在Java中使用正则表达式处理文本

 在做文本分析时,经常会用到字符串的相关操作,比如IndexOf、substring等，但对于简单的字符串处理还可以，一些相对复杂的处理，往往要写一大堆的代码去实现，有没有比较简洁方便的方案代替呢？正则表达式随之出现。

JDK本身也自带的有正则表达式的处理API，但Apache的Regexp据说更好用，我一向很相信Apache的产品，既然如此就拿来用用吧。首先从Apache网站下载Regexp的jar包，把它导入的工程的CLASSPATH当中。

下面我们实现一个判断字符串是否包含空调功率（几匹）的正则表达式，这个应该很简单，有两种情况：2匹或2.5匹这样子的表达形式，那程序可以这样实现：

     final  String p1 = " /d(./d)?匹 " ;
         if (msg != null ) ... {
            try ...{
                RE re=new RE(p1);
                if(re.match(msg))...{
                    String str=re.getParen(0);
                    if(str.length()>1)...{
                        power=GFString.chinaNum2arebNum(str.substring(0,str.length()-1));
                    }
                }
            } catch (RESyntaxException e) ...{
                e.printStackTrace();
            }
             
        }

此表达式对于像2匹、2.5匹的情况都能处理了，但是实际情况当中可能也会是中文数字，我们增加对中文数字表达方法的支持：

final String p1 = " (/d|[零一二三四五六七八九])([.。点](/d|[零一二三四五六七八九]))?匹“;

现在我们可以支持象：2.5匹、三匹，3。5匹这样子的表达形式了，但现在又有一个新的问题，象22.5匹、f2.5匹这样的情况，该模式也是匹配的，但实际上我们有基本常识的都知道，空调不会超过xx匹，最多也就3匹，5匹，并且x匹前面不应该出现字母的，所以需要进一步的完善：

final  String p1 = " (^|[^/w.。点零一二三四五六七八九])([0-5]|(([0-5]|[零一二三四五])[.。点](/d|[零一二三四五六七八九])))匹 " ;

至此，我们可以很准确地判断出一个文本当中是否含有空调的功率描述，并且可以通过getParen(0)得到它。

参考：

1.Apache Regexp：http://jakarta.apache.org/regexp/index.html