gm.start()+" "+gm.end()); //返回0 10 }else{ sop("找不到匹配的"); } if(rm.find()){ //因为rm是一次吃掉3发现后面要求一个数字，就再吃掉一个，这样正好满足找到了。 sop(rm.start()+" "+rm.end()); //返回0 5 }else{ sop("找不到匹配的"); } if(pm.find()){ //因为pm是一次性吃掉10个，然后正规要求后面一个数字，但它不吐出来（看来更贪婪，难怪是独占式的）。找不到了。 sop(pm.start()+" "+pm.end()); }else{ sop("找不到匹配的"); //返回找不到 } }
代码片段七相关测试代码：
private static long normalLine ; private static long commentLine ; private static long whitespaceLine ; public static void main(String[] args) throws Exception{ testRegExpAccidence(); testFindAndLookingAt(); testReplacement(); sop("-----------------match.group及相关的分组测试--------"); Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+"); Matcher m = p.matcher("-chenshufei2@sina.com"); while(m.find()){ sop(m.group()); sop(m.group(1)); //可以得出用户名-chenshufei2 sop(m.group(2)); //可以得出域公司名sina //sop(m.group(3)); 会报出一个java.lang.IndexOutOfBoundsException: No group 3 //从此 可以验证出，分组就是看正则中小括号(出现的位置，而上面的没有第三个(，所以会报异常。 } //testUrlFetchEmail(); //D:/java_setup_program_file/eclipse/design_pattern/EnhanceJava String dirStr = "D:\\360Rec"; File dir = new File(dirStr); parseDirCodeNum(dir); sop("解析文件时，共有normalLine::"+normalLine+" ,commentLine::"+commentLine+" ,whitespaceLine::"+whitespaceLine); testGreedyReluctantPossessive(); } public static void sop(Object obj){ System.out.println(obj); }