Scala教程(九)正则表达式

  

Scala教程(九)正则表达式

 

1 正则表达式

1.1 什么是正则表达式

  在编写处理字符串的程序或网页时，经常会有查找符合某些复杂规则的字符串的需要。正则表达式就是用于描述这些规则的工具。换句话说，正则表达式就是记录文本规则的代码。

  正则表达式规定的一个特殊代码叫作它元字符(metacharacter)

 

常用的元字符： 

代码	说明
.	匹配除换行符以外的任意字符
\w	匹配字母或数字或下划线或汉字
\s	匹配任意的空白符
\d	匹配数字
\b	匹配单词的开始或结束
^	匹配字符串的开始
$	匹配字符串的结束

 

1.2 字符转义

  如果你想查找元字符本身的话，比如你查找.,或者*,就出现了问题：你没办法指定它们，因为它们会被解释成别的意思。这时你就得使用\来取消这些字符的特殊意义。因此，你应该使用\.和\*。当然，要查找\本身，你也得用\\.例如：deerchao\.net匹配deerchao.net，C:\\Windows匹配C:\Windows。

 

常用的限定符： 

代码/语法	说明
*	重复零次或更多次
+	重复一次或更多次
?	重复零次或一次
{n}	重复n次
{n,}	重复n次或更多次
{n,m}	重复n到m次

 

1.3 分组

  分组：用小括号来指定子表达式。

   (\d{1,3}\.){3}\d{1,3}是一个简单的IP地址匹配表达式。要理解这个表达式，请按下列顺序分析它：\d{1,3}匹配1到3位的数字，(\d{1,3}\.){3}匹配三位数字加上一个英文句号(这个整体也就是这个分组)重复3次，最后再加上一个一到三位的数字(\d{1,3})。

IP地址中每个数字都不能大于255.

  不幸的是，它也将匹配256.300.888.999这种不可能存在的IP地址。如果能使用算术比较的话，或许能简单地解决这个问题，但是正则表达式中并不提供关于数学的任何功能，所以只能使用冗长的分组，选择，字符类来描述一个正确的IP地址：((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)。

 

1.4 反义

  有时需要查找不属于某个能简单定义的字符类的字符。比如想查找除了数字以外，其它任意字符都行的情况，这时需要用到反义：

 

常用的反义代码：

代码/语法	说明
\W	匹配任意不是字母，数字，下划线，汉字的字符
\S	匹配任意不是空白符的字符
\D	匹配任意非数字的字符
\B	匹配不是单词开头或结束的位置
[^x]	匹配除了x以外的任意字符
[^aeiou]	匹配除了aeiou这几个字母以外的任意字符

 

1.5 贪婪与懒惰

  当正则表达式中包含能接受重复的限定符时，通常的行为是（在使整个表达式能得到匹配的前提下）匹配尽可能多的字符。以这个表达式为例：a.*b，它将会匹配最长的以a开始，以b结束的字符串。如果用它来搜索aabab的话，它会匹配整个字符串aabab。这被称为贪婪匹配。

有时，我们更需要懒惰匹配，也就是匹配尽可能少的字符。前面给出的限定符都可以被转化为懒惰匹配模式，只要在它后面加上一个问号?。这样.*?就意味着匹配任意数量的重复，但是在能使整个匹配成功的前提下使用最少的重复。现在看看懒惰版的例子吧：

a.*?b匹配最短的，以a开始，以b结束的字符串。如果把它应用于aabab的话，它会匹配aab（第一到第三个字符）和ab（第四到第五个字符）。

 

懒惰限定符：

代码/语法	说明
*?	重复任意次，但尽可能少重复
+?	重复1次或更多次，但尽可能少重复
??	重复0次或1次，但尽可能少重复
{n,m}?	重复n到m次，但尽可能少重复
{n,}?	重复n次以上，但尽可能少重复

 

1.6 网上的资源及本文参考文献

● 精通正则表达式（第3版）

● 微软的正则表达式教程

● System.Text.RegularExpressions.Regex类(MSDN)

● 专业的正则表达式教学网站(英文)

● 关于.Net下的平衡组的详细讨论（英文）

 

2 Scala中的正则表达式

2.1 声明正则表达式变量

    // 定义正则表达式:匹配符合数字和小字字母
    val regex = """([0-9+] (a-z)+)""".r;

2.2 正则表达式匹配数字

    val numPattern = "[0-9]+".r    
    // findAllIn方法找到line中所有符合正则的字符串，可以通过toArray方法来将匹配到的结果存放到Array中。for循环中，遍历出符合条件的匹配。
    for(matchString <-numPattern.findAllIn("99345 Scala 22298 Spark")){
        println(matchString);
    }; 

  输出结果：99345

             22298

2.3 正则表达式匹配赋值

    // findFirstIn只匹配第一个符合正则的字符串就停止了：
    val numberPattern = """\s+[0-9]+\s""".r
    println(numberPattern.findFirstIn("99ss java 22 hadoop storm")) 

  输出结果：Some( 22 )

2.4 case多级匹配

    //  case中使用正则匹配
    val line = "3999ss spark"
    line match {
        case numitemPattern(num,blog) => println("num="+num+",blog="+blog) 
        case _=> println("no case...")
    }

 

 输出结果：no case...

 

 

    --以上为Scala正则表达式的内容,谢谢大家对我的关注。

                                                                                                                                                                                      ——厚积薄发(yuanxw)