Java 正则表达式小例子

这个周末学习了下正则表达式，对字符串的操作确实强大。学新东西先认识概念，后了解原理，然后辅助练习。理解其原理，才能真正学会。原理性东西才是知识的本质，在技术迅速更新的今天才不会过时。

正则表达式概念 

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。正则表达式可以用形式化语言理论的方式来表达，它由常量和算子组成，它们分别指示字符串的集合和在这些集合上的运算。

正则表达式用途

1. 验证：字符串是否符合指定特征，比如验证是否是合法的邮件地址；
2. 查找：从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便；
3. 替换：比普通的替换更强大，替换符合指定特征的字符串；

正则表达式引擎 

正则表达式的匹配是通过正则表达式引擎实现的。正则表达式引擎分为两类：

1. 基于NFA ( Nondeterministic Finite Automata，非确定型有穷状态自动机)；
2. 基于DFA ( Deterministic Finite Automaton，确定型有穷状态自动机)；

DFA和NFA的区别在于，DFA对于一个状态和一个输入，一定会有一个唯一的后续状态，而NFA可能有多个状态，也可能没有。一般来说，DFA正则在编译的时候花的时间会多一点，但是在匹配的时候会更快一点。NFA出现较早，Java、.Net、PHP、Ruby、Perl、Python、GNU Emacs、ed、sec、vi、grep都是使用NFA，而DFA只有egrep awk lex flex这些支持。所以，NFA引擎在生产环境里使用较多。

匹配的规则

1. 优先选择最左端的结果；
2. 对标准匹配量词'{m,n}'、'+'、'*'、'?'优先使用贪婪模式；

Java正则表达式Demo

自己写了一个demo，从键盘获取pattern，匹配文件 (默认本工程下tests.txt, 也可以自己输入文件路径) 中的字符串，并逐行显示匹配结果，方便验证自己写的正则表达式。

import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegexDemo {
	private String content;

	public RegexDemo() {
		this("test.txt"); // 默认这个文件
	}

	public RegexDemo(String fileName) {
		this.content = (readFileToString(new File(fileName)));
	}

	/* 匹配符合模式的字符串并逐个显示 */
	public void matchNum(String input) {
		int sum = 1;
		Pattern pattern = Pattern.compile(input, Pattern.DOTALL); //"."符号可以匹配行尾
		Matcher matcher = pattern.matcher(content);
		while (matcher.find()) {
			System.out.println("Case" + (sum++) + ": " + matcher.group());
		}
	}
	
	/* 读取文件到一个字符串 */
	private String readFileToString(File file) {
		StringBuilder stringBuilder = new StringBuilder();
		try {
			Scanner scanner = new Scanner(file);
			while (scanner.hasNextLine()) {
				stringBuilder.append(scanner.nextLine() + "\n");
			}
			scanner.close();
		} catch (FileNotFoundException e) {
			e.printStackTrace();
		}
		return stringBuilder.toString();
	}

	public static void main(String[] args) {
		RegexDemo regexTest = new RegexDemo(); //默认用本工程下的text.txt文件
		Scanner scanner = new Scanner(System.in);
		String input = null;
		while (scanner.hasNextLine()) {
			input = scanner.nextLine();
			regexTest.matchNum(input);
		}
		scanner.close();
	}
}

测试文件tests.txt内容：

demo.anonymous@gmail.com
hello@163.com  192.168.20.2
http://www.jb51.net/tools/regex.htm
<p>第一段</p>
http://www.jb51.net/tools/regex.htm

控制台运行：

[a-zA-z]+://[^\s]*
Case1: http://www.jb51.net/tools/regex.htm
Case2: http://www.jb51.net/tools/regex.htm
((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
Case1: 192.168.20.2
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
Case1: demo.anonymous@gmail.com
Case2: hello@163.comdemo

参考

• 正则表达式wiki
• 正则表达式30分钟入门教程
• 正则表达式原理