java正则表达式的语法:
我们先从简单的开始。假设你要搜索一个包含字符“cat”的字符串,搜索用的正则表达式就是“cat”。如果搜索对大小写不敏感,单词“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是说:
假设你在玩英文拼字游戏 ,想要找出三个字母的单词,而且这些单词必须以“t”字母开头,以“n”字母结束。另外,假设有一本英文字典,你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式,你可以使用一个通配符——句点符号“.”。这样,完整的表达式就是“t.n”,它匹配“tan”、“ten”、“tin”和“ton”,还匹配“t#n”、“tpn”甚至“t n”,还有其他许多无意义的组合。这是因为句点符号匹配所有字符,包括空格、Tab字符甚至换行符:
为了解决句点符号匹配范围过于广泛这一问题,你可以在方括号(“[]”)里面指定看来有意义的字符。此时,只有方括号里面指定的字符才参与匹配。也就是说,正则表达式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因为在方括号之内你只能匹配单个字符:
如果除了上面匹配的所有单词之外,你还想要匹配“toon”,那么,你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”,使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号,因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。圆括号还可以用来分组,具体请参见后面介绍。
表一显示了表示匹配次数的符号,这些符号用来确定紧靠该符号左边的符号出现的次数:
假设我们要在文本文件中搜索美国的社会安全 号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式如图一所示。在正则表达式中,连字符(“-”)有着特殊的意义,它表示一个范围,比如从0到9。因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“\”。
图一:匹配所有123-12-1234形式的社会安全号码
假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999和999999999都属于正确的格式。这时,你可以在连字符号后面加上“?”数量限定符号,如图二所示:
图二:匹配所有123-12-1234和123121234形式的社会安全号码
下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。图三显示了完整的正则表达式。
“^”符号称为“否”符号。如果用在方括号内,“^”表示不想要匹配的字符。例如,图四的正则表达式匹配所有单词,但以“X”字母开头的单词除外。
假设要从格式为“June 26, 1951”的生日日期中提取出月份部分,用来匹配该日期的正则表达式可以如图五所示:
图五:匹配所有Moth DD,YYYY格式的日期
新出现的“\s”符号是空白符号,匹配所有的空白字符,包括Tab字符。如果字符串正确匹配,接下来如何提取出月份部分呢?只需在月份周围加上一个圆括号创建一个组,然后用ORO API(本文后面详细讨论)提取出它的值。修改后的正则表达式如图六所示:
图六:匹配所有Month DD,YYYY格式的日期,定义月份值为第一个组
为简便起见,你可以使用一些为常见正则表达式创建的快捷符号。如表二所示:
例如,在前面社会安全号码的例子中,所有出现“[0-9]”的地方我们都可以使用“\d”。修改后的正则表达式如图七所示:
图七:匹配所有123-12-1234格式的社会安全号码
下面我们来看看Jakarta-ORO库的一些应用实例。
任务:分析一个Web服务器 日志文件,确定每一个用户花在网站上的时间。在典型的BEA WebLogic日志文件中,日志记录的格式如下:
分析这个日志记录,可以发现,要从这个日志文件提取的内容有两项:IP地址和页面访问时间。你可以用分组符号(圆括号)从日志记录提取出IP地址和时间标记。
首先我们来看看IP地址。IP地址有4个字节构成,每一个字节的值在0到255之间,各个字节通过一个句点分隔。因此,IP地址中的每一个字节有至少一个、最多三个数字。图八显示了为IP地址编写的正则表达式:
IP地址中的句点字符必须进行转义处理(前面加上“\”),因为IP地址中的句点具有它本来的含义,而不是采用正则表达式语法中的特殊含义。句点在正则表达式中的特殊含义本文前面已经介绍。
日志记录的时间部分由一对方括号包围。你可以按照如下思路提取出方括号里面的所有内容:首先搜索起始方括号字符(“[”),提取出所有不超过结束方括号字符(“]”)的内容,向前寻找直至找到结束方括号字符。图九显示了这部分的正则表达式。
现在,把上述两个正则表达式加上分组符号(圆括号)后合并成单个表达式,这样就可以从日志记录提取出IP地址和时间。注意,为了匹配“- -”(但不提取它),正则表达式中间加入了“\s-\s-\s”。完整的正则表达式如图十所示。
现在正则表达式已经编写完毕,接下来可以编写使用正则表达式库的Java代码了。
为使用java,首先创建正则表达式字符串和待分析的日志记录字符串:
这里使用的正则表达式与图十的正则表达式差不多完全相同,但有一点例外:在Java中,你必须对每一个向前的斜杠(“\”)进行转义处理。图十不是Java的表示形式,所以我们要在每个“\”前面加上一个“\”以免出现编译错误。遗憾的是,转义处理过程很容易出现错误,所以应该小心谨慎。你可以首先输入未经转义处理的正则表达式,然后从左到右依次把每一个“\”替换成“\\”。如果要复检,你可以试着把它输出到屏幕上。
一个正则表达式,也就是一串有特定意义的字符,必须首先要编译成为一个Pattern类的实例,这个Pattern对象将会使用matcher()方法来生成一个Matcher实例,接着便可以使用该 Matcher实例以编译的正则表达式为基础对目标字符串进行匹配工作,多个Matcher是可以共用一个Pattern对象的。
代码如下:
public static void groupString (String rexp,String s) { Pattern p = Pattern.compile(rexp); Matcher m = p.matcher(s); boolean result = m.find(); System.out.println("该次查找获得匹配组的数量为:" +m.groupCount()); while (result) { System.out.println(m.group(1 )); System.out.println(m.group(2 )); result = m.find(); } }
public static void main(String[] args) { String s = "172.26.22.221 - - [26/Feb/2001:10:56:03 -0500]\"get/isAlive.html Http/1.0\"200 15" ; String rexp="([\\d]{1,3}\\.[\\d]{1,3}\\.[\\d]{1,3}\\.[\\d]{1,3})\\s\\-\\s\\-\\s\\[([^\\]]+)\\]" ; groupString(rexp,s); }
运行结果:
该次查找获得匹配组的数量为:2 172.26.22.221 26/Feb/2001:10:56:03 -0500
正则表达式的第二用途:查找某个字符串,用指定的字符串替换掉查找到的字符串
public static void replace() { Pattern p = Pattern.compile("Kelvin" ); Matcher m = p.matcher("Kelvin Li and Kelvin Chan are both working in Kelvin Chen's KelvinSoftShop company" ); StringBuffer sb = new StringBuffer(); int i=0 ; boolean result = m.find(); while (result) { i++; m.appendReplacement(sb, "Kevin" ); System.out.println("第" +i+"次匹配后sb的内容是:" +sb); result = m.find(); } m.appendTail(sb); System.out.println("调用m.appendTail(sb)后sb的最终内容是:" + sb.toString()); }
public static void main(String[] args) { public static void main(String[] args) { replace(); } }
运行结果:
第1次匹配后sb的内容是:Kevin 第2次匹配后sb的内容是:Kevin Li and Kevin 第3次匹配后sb的内容是:Kevin Li and Kevin Chan are both working in Kevin 第4次匹配后sb的内容是:Kevin Li and Kevin Chan are both working in Kevin Chen's Kevin 调用m.appendTail(sb)后sb的最终内容是:Kevin Li and Kevin Chan are both working in Kevin Chen's KevinSoftShop company
正则表达式的第三用途:判断整个字符串是否匹配某种模式
public static void isPattern(String rexp,String s) { Pattern p = Pattern.compile(rexp); Matcher m = p.matcher(s); if (m.matches()) { System.out.println("true" ); } else { System.out.println("false" ); } }
public static void main(String[] args) { isPattern("[A-Za-z]+" , "44lskdjksdlj" ); isPattern("\\d+" , "44215" ); isPattern("[^A-Za-z\\d]+" , "-==1" ); isPattern("[A-Za-z\\d]+@[^p]+\\.com" , "joezheng1314@sianp\\+.com" ); group ("(ca).(t)" ,"one ca,twot cabt int the yard" ); }
运行结果:
false true false false
正则表达式的第四用途:返回匹配的字符串
例如:一任意的字符串,输出是字母的字符串,并统计各个字母有几个;有两种方法:
第一种
public static Map mat3() { Map map = new HashMap(); String s = "sdfsdfdsfaaalllk3222ddddddd" ; Pattern pattern = Pattern.compile("([a-zA-Z])" ); Matcher mat= pattern.matcher(s); boolean result = mat.find(); while (result) { String pat =mat.group(1 ); if (map.containsKey(pat)) { Integer obj = (Integer)map.get(pat); int num = obj.intValue(); map.put(pat, new Integer(++num)); } else { map.put(pat, new Integer(1 )); } result = mat.find(); } return map; }
第二种方法:不统计各个字母个数了,参照第一种
mat.start(); 返回匹配的字符串的初始索引
mat.end(); 返回最后匹配字符之后的偏移量。
s.substring(start, end)) 返回匹配的字符串
public static void mat2() { String s = "sdfsdfdsf3222" ; Pattern pattern = Pattern.compile("[a-zA-Z]" ); Matcher mat= pattern.matcher(s); boolean result = mat.find(); while (result) { int start = mat.start(); int end = mat.end(); System.out.println("start=" +start+"end=" +end+" " +s.substring(start, end)); result = mat.find(); }