Java多可立,java正则 正则表达式 多行匹配 | 个人空间|张先立|宝宝

1：多行匹配

在默认的情况下 . 是不能匹配行结束符的(行结束符有 6 个，具体的可以看看 Pattern 的 API DOC)

同样，可以像不匹配大小写匹配那样使用编译参数：Pattern.DOTALL

如果还得区分大小写的话，还得加上上面说到的 Pattern.CASE_INSENSITIVE 这个，举个例子：

Java codeimport java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test {

public static void main(String[] args) {

String str =

“

“ 

                 \n” +

“   

               \n” +

“       Hello World!    \n” +

“   

              \n” +

“ 

                \n” +

“

”;

String regex = “

(.+?)”;

Pattern pattern = Pattern.compile(regex);

Matcher matcher = pattern.matcher(str);

while(matcher.find()) {

System.out.println(matcher.group(1).trim());

}

}

}

上面这个是不能从 str 抽取出东西的，因为 td 的后面带有换行符，我们只要更改一下：

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);

这样就行了，如果 td 还得不区分大小写的话，再改成：

Java codePattern pattern = Pattern.compile(regex, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);

这样的话，td 哪怕是大写的这个表达式都能把 td 之间的字符区抽取出来。

当然和 Pattern.CASE_INSENSITIVE 一样，Pattern.DOTALL 也有内嵌标志表达式，即 (?s)

s 的意思表示 single-line 就是忽略换行符什么的，只看成单行进行处理。

这个表达式使用内嵌 (?s) 的话可以改为：

Java codeString regex = “(?s)

(.+?)”;

如果还要不区分大小写的话，再加上 i 标志：

String regex = “(?s)(?i)

(.+?)”;

但这样显得很拖沓，可以把它们合并起来：

String regex = “(?is)

(.+?)”;    // 秩序无所谓

最后需要说明一下的是，我曾看到过由于不明白 DOTALL，为了让 . 匹配行结束符，直接把表达式写成：

Java codeString regex = “

((.|\\s)+?)”;

这样做是极其危险的，由于选择结构的匹配效率问题，这样做在比较长的字符串时会造成堆栈溢出，

使程序崩溃，如果使用 DOTALL 或者 (?s) 的话就不会出现这种情况。

4：2个单元的或操作

| 称为多选结构，用于匹配 | 之中的任何一个，拿你的例子来说明：

Java codeimport java.util.regex.Matcher;

import java.util.regex.Pattern;

public class Test {

public static void main(String[] args) {

String str =

                “\n” +

                “\n” +

                “”;

        String regex = “”;

Pattern pattern = Pattern.compile(regex);

Matcher matcher = pattern.matcher(str);

while(matcher.find()) {

System.out.println(matcher.group());

}

}

}

注意到其中的 (?:ww|3) 在进行多选匹配时尽量找出多选中的规律，以减少多选的字符，

www 和 3w 在最后一个字符可以共用，前面的不一样。

(?: ) 的意思表示组成一组，如果没有 (?: ) 这样的话，表达式就变成了：

Java codeString regex = “”;

这样的语义完全变掉了，| 是在一组中进行选择，由于上面的那个表达式中没有组，就把整个表

达式作为了一组，使用 | 的话，就进行了整个表达式的多选结构了。这个表达式的意思是：

匹配 ，这样的结果并不是我们所要的。

我们仅仅需要在 ww 和 3 之间进行选择，这时只要把 ww 和 3 放在一组中进行多选择就可以了，

变成 (?:ww|3)。

还有，在多选结构中尽量把出现频率高的放在前面，这样可以加快匹配速度。

多选结构的效率在传统型的引擎中是效率低下的，如果是单个字符的选择，比如 a $ & 之中的一个，

那就不要使用 (?:a|$|&) 了，可以直接使用字符类 [a$&] 就可以了。