JAVA 正则表达式

最新推荐文章于 2024-06-17 21:20:29 发布

qw呀

最新推荐文章于 2024-06-17 21:20:29 发布

阅读量138

点赞数

分类专栏：软件构造文章标签：正则表达式 java 开发语言

10 篇文章 0 订阅

订阅专栏

一、语法驱动的构造

基于I/O的输入流应用需要从外部读取文本数据，在应用中做进一步处理。具体来说，读取的一个字节或字符序列可能是：
- 输入文件有特定格式，程序需读取文件并从中抽取正确的内容。
- 从网络上传输过来的消息，遵循特定的协议。
- 用户在命令行输入的指令，遵顼特定的格式。
- 内存中存储的字符串，也有格式需要。
语法
- 使用grammar判断字符串是否合法，并解析成程序里使用的数据结构
- 正则表达式
- 通常是递归的数据结构

终止节点：语法中的文字字符串
- 用语法定义一个“字符串”
- terminals 终止节点、叶节点
- nonterminal 非终止节点（遵循特定规则，利用操作符、终止节点和其他非终止节点，构造新的字符串）
语法中的产生式节点和非终止节点
- 语法是由一系列产生式节点组成，每一个产生式节点定义了一个非终止节点
- 非终止节点就像代表一组字符串的变量，而产生式节点是根据其他变量（非终结符），运算符和常量（终结符）来定义该变量。遵循特定规则，利用操作符，终止中断和其他非终止中断，构造新的字符串
- 非终结符是树的内部节点，代表一个字符串。
语法中的产生式节点具有以下形式：
- nonterminal :: =产生式节点、非终止节点和运算符的表达式
- 语法的非终结符之一被指定为词根
- 语法识别的字符串集是与根非终结符匹配的字符串
- 该非终结符通常称为root或start

三个基本语法的操作符
- 连接，不是通过一个符号，而是一个空间： x ::= y z //x等价于y后跟一个z
- 重复，以*表示： x ::= y* // x等价于0个或更多个y
- 联合，也称为交替，用|表示： x ::= y | z //x等价于一个y或者一个z
三个基本操作符的组合：
- 可选（0或1次出现），由？表示： x ::= y? //x等价于一个y或者一个空串
- 出现1次或多次：以+表示： x ::= y+ //x等价于一个或者更多个y，等价于 x ::= y y*
- 字符类[…]，表示长度的字符类，包含方括号中列出的任何字符的1个字符串： x ::= [abc] //等价于 x ::= 'a' | 'b' | 'c'
- 否定的字符类…，表示长度，包含未在括号中列出的任何字符的1个字符串： x ::= abc //等价于 x ::= 'd' | 'e' | 'f' | ... (all other characters in Unicode)
例子： x ::= (y z | a b)* //an x is zero or more y z or a b pairs m ::= a (b|c) d //an m is a, followed by either b or c, followed by d

语法分析树：将语法与字符串匹配可以生成一棵分析树，该树显示字符串的各个部分与语法的各个部分如何对应。
- 解析树的叶子用终端标记，表示已解析的字符串部分。
- 没有孩子，无法继续扩大。
- 如果将叶子串联在一起，则返回原始字符串。
解析URL示例： url ::= protocol '\: //' hostname (':'port)? '/' protocol ::= ('f' | 'ht') 'tp' 's'? hostname ::= word '.' hostname | word '.' word port ::= [0-9]+ word ::= [a-z]+

图2-1 正则语法

正则表达式：可以用一种更紧凑的形式来编写简化的终端和运算符表达式。
正则表达式消除了终端周围的引号以及终端和操作符之间的空格，因此它仅由终端字符，分组括号和操作符组成。去除引号和空格，从而表达更简洁（更难懂），正则表达式也简称为regex。
- 正则表达式比原始语法的可读性差得多，因为它缺少记录每个子表达式含义的非终结符名称。
- 但是正则表达式可以快速实现，并且许多编程语言中都有支持正则表达式的库。
正则表达式中的特殊字符

图2-2 正则表达式中的特殊字符

适用场合：我们用正则表达式匹配字符串（例如 String.split , String.matches , java.util.regex.Pattern）
- 用一个空格代替所有的多个空格
- 匹配一个URL：
- 提取HTML标签的一部分

图2-3 JAVA中使用正则表达式示例

关注