Java字符串格式化和正则表达式

Thinking in Java

字符串

1、在Java中，对字符串的操作主要集中在 String，StringBuffer（StringBulider），StringTokenizer类；

2、String的不可改变性：

（1）String对象具有只读特性，所以指向它的任何引用都无法改变它的值；

（2）所有针对修改String的方法， 实际是创建了一个新的String对象，以包含修改后的字符串内容，原来的String对象被保留；

（3）在使用String进行各修改时，编译器会自动选择构造中间String，或者StringBuffer（Java SE5前）对象；

     在编写toString方法时，如果字符串比较简单，可以信赖编译器自动选择构造方式，

      如果要在toString（）方法中使用循环，那最好自己创建一个StringBuffer或StringBuilder，因为自动选择构造器时，当toString拥有循环，会创建多个StringBuffer对象，导致开销过大；

（4） StringBuffer：Java SE5前的默认自动构造器，线程安全，开销较大；

         StringBuilder：Java SE5引进的默认自动构造器，线程不安全，但是运行效率较高；

---

※Java不允许运算符重载，用于String的“+”和“+=”是Java仅有的两个重载过的运算符；

※ 使用JDK自带的工具javap可以对.java文件进行反编译，生成字节码：

javap -c Classname；

※打印对象的内存地址：

通过调用Object类的toString（）方法；

class AObject{
     public String getAddress(){     return super.toString();     }
     public static void main(){        
          AObject obj  = new AObject();
          System.out.println(obj.getAddress());S
     }
}

---

3、格式化输出

（1）System.out .println（formatString，parameter）;

（2）String String.format(formatString,paremeter);

（3）使用java.util.Formatter类；

Formatter formatter = new Formatter();

String str = formatter.format（formatStrig，paremeter);

（4）格式化说明符

%[argumnet_index$][flags][width][.precision]conversion

argumnet_index$：表示该conversion在后面参数列表中的位置，为一个从1开始的十进制数，如：2$;

flags：修改输出格式的字符集；

width：输出最小宽度；

.precision：Sting表示输出字符的最大数量，浮点数表示小数位（不足补0）；

conversion参数

如：String.format("%2$-05.3f" , 20.1, 10.24);

输出：00010.240，左对齐；

※在功能相同的情况下，String.format()方法比Formatter.format()成员方法效率更高；

---

正则表达式

1、正则表达式是一种强大而灵活的文本处理工具，很久就集成到标准Unix工具集中（如sed和awk），以及程序设计语言中（如Python和Perl）；

2、Java中与正则表达式关联的String类工具：

（1）bolean String. matches(String regex) 成员方法：匹配正则表达式；

（2）String[] String. split(String regex,[int limitNum]) 成员方法：使用正则表达式分割String；

（3）String String. repalceAll(regex，String replacement) 成员方法：使用replacement替换字符串中的所有regex匹配项；

         String String. replaceFirst(regex，replacement) 成员方法：

3、创建正则表达式

补充表：

如：(^[aeiou]|(\s+[aeiou]))\w+?[aeiou]\b  同\b([aeiou])\w+?[aeiou]\b

匹配以元音字母开头，同时以元音字母结尾的单词，捕获组为开头和结尾的元音字母；

^J...A$匹配：J_ _ _ A型的字符串；

※ 通常表达式X必须要用（）修饰，以便按照期望的效果区执行；

abc+：先匹配ab，在匹配c至少一次；

（abc）+：匹配abc至少一次；

※ 在Java中使用正则表达式时，注意要对\进行转义，如\w在Java中：String pattern = “\\w”;

4、量词

量词描述了一个模式吸收输入文本的方式；

（1）Greedy（贪婪型）：默认量词吸收方式，先将整个字符串会吞下，在匹配整个字符串，如果不配，就从右端吐出一个字符，继续匹配；

（2）Reluctant（勉强型）：先从左端吞入一个字符，进行匹配，若不匹配就再吞入一个字符继续匹配；

（3）Possessive（占有型）：目前这种模式只在Java中使用，当正则表达式被应用字符串时，会产生很多的状态，以便在回溯失败时得以回溯，“占有的”量词不保存这些中间状态，由此防止回溯，可以使正则表达式执行起来更加高效；

5、CharSequence接口

CharSequeue接口从 CharBuffer，String，StringBuffer，StringBuilder类之中抽象出了字符序列的一般化定义（这些类都实现了该接口）：

interface CharSequence{

     charAt(int i);

     length();

     subSequecne(int start,int end);

     toString();

}

多数正则表达式的操作都接受CharSequence类型的参数；

6、Pattern和Matcher类

可以使用 java.util.regex包中的 Pattern，Matcher构建功能比String更加强大的正则表达式对象；

import java.util.regex;
Pattern p = Pattern.complie(String regex);      //构建正则表达式对象
Matcher m  = p.matcher(String targetString);     //构建正则表达式对目标字符串的匹配对象
boolean b = m.matches();
while(m.find()){
     println("Match "+m.group()+"at position "+m.start()+" to "+(m.end()-1));     
}
//m.find()：扫描输入序列于该模式匹配的下一个子序列；
//m.group()：返回该匹配子序列，m.group（int index）返回指定次序目标的匹配子序列，由捕获组区分，从1开始；
//m.start() m.end()：返回该子序列在目标串中的位置下标；

7、使用正则表达式扫描固定格式文本

①一般从文件或标准输入流读取数据的思路： 读入一行文本，对其进行分词，然后使用Integer、Double等类的各种解析方法解析数据；

②对于固定格式文本，可以使用正则表达式对文本进行扫描；

String data = “58.27.82.162@02/10/2016\n”+......;
Scanner scanner = new Scanner(data);          //使用扫描器扫字符串；
String pattern = "(\\d+[.]\\d+[.]+\\d+[.])@"+"\\d{2}/\\d{2}/\\d{4}";     
while(scanner.hasNext(pattern)){          //当扫描器中还有匹配项，执行以下；
     scanner.next(pattern);                    //扫描器扫描下一个匹配项；
     java.util.regex.MatchResult mactch = scanner.mactch(); //由扫描器创建的当前匹配对象（Matchresult extends Match）
     String ip = match.group(1);          //获取匹配对象中的捕获组；
     String date = match.group(2);
}