分组(groups)
字符 | 说明 |
(X) | 将(X)作为一个单元进行匹配 |
\n | 与第n个分组的匹配 |
(X) 作为一个组合单元,比如,要查询<a href=\"index.html\">index</a>中<a href></a>间的数据,可写作<a.*href=\".*\">(.+?)</a>
可以使用分组来定义子表达式,将分组封装在()中,如([+-]?)([0-9]+)。然后你可以让模式匹配符(the pattern matcher)返回每个分组的匹配,或者使用\n来回引分组(refer back to a group with \n),其中n是组号,group 0 表示整个表达式,group 1表示第一个被括起来的group,以此类推。所以A(B(C))D 里面有三个group:group 0是ABCD,group 1是BC,group 2是C。
例如,给定模式((1?[0-9]):([0-5][0-9]))[ap]m,并且输入11:59am,Matcher对象报告下列分组如下:
分组索引 | 起始 | 结束 | 字符串 |
0 | 0 | 7 | 11:59am |
1 | 0 | 5 | 11:59 |
2 | 0 | 2 | 11 |
3 | 3 | 5 | 59 |
又如:要从格式为“June 26, 1951”中提取出月份部分june,用来匹配的正则表达式可以是:[a-zA-Z]+\s+[0-9]{1,2},\s*[0-9]{4},接下来如何提取出june部分呢?只需加上一个圆括号创建一个组,然后用\1提取出它的值,如下:
([a-zA-Z]+)\s+[0-9]{1,2},\s*[0-9]{4}
示例
验证是否为邮箱地址
Pattern pattern = Pattern.compile("[*\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",
Pattern.CASE_INSENSITIVE);
去除html标记
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");
String string = matcher.replaceAll("");
查找html中链接字符串
Pattern pattern = Pattern.compile("href=\"(.+?)\"");
截取http://地址
Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");
匹配<title>XXX</title>中的内容
Pattern p = Pattern.compile("<title>([^<]*)</title>");//匹配<title>开头,</title>结尾的文档
Matcher m = p.matcher(html );//开始编译,html 为要匹配的文本
while (m.find())
{
list.add(m.group(1));//获取被匹配的部分
}
从下列格式的日志中提取IP和时间
192.168.16.233 --- [26/Feb/2004:10:10:03 -0500]
“get /index.html http/1.0” 200 15
IP部分:\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}
日志部分:\[[^]]+\],说明:\[匹配开始[符号,[^]]+匹配]之前的所有字符,\]匹配结束]符号。
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?”。完整的正则表达式为:
(\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})\s?\-\-\-\s?(\[[^]]+\])
Eclipse中Html替换
要将.html中所有如下格式的字符串:
<input type="text" value="${remark}">
替换成如下的格式:
<input type="text" value="${remark}" name="remark">
也就是添加一个name=""的字符串,“”中的内容跟${}中的内容是一样的。
方法:使用eclipse的find/replace操作中使用正则表达式。
Find: value=\".*\$\{(.*)\}\"
Replace: value=\"\$\{\1\}\" name=\"\1\"
替换“”中的内容
要把如下文件中的“”中的内容替换掉。
<FApieceAmt java-class="java.lang.Double">1.0</FApieceAmt>
<FApieceClmDay java-class="java.lang.Integer">2</FApieceClmDay>
<FBasicPrm java-class="java.lang.Double">3.0</FBasicPrm>
<FNclmAmt java-class="java.lang.Double">4.0</FNclmAmt>
<FNrdrPrmVar java-class="java.lang.Double">5.0</FNrdrPrmVar>
答案:
Pattern p=Pattern.compile(" java-class=([^>]+)>");
//[^>]+匹配>之前的所有字符。
Html链接替换2
要将.htm文件中所有如<a href=”*http://www.myweb.com/index.html”> </a>中的 *http://www.myweb.com替换成http://www.sina.comc.cn.
匹配:<\s*a \s+ href\s*=\s*”* http://www.myweb.com/([^”]+)”>
替换:<a href=”*http://www.sina.com.cn/(\1)”>
说明:通过\1来取得()中的内容。
处理方法同Eclipse中Html替换.
Html<font>元素解析
分析HTML页面内FONT标记的所有属性。例如FONT标记如下所示:
<font face="Arial,serif" size="+2" color="red" >
程序将按照如下形式,输出每一个FONT标记的属性:
face=Arial,serif
size=+2
color=red
答案:
1.先从<font>中提取属性值,如:face="Arial,serif" size="+2" color="red"
匹配:<\s*font\s*([^>]*)\s*>,通过\1取得匹配值。
2.将提取字符串分解成键值对,使用如下正则表达式:
匹配:([a-z]+)\s*=\s*"([^"]+)",通过\1取得键,\2取得值。
lxm整理,只为知识共享之用,所有内容均来自网络,内容归所有者。
2009.04.16