§
1
黑暗岁月
有一个
String
,如何查询其中是否有
y
和
f
字符?最黑暗的办法就是:
程序
1
:我知道
if
、
for
语句和
charAt()
啊。
class Test{
public static void main(String args[]) {
String str="For my money, the important thing "+
"about the meeting was bridge-building";
char x='y';
char y='f';
boolean result=false;
for(int i=0;i
char z=str.charAt(i);//System.out.println(z);
if(x==z||y==z) {
result=true;
break;
}
else result=false;
}
System.out.println(result);
}
}
好像很直观,但这种方式难以应付复杂的工作。如查询一段文字中,是否有
is
?是否有
thing
或
ting
等。这是一个讨厌的工作。
§
2 Java
的
java.util.regex
包
按照面向对象的思路,把希望查询的字符串如
is
、
thing
或
ting
封装成一个对象,以这个对象作为模板去匹配一段文字,就更加自然了。作为模板的那个东西就是下面要讨论的正则表达式。先不考虑那么复杂,看一个例子:
程序
2
:不懂。先看看可以吧?
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="For my money, the important thing "+
"about the meeting was bridge-building";
String regEx="a|f";//
表示
a
或
f
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean result=m.find();
System.out.println(result);
}
}
如果
str
匹配
regEx
,那么
result
为
true
,否则为
flase
。如果想在查找时忽略大小写,则可以写成:
Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);
虽然暂时不知道
Pattern
(模板、模式)和
Matcher
(匹配器)的细节,程序的感觉就比较爽,如果先查询
is
、后来又要查询
thing
或
ting
,我们只需要修改一下模板
Pattern
,而不是考虑
if
语句和
for
语句,或者通过
charAt()
。
1、
写一个特殊的字符串——正则表达式如
a|f
。
2、
将正则表达式编译成一个模板:
p
3、
用模板
p
去匹配字符串
str
。
思路清楚了,现在看
Java
是如何处理的(
Java
程序员直到
JDK1.4
才能使用这些类。
§
3 Pattern
类与查找
①
public final class java.util.regex.Pattern
是
正则表达式编译后的表达法。下面的语句将创建一个
Pattern
对象并赋值给句柄
p
:
Pattern p=Pattern.compile(regEx);
有趣的是,
Pattern
类是
final
类,而且它的构造器是
private
。也许有人告诉你一些设计模式的东西,或者你自己查有关资料。这里的结论是:
Pattern
类不能被继承,我们不能通过
new
创建
Pattern
类的对象。
因此在
Pattern
类中,提供了
2
个重载的静态方法,其返回值是
Pattern
对象(的引用)。如:
public static Pattern compile(String regex) {
return new Pattern(regex, 0);
}
当然,我们可以声明
Pattern
类的句柄,如
Pattern p=null
;
②
p.matcher(str)
表示以用模板
p
去生成一个字符串
str
的匹配器,它的返回值是一个
Matcher
类的引用,为什么要这个东西呢?按照自然的想法,返回一个
boolean
值不行吗?
我们可以简单的使用如下方法:
boolean result=Pattern.compile(regEx).matcher(str).find();
呵呵,其实是三个语句合并的无句柄方式。无句柄常常不是好方式。后面再学习
Matcher
类吧。先看看
regEx
——这个怪咚咚。
§
4
正则表达式之限定符
正则表达式(
Regular Expression
)
是一种生成字符串的字符串。晕吧。比如说,
String regEx="me+";
这里字符串
me+
能够生成的字符串是:
me
、
mee
、
meee
、
meeeeeeeeee
等等,一个正则表达式可能生成无穷的字符串,所以我们不可能(有必要吗?)输出正则表达式产生的所有东西。
反过来考虑,对于字符串:
me
、
mee
、
meee
、
meeeeeeeeee
等等,我们能否有一种语言去描述它们呢?显然,正则表达式语言是这种语言,它是一些字符串的模式——简洁而深刻的描述。
我们使用正则表达式,用于字符串查找、匹配、指定字符串替换、字符串分割等等目的。
生成字符串的字符串——正则表达式,真有些复杂,因为我们希望
由普通字符(例如字符
a
到
z
)以及特殊字符(称为元字符)
描述
任意的字符串,而且要准确。
先搞几个
正则表达式
例子:
程序
3
:我们总用这个程序测试正则表达式。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="For my money, the important thing "
;
String regEx="ab*";
boolean result=Pattern.compile(regEx).matcher(str).find();
System.out.println(result);
}
}//ture
①
"ab*"
——能匹配
a
、
ab
、
abb
、
abbb
……。所以,
*
表示前面字符可以有零次或多次。如果仅仅考虑查找,直接用
"a"
也一样。但想想替换的情况。
问题
regEx="abb*"
结果如何?
②
"ab+"
——能匹配
ab
、
abb
、
abbb
……。等价于
"abb*"
。
问题
regEx="or+"
结果如何?
③
"or?"
——能匹配
o
和
or
。
?
表示前面字符可以有零次或一次。
这些限定符
*
、
+
、
?
方便地表示了其前面字符
(
子串
)
出现的次数(我们用
{}
来描述):
x*
零次或多次
≡{0,}
x+
一次或多次
≡{1,}
x?
零次或一次
≡{0,1}
x{n}
n
次(
n>0
)
x{n,m}
最少
n
次至最多
m
次(
0
)
x{n,}
最少
n
次
,
现在我们知道了连续字符串的查找、匹配。下面的是一些练习题:
①查找粗体字符串(不要求精确或要求精确匹配),写出其正则表达式:
str
regEX(
不要求精确
)
regEX(
要求精确
)
试一试
abcffd
b
或
bcff
或
bcf*
或
bc*
或
bc+
bcff
或
bcf{2}
bc{3}
gooooogle
o{1,}
、
o+
o{5}
banana
(an)+
(an){2}a
、
a(na) {2}
②正则表达式匹配字符串,输出是什么?
§
5
替换(删除)、
Matcher
类
现在我们可能厌烦了
true/false
,我们看看替换。如把
book
,
替换成
bak
(这个文件后缀名,在
EditPlus
中还行)、
look
或
goooogle
。
程序
4
:字符串的替换。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String regEx="a+";//
表示一个或多个
a
String str="abbbaaa an banana hhaana";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
String s=m.replaceAll("
⊙⊙
"); //
("")
删除
System.out.println(s);
}
}
这个程序与前面的程序的区别,在于使用了
m.replaceAll(String)
方法。看来
Matcher
类还有点用处。
①
public final class Matcher
是一个匹配器。可以把他看成一个人,一手拿着模子(
Pattern
类的对象),一手拿着一个字符序列(
CharSequence
),通过解释该模子而对字符序列进行匹配操作(
match operations
)。常常我们这样编程:“喂,模子
p
,你和字符串
str
一起创建一个匹配器对象”。即
Matcher m=p.matcher(str);
②
m
可以进行一些操作,如
public StringreplaceAll(String replacement)
,它以
replacement
替换所有匹配的字符串。
§
6
正则表达式之特殊字符
我们熟悉这样一个字符串
"\n"
如:
System.out.print(s+"\nbbb");
这是
Java
中常用的转移字符之一。其实转移字符就是一种正则表达式,它使用了特殊字符
\
。
下面是正则表达式中常用的特殊字符:
匹配次数符号
*
+
?
{n}
、
{n,}
、
{n,m}
“
或
”
符号
|
程序
2
已经使用过了
句点符号
.
句点符号匹配所有字符(一个),包括空格、
Tab
字符甚至换行符。
方括号
[ ]
仅仅匹配方括号其中的字符
)
圆括号
()
分组,圆括号中的字符视为一个整体。
连字符
-
表示一个范围。
“
否
”
符号
^
表示不希望被匹配的字符(排除)
我们一下子学不了太多的东西,这不是正则表达式的全部内容和用法。但已经够我们忙活的了。我们用程序
4
验证。
(
⊙⊙
表示替换的字符
)
①
regEx
为下列字符串时,能够表示什么?
regEx
匹配
测试用
str
(a|b){2}
aa
、
ab
、
bb
、
ba
aabb
fooaabfooabfoob
a[abc]b
aab
、
abb
、
acb
3dfacb5ooyfo6abbfooaab
.
all string
3dfac
a.
aa
、
ax……
等等
3dfacgg
d[^j]a
daa
、
d9a
等等,除
dja
3dfacggdjad5a
[d-g][ac]c
dac
、
ecc
、
gac
等
3dfacggggccad5c
[d-g].{2}c
d
⊙⊙
c
……
3dfacggggccad5c
g{1,10}
g
、
ggg
……
3dfacggggccad5c
[a|c][^a]
3dfacggggccad5c
②
下列字符串如何用
regEx
表示?
测试用
str
匹配
regEx
aabb
foaoabfooafobob
a
⊙⊙
b
a..b
aabbfoaaobfooafbob
a
⊙
b
、除
aab
a[^a]b
、
gooooooogle
oooo
……变成
oo
o{2,20}
一本书中的
“tan”
、
“ten”
、
“tin”
和
“ton”
t.n
、
t[aeio]n
abcaccbcbaacabccaa
删除
ac
、
ca
(ca)|(ac)
abccbcbaabca
再删除
ab
、
ba
结果
ccbcca
(如何与上面的合并)
注:
1
、
String str="
一本书中的
tan
、
ten
、
tin
和
ton";
输出:
一本书中的⊙⊙、⊙⊙、⊙⊙和⊙⊙
2
、
String str=" abcaccbcbaacabccaa ";
输出:
ccbcca
程序
5
:
if
、
for
语句和
charAt()
,
886
。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="abcaccbcbaacabccaa";
String regEx="(ac)|(ca)";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
String s=m.replaceAll("");//
⊙⊙
regEx="(ab)|(ba)";
p=Pattern.compile(regEx);
s=p.matcher(s).replaceAll("");
System.out.print(s+"\n");
}
}
§
7
开始
好像我们知道了一些
正则表达式与
Java
的知识,事实上,我们才刚刚开始。这里列出我们知道的东西,也说一点我们不知道的东西。
①
Java
在
JDK1.4
引入了(
java.util.regex
包)以支持
正则表达式,包中有两个类,分别是
Pattern
和
Matcher
。它们都有很多的方法,我们还不知道。
String
类中的
split
、
matches
方法等等也使用到了
正则表达式。
StringTokenizer
是否没有用处了?
②
正则表达式是一门语言。有许多正则表达式语法、选项和特殊字符,在
Pattern.java
源文件中大家可以查看。可能比想象中的要复杂。系统学习正则表达式的历史、语法、全部特殊字符(相当于
Java
中的关键字的地位),组合逻辑是下一步的事情。
③
正则表达式是
文本处理的重要技术,在
Perl
、
PHP
、
Python
、
JavaScript
、
Java
、
C
#中被广泛支持。被列为“保证你现在和未来不失业的十种关键技术”,呵呵,信不信由你。