计算机专业毕业或者使用过Unix、Perl等产品的读者一定对正则表达式有一定的印象,即使没有接触过正则表达式也不要被它的外貌所吓倒。虽然做到精通正则表达式比较难,但是能够掌握它的基本应用却是非常容易的,一旦把正则表达式应用于实际问题的解决就可以非常明显的提高工作效率。
为什么要用正则表达式
你一定做过字符串解析的工作吧,那么让我们再来重温一下噩梦!
【噩梦1】“192.168.10.5[port=8080]”,这个字符串表示IP地址为192.168.10.5的服务器的8080端口是打开的,请用程序解析此字符串,然后打印出“IP地址为***的服务器的***端口是打开的”。
代码 1.1 普通方法进行IP地址字符串解析
String text = "192.168.10.5[port=8080]";
int leftBraceIndex = text.indexOf('[');
String ipAddr = text.substring(0,leftBraceIndex);
int equalsIndex = text.indexOf('=');
String port = text.substring(equalsIndex+1,text.length()-1);
System.out.println("IP地址为"+ipAddr+"的服务器的"+port+"端口是打开的");
好在字符串格式不复杂,这么简单的任务还是能轻松搞定的。
【噩梦2】 “192.168.10.5[port=21,type=ftp]”,这个字符串表示IP地址为192.168.10.5的服务器的21端口提供的是ftp服务,其中如果“,type=ftp”部分被省略,则默认为http服务。请用程序解析此字符串,然后打印出“IP地址为***的服务器的***端口提供的服务为***”。
代码 1.2 普通方法进行IP地址字符串解析2
public static void parseAddr2(String text)
{
int leftBraceIndex = text.indexOf('[');
String ipAddr = text.substring(0, leftBraceIndex);
String subStr = text.substring(leftBraceIndex + 1, text.length() - 1);
String[] strings = subStr.split(",");
String portString = strings[0];
String port = portString.split("=")[1];
String type = "http";
if (strings.length == 2)
{
String typeString = strings[1];
type = typeString.split("=")[1];
}
String msg = MessageFormat.format("IP地址为{0}的服务器的{1}端口提供的服务为{2}",
new Object[] { ipAddr, port, type });
System.out.println(msg);
}
运行如下的测试代码:
parseAddr2("192.168.10.5[port=21,type=ftp]");
parseAddr2("192.168.10.5[port=80]");
运行结果:
IP地址为192.168.10.5的服务器的21端口提供的服务为ftp
IP地址为192.168.10.5的服务器的80端口提供的服务为http
【噩梦3】判断一个字符串是否是Email?
代码 1.3 普通方法验证Email正确性
public static boolean validateEmail(String text)
{
int atIndex = text.indexOf('@');
int dotLastIndex = text.lastIndexOf('.');
//必须含有@和.
if (atIndex < 0 || dotLastIndex < 0)
{
return false;
}
int textLen = text.length();
//不能以@或者.开始或者结束
if (atIndex == 0 || atIndex == textLen || dotLastIndex == 0
|| dotLastIndex == textLen)
{
return false;
}
//@要在最后一个.之前
if (atIndex > dotLastIndex)
{
return false;
}
return true;
}
运行如下的测试代码:
System.out.println(validateEmail("cownew@cownew.com"));
System.out.println(validateEmail("bcdes"));
System.out.println(validateEmail("@cownew.com"));
运行结果:
true
false
false
【噩梦4】从一个文本中提取Email,比如从下面的文本中提取Email地址:
如鹏网的网址是http://www.rupeng.com,下面是几个开发人员的email:abc@rupeng.com、test@163.com,其他相关邮件可以发送到:test@test.com。
My God!饶了我吧!
可以看到,如果没有合适的理论和工具的支持,字符串的解析是一个非常痛苦的过程,像这里这几个这么简单的例子如果都要通过大量的if……else……语句进行解析,那编译器解析程序源码的过程不就会像是比天书还要难懂的代码了吗?
做计算机基础理论的科学家们为了解决自然语言的识别提出了正则表达式的概念,从而大大简化了文本的识别工作,并且为自动机等基础理论提供了坚实的基础。现在正则表达式已经从计算机理论的神坛走了下来,我们能在很多工具中找到正则表达式的身影,比如Unix中的vi编辑器、Perl脚本语言等。此外,现在流行的开发语言比如C#、VB、Java等等也都提供了对正则表达式的直接支持,甚至在像JavaScript这种脚本语言中也能发现对正则表达式的支持。正则表达式已经超出了某种语言或某个系统的局限,成为被人们广为使用的工具,我们完全可以用它来解决实际开发中碰到的一些实际的问题。
元字符 | 说明 |
. | 匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串:“big”、“bug”、“b g”,但是不匹配“buug”。 |
$ | 匹配行结束符。例如正则表达式“EJB$”能够匹配字符串“I like EJB”的末尾,但是不能匹配字符串“J2EE Without EJBs!”。 |
^ | 匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始,但是不能匹配“I use Spring in my project”。 |
* | 匹配0至多个在它之前的字符。例如正则表达式“zo*”能匹配“z”以及“zoo”;正则表达式“.*”意味着能够匹配任意字符串。 |
/ | 转义符,用来将元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号,而不是行尾;正则表达式/.用来匹配点字符,而不是任何字符的通配符。 |
[] | 匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bug,但是不匹配beg。可以在括号中使用连字符“-”来指定字符的区间来简化表示,例如正则表达式[0-9]可以匹配任何数字字符,这样正则表达式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串;还可以制定多个区间,例如“[A-Za-z]”可以匹配任何大小写字母。还有一个相配合使用的元字符“^”,用在这里并不像前边的那个“^”一样表示匹配行开始,而是表示“排除”,要想匹配除了指定区间之外的字符,就可以在左边的括号和第一个字符之间使用^字符,例如“[^163A-Z]”将能偶匹配除了1、6、3和所有大写字母之外的任何字符。 |
( ) | 将 () 之间括起来的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。 |
| | 将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "food"。 |
+ | 匹配前面的子表达式一次或多次。例如正则表达式9+匹配9、99、999等。 |
? | 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符还有另外一个用途,就是表示非贪婪模式匹配,后边将有介绍 |
{n} | 匹配确定的 n 次。例如,“e{2}”不能匹配“bed”中的“d”,但是能匹配“seed”中的两个“e”。 |
{n,} | 至少匹配n次。例如,“e{2,}”不能匹配“bed”中的“e”,但能匹配“seeeeeeeed”中的所有“e”。 |
{n,m} | 最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。 |