Java正则表达式学习(四)

10. Pattern 类的方法

10.1 使用标志构造模式

Pattern类定义了备用的compile方法，用于接受影响模式匹配方式的标志集。标志参数是一个位掩码，可以用下面的公共静态字段中任意一个：

Pattern.CANON_EQ

启动规范等价。在指定此标志后，当且仅当在其完整的规范分解匹配时，两个字符被视为匹配。例如，表达式

a\u030A 在指定此标识后，将匹配字符串"\u00E5" (即字符a)。默认情况下，匹配不会采用规范等价。指定此标志可能会对性能有一定的影响。

Pattern.CASE_INSENSITIVE

启动不区分大小写匹配。默认情况下，仅匹配US-ASCII字符集的字符。Unicode感知（Unicode-aware）的不区分大小写匹配，可以通过指定UNICODE_CASE标志连同此标志来启用。不区分大小写匹配也能通过内嵌标志表达式（?i）来启用。指定此标识可能会对性能有一定的影响。

Parttern.COMMNETS

模式中允许存在空白和注释。在这种模式下，空白和以#开始的直到行尾的内嵌注释会被忽略。注释模式也能通过内嵌标示表达式（？x）来启用。

Parttern.DOTALL

启用dotall模式。在dotall模式下，表达式. 匹配包括行结束符在内的任意字符。默认情况下，表达式不会匹配行结束符。dotall模式也通过内嵌表达式（？x）来启用。[s是"单行（single-line）"模式的助记符，与Perl中相同。]

Pattern.LITERAL

启用模式的字面分析。指定该标识后，指定模式的输入字符串作为字面上的字符序列来对待。输入序列中的元字符和转义字符不具有特殊的意义了 。CASE_INSENSITIVE 和 UNICODE_CASE 与此标识一起使用时，会对匹配产生一定的影响。其他的标识就变得多余了。启用字面分析没有内嵌标识的表达式。

Pattern.MULTILINE

启用多行（multiline）模式。在多行模式下，表达式^和$分别匹配输入序列行结束符前面和结束符的前面。默认情况下，表达式仅匹配整个输入序列的开始和结尾。多行模式也能通过内嵌标示表达式（？m）来启用。

Pattern.UNICODE_CASE

启用可折叠感知Unicode(Unicode-aware case folding) 大小写。在指定此标识后，需要通过CASE_INSENSITIVE标识来启用，不区分大小写区配将在Unicode标准的意义上来完成。默认情况下，不区分大小写匹配仅匹配US-ASCII字符集中的字符。可折叠感知Uncode大小写也能通过内嵌标识表达式（？u）来启用。指定此标识可能会对性能有一定影响。

Pattern.UNIX_LINES

启用Unix行模式。在这种模式下，. ^和$的行为仅识别"\n"的行结束符。Unix行模式可以通过内嵌标识表达式（？d）来启用。

接下来，将修改测试工具 RegexTestHarness.java ,用于构建不区分大小写匹配的模式。

首先，修改代码去调用complie 的另外一个备用的方法：

Pattern pattern = Pattern.compile(scanner.nextLine(),Pattern.CASE_INSENSITIVE);

编译并运行这个测试工具，会得到下面的结果：

Enter your regex: dog
Enter input string to search: DoGDOg
I found the text "DoG" starting at index 0 and ending at index 3.
I found the text "DOg" starting at index 3 and ending at index 6.

 

正如你所看到的，不管是否大小写，字符串字面上是"dog"的都产生了匹配。使用多个标识来编译一个模式，使用按位或操作符"|"分隔各个标志。为了更清晰地说明，下面的示例代码使用硬编码（hardcode）的方式，来取代控制台中的读取：

pattern = Pattern.compile("[az]$", Pattern.MULTILINE | Pattern.UNIX_LINES);

也可以使用一个int类型的变量来代替：

final int flags = Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE; 
Pattern pattern = Pattern.compile("aa", flags);

10.2 内嵌标识的表达式

使用内嵌标识的表达式（embedded flag expressions）也可以启动不同的标志。对于两个参数的compile方法，内嵌标识表达式是可选的，因为它在自身的正则表达式中被指定了。下面的例子使用最初的测试工具（RegexTestHarness.java）,使用内嵌标识表达式（？i）来启用不区分大小写的匹配。

Enter your regex: (?i)foo
Enter input string to search: FOOfooFoOfoO
I found the text "FOO" starting at index 0 and ending at index 3.
I found the text "foo" starting at index 3 and ending at index 6.
I found the text "FoO" starting at index 6 and ending at index 9.
I found the text "foO" starting at index 9 and ending at index 12.

所以匹配无关大小写都一次次地成功了。

内嵌标识表达式所对应Pattern的公有的访问字段表示如下表：

常　　量	等价的内嵌标志表达式
Pattern.CANON_EQ	没有
Pattern.CASE_INSENSITIVE	(?i)
Pattern.COMMENTS	(?x)
Pattern.MULTILINE	(?m)
Pattern.DOTALL	(?s)
Pattern.LITERAL	没有
Pattern.UNICODE_CASE	(?u)
Pattern.UNIX_LINES	(?d)

10.3 使用matches（String,CharSequence）方法

Pattern类定义了一个方便的matches方法，用于快速地检查模式是否标识给定的输入字符串。与使用所有的公共静态方法一样，应该通过它的类名来调用matches方法，诸如Pattern.matches("\\d","1"); 。在这个例子中，方法返回true，这是由于数字"1"匹配了正则表达式\d.

10.4 使用split(String)方法

split 方法是一个重要的工具，用于收集依赖于被匹配的模式任一边的文本。如下面的SplitDemo.java所示，split方法能从"one：two:three:four:five" 字符串中解析出"one two three four five"单词：

package com.fortune.test;

import java.util.regex.Pattern;

/**
 * Created with IntelliJ IDEA.
 * User: Alan
 * Date: 12-5-29
 * Time: 下午4:41
 */
public class SplitDemo {
    private static final String REGEX = ":";
    private static final String INPUT = "one:two:three:four:five";

    public static void main(String[] args) {
        Pattern p = Pattern.compile(REGEX);
        String[] items = p.split(INPUT);
        for (String s : items) {
            System.out.println(s);
        }

    }
}

 

输出：

one
two
three
four
five

 

简而言之，已经使用冒号（：）取代了复杂的正则表达式匹配字符串文字。以后仍然使用Pattern和Matcher对象，也能使用split得到位于任意正则表达式各边的文本。下面的SplitDemo2.java是个一样的例子，使用数字作为split的参数：

package com.fortune.test;

import java.util.regex.Pattern;

/**
 * Created with IntelliJ IDEA.
 * User: Alan
 * Date: 12-5-29
 * Time: 下午4:41
 */
public class SplitDemo2 {
    private static final String REGEX = "\\d";
    private static final String INPUT = "one9two4three7four1five";

    public static void main(String[] args) {
        Pattern p = Pattern.compile(REGEX);
        String[] items = p.split(INPUT);
        for (String s : items) {
            System.out.println(s);
        }

    }
}

 

输出：

one
two
three
four
five

 

10.5 其它有用的方法

你可以从下面的方法中找到比较好用的方法：

public static String quote(String s) : 返回指定字符串字面模式的字符串。此方法会产生一个字符串，能被用于构建一个与字符串s匹配的Pattern，好像它是字面上的模式。输入序列中的元字符和转义序列将没有特殊的意义了。

public String toString() : 返回这个模式的字符串表现形式。这是一个编译过的模式中的正则表达式。

10.6 在java.lang.String 中等价的Pattern方法

java.lang.String 通过模拟 java.util.regex.Pattern行为的几个方法，也可以支持正则表达式。方便起见，下面主要摘录了出现在API关键的方法。

public boolean matches(String regex) : 告知字符串是否匹配给定的正则表达式。调用str.matches(regex) 方法所产生的结果与作为表达式的Pattern.matches(regex,str)的结果是完全一致。

public String[] split(String regex,int limit) : 依照匹配给定的正则表达式来拆分字符串。调用str.split(regex,n) 方法所产生的结果与作为表达式的Pattern.compile(regex).split(str,n)的结果完全一致。

public String[] split(String regex) :依照匹配给定的正则表达式来拆分字符串，这个方法与调用两个参数的split方法是相同的，第一个参数使用给定的表达式，第二个参数限制为0。在结果数组中不包括尾部的空字符串。

还有一个替代方法，把一个CharSequence替换成另外一个：

public String replace(CharSequence target,Charsequence replacement) :将字符串中每一个匹配替换匹配字符目标序列的子字符串，替换成指定的字面替换序列。这个替换从字符串的开始处理直至结束，例如，把字符串"aaa"中的"aa"替换成"b",结果是"ba",而不是"ab".