java 正则式,正则表达式,多行匹配,不以某某开头,不区分大小写,2个单元的或操作

转载 2011年01月21日 09:14:00

文章出处:http://topic.csdn.net/u/20080627/14/8a91b33a-f35c-4303-85b5-e0a8da462202.html

1 多行匹配 
2 不以某某开头 ,比如不以www开头 
3 不区分大小写 
4 2个单元的或操作,比如  www ¦ 3w 都可以这种

火龙果回答:

1:多行匹配 

在默认的情况下 . 是不能匹配行结束符的(行结束符有 6 个,具体的可以看看 Pattern 的 API DOC) 
同样,可以像不匹配大小写匹配那样使用编译参数:Pattern.DOTALL 

如果还得区分大小写的话,还得加上上面说到的 Pattern.CASE_INSENSITIVE 这个,举个例子:

 

 

Java代码 
  1. import java.util.regex.Matcher;  
  2. import java.util.regex.Pattern;public class Test {  
  3.   
  4.     public static void main(String[] args) {  
  5.         String str =   
  6.                 "<table>                /n" +  
  7.                 "  <tr>                 /n" +  
  8.                 "    <td>               /n" +  
  9.                 "       Hello World!    /n" +  
  10.                 "    </td>              /n" +  
  11.                 "  </tr>                /n" +  
  12.                 "</table>";  
  13.         String regex = "<td>(.+?)</td>";  
  14.         Pattern pattern = Pattern.compile(regex);  
  15.         Matcher matcher = pattern.matcher(str);  
  16.         while(matcher.find()) {  
  17.             System.out.println(matcher.group(1).trim());  
  18.         }          
  19.     }  
  20. }  

 

 

 

 

 

上面这个是不能从 str 抽取出东西的,因为 td 的后面带有换行符,我们只要更改一下: 

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL); 

这样就行了,如果 td 还得不区分大小写的话,再改成:

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);

这样的话,td 哪怕是大写的这个表达式都能把 td 之间的字符区抽取出来。 

当然和 Pattern.CASE_INSENSITIVE 一样,Pattern.DOTALL 也有内嵌标志表达式,即 (?s) 
s 的意思表示 single-line 就是忽略换行符什么的,只看成单行进行处理。 

这个表达式使用内嵌 (?s) 的话可以改为:

String regex = "(?s)<td>(.+?)</td>";

如果还要不区分大小写的话,再加上 i 标志:
String regex 
= "(?s)(?i)<td>(.+?)</td>";

但这样显得很拖沓,可以把它们合并起来:
String regex 
= "(?is)<td>(.+?)</td>";    // 秩序无所谓

最后需要说明一下的是,我曾看到过由于不明白 DOTALL,为了让 . 匹配行结束符,直接把表达式写成:

String regex = "<td>((.|//s)+?)</td>";

这样做是极其危险的,由于选择结构的匹配效率问题,这样做在比较长的字符串时会造成堆栈溢出, 
使程序崩溃,如果使用 DOTALL 或者 (?s) 的话就不会出现这种情况。

2:不以某某开头 ,比如不以www开头 

Java代码 
  1. public class Test {  
  2.   
  3.     public static void main(String[] args) {  
  4.         String[] strs = {  
  5.                 "abc1232",  "wwwadsf",  
  6.                 "awwwfas",  "wwadfsf",  
  7.                 """ww"" ""www"  
  8.             };  
  9.         String regex = "(?:(?!^www).)*";  
  10.         for(String str : strs) {  
  11.             System.out.printf("%-7s %s%n", str, str.matches(regex));  
  12.         }  
  13.     }  
  14. }  

 

 

(?!X) 专业名称为 Negative Lookahead,表示字符间缝隙后面不允许出现的字符, 
即匹配字符间的缝隙,如果缝隙后的字符不是 X 的话,那这个缝隙就匹配成功。 

举个例子,aab 和 aac,现有表达式 aa(?!b) 这时我们能匹配到的字符串是 aac, 
因为 aa 的后面的缝隙之后不允许出现字符 b,因此只有 aac 进行了匹配。 

再来看个示例: 

Java代码 
  1. public class Test {  
  2.     public static void main(String[] args) {  
  3.         String str = "AQuickBrownFoxJumpsOverTheLazyDog";  
  4.         String[] strs = str.split("(?<!^)(?=[A-Z])");  
  5.         for(String s : strs) {  
  6.             System.out.println(s);  
  7.         }  
  8.     }  
  9. }  

 

 

 

根据大写字母拆分字符串。当然了,这个使用字符串进行分析同样也能进行拆分, 
但是使用正则表达式来拆的话更为便捷直观一些。 

在进行这种拆分时,由于在拆分后的字符数不能减少,因此只能使用零宽度的 
lookaround 功能进行匹配,lookaround 包括四个,即:

(?=X)  (?!X)  (?<=X)  (?<!X)

来看一下这个表达式:(? <!^)(?=[A-Z]) 

前面说到过 (?!) 表示缝隙后面不允许出现的东西,而 (? <!) 表示缝隙前不允许出现的东西。 
(?=) 表示缝隙后允许出现的东西,(? <=) 表示缝隙前允许出现的东西。 

这个表达式在拆分时,根据零宽度匹配缝隙进行拆分的,这个缝隙必须满足以下条件: 

(? <!^) 表示缝隙不允许前不能是行开始,即缝隙不能出现在首字母的前面。 
(?=[A-Z]) 表示缝隙后面允许出现 A-Z 的大写字母。 

这时这个表达式就匹配了下面带有 ¦ 的缝隙:

A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog
PS:不加 (
?<!^) 的话,会变成:
|A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

根据 split 的功能,正则表达式处理程序就根据上面的 ¦ 将字符串给拆分开来了。 


3,不区分大小写 
不加任何限制的匹配是匹配分大小写的,但是正则表达式中可以进行改变, 
有两种方式:参数式和内嵌式。 

来看个示例:

 

Java代码 
  1. import java.util.regex.Matcher;  
  2. import java.util.regex.Pattern;public class Test {  
  3.   
  4.     public static void main(String[] args) {          
  5.         String str = "Book";  
  6.         Pattern pattern = Pattern.compile("book");  
  7.         Matcher matcher = pattern.matcher(str);  
  8.         System.out.println(matcher.matches());  
  9.     }  
  10. }  

 

 

 

 

 

 

 

 

 

上面的这个表达式 book 是不能匹配字符串 Book 的,这时我们只要给定编译时的参数就可以了: 

Pattern pattern = Pattern.compile("book", Pattern.CASE_INSENSITIVE); 

Pattern.CASE_INSENSITIVE 这是一个 int 类型的常量,值为 2。表示表达式忽略大小写进行区配。 

如果我们不采用 Pattern 和 Matcher 两个类来匹配的话,只是使用 String 的 matches 方法的话, 
我们就不能指定表达式的编译参数了,这时就需要采用内嵌标志表达式了,与 Pattern.CASE_INSENSITIVE 
对应的内嵌标志表达式是 (?i),它有四种形式: 
1,(?i) 
2,(?-i) 
3,(?i:X) 
4,(?-i:X) 
不带有 - 的是开标志,带有 - 的是关标志。 

把上面的代码改成这样:

Java代码 
  1. public class Test {  
  2.   
  3.     public static void main(String[] args) {          
  4.         String str = "Book";  
  5.         String regex = "(?i)book";  
  6.         System.out.println(str.matches(regex));  
  7.     }  
  8. }  

 

 

 

我们就达到了同样的效果,当然这样并不是最好的,因为字符串中只有 B 是大写的, 
我们没有必要把所有的字符都进行不区分大小写匹配,我们可以在打开标志,用 (?i) 的 
第二种形式马上关掉它: 
    String regex = "(?i)b(?-i)ook"; 

这样的话,只有 b 是区分大小写了,而 (?-i) 后面的还是得区分大小写匹配的。这样写 
可能看上去很不顺眼,我们还能使用第 3 种形式直接指定某些字符是不区分大小写的。 
    String regex = "(?i:b)ook"; 

这样的表达式与上面的那个在语义上是相同的。就效率上肯定是优于一下子开,一下子关的。 

可见内嵌标志表达式要比指定编译参数的功能强大许多。 

使用建议:如果能确定某些字符的大小写时,尽量使用已确定的字符,对于不确定的可以采用 
(?i:X) 的方式指定。因此打开不区分大小写开关时,对匹配的性能是有一定影响的。 

思考一下:String regex = "(?i)b(?-i:oo)k"; 这个表达式的意思? 


另外:第 1 和第 4,我没看明白需要了解什么,请在下面的楼层中具体地说明一下。

4:2个单元的或操作 

¦ 称为多选结构,用于匹配 ¦ 之中的任何一个,拿你的例子来说明:

 

Java代码 
  1. import java.util.regex.Matcher;  
  2. import java.util.regex.Pattern;public class Test {  
  3.   
  4.     public static void main(String[] args) {  
  5.         String str =   
  6.                 "<img src=/"http://www.google.com/1.gif/"/>/n" +  
  7.                 "<img src=/"http://3w.google.com/1.gif/"/>/n" +  
  8.                 "<img src=/"http://abc.baidu.com/1.gif/"/>";  
  9.         String regex = "<img//ssrc=/"http://(?:ww|3)w.google.com/1.gif/"/>";  
  10.         Pattern pattern = Pattern.compile(regex);  
  11.         Matcher matcher = pattern.matcher(str);  
  12.         while(matcher.find()) {  
  13.             System.out.println(matcher.group());  
  14.         }          
  15.     }  
  16. }  

 

 

 

 

 

 

 

注意到其中的 (?:ww ¦3) 在进行多选匹配时尽量找出多选中的规律,以减少多选的字符, 
www 和 3w 在最后一个字符可以共用,前面的不一样。 

(?: ) 的意思表示组成一组,如果没有 (?: ) 这样的话,表达式就变成了:

String regex = "<img//ssrc=/"http://ww|3w.google.com/1.gif/"/>";

这样的语义完全变掉了, ¦ 是在一组中进行选择,由于上面的那个表达式中没有组,就把整个表 
达式作为了一组,使用 ¦ 的话,就进行了整个表达式的多选结构了。这个表达式的意思是: 
匹配 <img ssrc="http://ww 或者是 3w.google.com/1.gif"/>,这样的结果并不是我们所要的。 

我们仅仅需要在 ww 和 3 之间进行选择,这时只要把 ww 和 3 放在一组中进行多选择就可以了, 
变成 (?:ww ¦3)。 

还有,在多选结构中尽量把出现频率高的放在前面,这样可以加快匹配速度。 

多选结构的效率在传统型的引擎中是效率低下的,如果是单个字符的选择,比如 a $ & 之中的一个, 
那就不要使用 (?:a ¦$ ¦&) 了,可以直接使用字符类 [a$&] 就可以了。

5:split分割字母和数字,简单正则缝隙

 

Java代码 
  1. public class Test01 {  
  2.     public static void main(String[] args) {  
  3.         String str = "one123";  
  4.         String regex = "(?<=one)(?=123)";  
  5.         String[] strs = str.split(regex);  
  6.         for(int i = 0; i < strs.length; i++) {  
  7.             System.out.printf("strs[%d] = %s%n", i, strs[i]);  
  8.         }  
  9.     }  
  10. }  

 

相关文章推荐

java正则表达式不以某个字符串开头或结尾

一、不以某个字符串开头 这个问题我们可以用 “否定式向前匹配”来实现,语法 (?!str),表示后面不是接str才匹配前面的字符串。如we(?!123)会匹配welcome中的we,但不匹配we12...

shiro 并发登录人数控制

转自:http://jinnianshilongnian.iteye.com/blog/2039760 在某些项目中可能会遇到如每个账户同时只能有一个人登录或几个人同时登录,如果同时有多人登录:要么...

第八章------拦截器机制

8.1 拦截器介绍 Shiro使用了与Servlet一样的Filter接口进行扩展;所以如果对Filter不熟悉可以参考《Servlet3.1规范》http://www.iteye.com/blog...

Java正则表达式匹配多行

默认情况下.*中的.只能匹配出\n以外的字符,如果遇到要匹配的字符串包含回车换行符(多行),则正则表达式遇到换行符后会停止,导致包含回车换行符的串不能正确匹配,解决的办法是: 1、使用Pattern...

正则表达式大小写匹配以及解决思路的探索

今天遇见一个消除js正则表达式不区分大小写的问题,网上一搜,发现自己果然是菜鸟。     在js里面//g,其中g表示全局匹配,如果没有这个,那么就意味着只能匹配一次就会自动结束;/i/就表示在匹配...

(学习)python非贪婪、多行匹配正则表达式例子

一些regular的tips: 1 非贪婪flag >>> re.findall(r"a(\d+?)","a23b") # 非贪婪模式         ['2'] >>> re.f...

正则表达式多行匹配及声明标识

1 多行匹配 2 不以某某开头 ,比如不以www开头 3 不区分大小写 4 2个单元的或操作,比如  www | 3w 都可以这种 1:多行匹配 在默认的情况下 . 是不能...

正则表达式,多行匹配

1 多行匹配  2 不以某某开头 ,比如不以www开头  3 不区分大小写  4 2个单元的或操作,比如 www ¦ 3w 都可以这种  1:多行匹配  在默认的情...

python 贪婪和非贪婪、多行匹配正则表达式小结

先看一个例子,然后在详细介绍。有一个这样的文件1.txt,我要把每个AAA到CCC之间的字段都匹配出来,下面是代码和注释。 #!/usr/local/bin/python #coding...

(103)正则表达式(匹配、切割、替换、获取)、正则综合练习

如题
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:java 正则式,正则表达式,多行匹配,不以某某开头,不区分大小写,2个单元的或操作
举报原因:
原因补充:

(最多只允许输入30个字)