深入入门正则表达式(java) - 1 - 入门基础
深入入门正则表达式(java) - 2 - 基本实例
深入入门正则表达式(java) - 3 - 正则在java中的使用
深入入门正则表达式(java) - 匹配原理 - 1 - 引擎分类与普适原则
深入入门正则表达式(java) - 匹配原理 - 2 - 回溯
这里例子都是从《正则表达式经典实例》中选取的
书中的第5、6章每个例子我都独立完成了一遍,觉得基础的会拿出来给大家分享
我把长度为0的匹配结果看作一个缝隙,比如“\b”是单词之间的缝隙,“^”是字符与开头的缝隙……
A.单词
1.查找单词cat
正则:\bcat\b
开始的例子总是很简单,之前我们讲过了\b可以找到单词的边界,\b会匹配下面3种位置
1.如果目标文本第一个字符是单词字符,则匹配第一个字符之前的位置
2.如果目标文本最后一个字符是单词字符,则匹配最后一个字符之后的位置
3.如果两个连续的字符中一个是单词字符一个不是,那么匹配中间位置
注意:java的\b是支持Unicode字符的。
知识点:单词分割符
2.查找多个单词之一,如:匹配one或者two或three
正则:\b(?:one|two|three)\b
这个也很容易理解,使用非捕获括号是为了提高效率,不让程序单独记住括号内捕获的内容
当然,你可以这么写“\b(?:one|t(?:wo|hree))\b” ,似乎只是为了让人更加迷惑。。。
知识点:单词分割符,非捕获括号,选择结构
3.查找相似单词,如:Steven、Steve、Stephen
正则:\bSte(?:ven?|phen)\b
这几个单词都是以Ste开头,后面公共的部分就只有一个e了,最后的n可有可无。如果你这么想,那你的正则很有可能写成下面这样
\bSte(?:v|ph)en?\b
不仔细看还真容易被糊弄过去,当然,上面3中形式都可以匹配,但是,它是不是也能匹配Stephe呢?
知识点:单词分割符 ,非捕获括号,选择结构 ,量词(贪婪匹配)
4.查找除了某个单词之外的任意单词,如:查找除了cat之外的任意其他单词
正则:\b(?!cat\b)\w+\b
如果查找任意一个单词很容易:\b\w+\b,我们来改造一下,首先肯定要有\b,这能让我们找到单词的开头,然后我们要看看接下来的三个字母,如果他们分别是c、a、t,并且之后单词结束,那我们就不需要,否则就是我们需要的。
“(?!cat)”,它匹配一个缝隙,这个缝隙的后面不是c、a、t,如果我们找到了这样的缝隙“(?!cat\b)”,那么这个缝隙之后的单词字符就是我们所需要的。当然我们可以把\w换成[a-zA-Z]
知识点:单词分割符 ,非捕获括号,单词字符,顺序否定环视 ,量词(贪婪匹配)
5.查找不包含另一个单词的单词,如:查找不包含cat的单词
正则:\b(?:(?!cat)\w)+\b
这个结果看上去和上一个题目差不多,我们来看看他们的区别。
(?!cat)上面已经解释过了,那么我们找到了这个位置,后面是不是就都是我们所需要的字符了呢?如果你写成了\b(?!cat)\w+\b ,那么很遗憾,答案是错的。它只会保证匹配的结果不是以cat开头而已。我们可以想一下查找过程:我们先看单词的前3个字符,如果不是cat,那么我们看单词的第2、3、4个字符是不是cat,这样就能排除acat了。如果第2、3、4不是cat,那么我们看第3、4、5个字符……直到看完最后三个字符位置。也就是说,我们每确定一个我们需要的字符,就要重新看看我们现在所在位置后的3个字符是否满足条件,所以我们要多次使用顺序否定环视((?!cat)\w)+ 。最终结果为\b(?:(?!cat)\w)+\b
知识点:单词分割符 ,非捕获括号,单词字符,顺序否定环视 ,量词(贪婪匹配)
6.查找后面不跟着某个特定单词的任意单词,如:查找后面不跟着cat的任意单词,可以忽略其中空格和标点和非单词字符
正则:\b\w+\b(?!\W+cat\b)
先找到一个单词\b\w+\b ,然后看看接下来的内容是什么,如果后面跟着cat,那么匹配失败,否则匹配成功。
ps:当然这个正则是可以匹配到cat这个单词本身的,只要cat后面不再跟着cat。
知识点:单词分割符 ,单词字符,非 单词字符, 顺序否定环视 ,量词(贪婪匹配)
7.查找不跟在某个特定单词之后的任意单词,如:查找之前的单词不是cat的单词
正则:(?<!\bcat \W{1,9} ) \b\w+\b
和上一个题目很像,上一个题目要求后面不是什么什么,现在要求前面不是什么什么,所以很容易修改上面的正则:把顺序否定环视改为逆序否定环视 “(?!) ” -> “(?<!) ”。然后把环视的内容倒过来“\W+cat\b ” -> “\bcat\W+ ”,结果为(?<!\bcat \W+ ) \b\w+\b 。
很遗憾,在java中无法运行。原因是逆序环视和“+”的结合。 java中逆序环视不允许出现这种无限制长度的量词,但是可以使用区间量词。 似乎只有.NET允许这么写。所以我们把“+”改为“{1,9}”,这个结果是书中给的,当然长度自己定,我倾向于“{1,20}”。
知识点:单词分割符 ,单词字符,非 单词字符,逆 序否定环视 ,量词(贪婪匹配)
8.查找重复单词,如:连续写了两个相同的单词,中间空白字符相隔。
正则:\b([a-zA-Z]+)\s+\1\b
这个比较简单,所以不解释了。
知识点:单词分割符 ,字符集,空白字符 , 捕获括号, 反向引用 ,量词(贪婪匹配)
B.数字
1.整数
正则:-?[1-9]\d*|0
首先明确整数除了0之外,不能以0开头。那么[1-9]开头,正整数即为“[1-9]\d*”,非负整数为“[1-9]\d*|0”。
ps:书中的答案数字是允许以0开头的(后来发现在6.4节给出了数字前面非0的答案)
书中不推荐使用\d替代[0-9],因为在.NET和Perl中,\d能匹配到任意文字中的任意数字,不过在java中不必担心。
知识点:选择结构 ,字符集,数字字符集简写,非 捕获括号, 量词(贪婪匹配)
2.特定范围内的数字
1-12(小时,月份)
正则:^(1[012]|[1-9])$
1-24(小时)
正则:^(2[0-4]|1\d|[1-9])$
1-31(每月的天次)
正则:^(3[01]|[12]\d|[1-9])$
1-53(每年的周次)
正则:^(5[0-3]|[1-4]\d|[1-9])$
0-59(分、秒)
正则:^[1-5]?\d$
0-100(百分数)
正则:^([1-9]?\d|100)$
1-100
正则:^([1-9]\d?|100)$
^([1-9]\d|[1-9]|100)$可简化为^([1-9]\d?|100)$
32-126(可打印的ASCII字符)
正则:^(3[2-9]|[4-9]\d|1[01]\d|12[0-6])$
0-127(非负有符号字节数)
正则:^([1-9]?\d|1[01]\d|12[0-7])$
根据0-100修改。
-128-127(有符号字节数)
正则:^(([1-9]?\d|1[01]\d|12[0-7])|-(?:[1-9]\d?|1[01]\d|12[0-8]))$
0-127和-1-至-128
当然也可以写成1-127和-1至-127和0和-128,其实我觉得这样更简单一些。
0-255(无符号字节数)
正则:^([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])$
根据0-127修改。
1-366(一年中的天次)
正则:^([1-9]\d?|[12]\d\d|3[0-5]\d|36[0-6])$
根据1-100修改。
知识点:选择结构 ,字符集,数字字符集简写,非 捕获括号, 量词(贪婪匹配)
上面的正则没有什么太多难点,只是数字大了之后情况就多了,所以需要谨慎的考虑。情况多了正则就会变长,看着比较吓人而已。
基本实例就列举这些吧,这里包含了上一节的90%的知识点,看完这节内容的同学写一些简单的正则应该是没有什么问题了
下一节主要介绍java中的正则特性以及相关的api。
转贴请保留以下链接
本人blog地址