正则表达式定义字符串匹配的模式,可以用于检查一个字符串是否含有某个子串。
JAVA正则表达式
java中正则表达式需要 java.util.regex 包,这个包包括了Pattern类和Matcher类。
正则表达式语法
正则表达式是由普通字符(例如字符 a 到 z)以及特殊字符(称为"元字符")组成的文字模式。
特殊字符
- ():标记一个子表达式的开始和结束位置。
- +:+号代表前面的字符必须至少出现1次 比如
zoo+b
可以匹配zoob、zooob、zoooooob等。 - *:代表字符可以不出现,也可以出现一次或者多次。比如
zoo*b
可以匹配zob、zoob等。 - ?:代表前面的字符最多只可以出现一次。比如
colou?r
可以匹配color或colour。 - ^:匹配输入字符串开始的位置。
- [:标记一个中括号表达式的开始。
- |:指明两项之间的一个选择。
非打印字符
- \b:匹配一个字边界,即字与空格间的位置。例如,“er\b"匹配"never"中的"er”,但不匹配"verb"中的"er"。
- \B:非字边界匹配。“er\B"匹配"verb"中的"er”,但不匹配"never"中的"er"。
- \d:数字字符匹配。等效于 [0-9]。
- \D:非数字字符匹配。等效于 [^0-9]。
- \n:换行符匹配。
- \r:匹配一个回车符。
- \s:匹配任何空白字符,包括空格、制表符、换页符等。
- \t:制表符匹配。
- \w:匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效。
限定符
- {n}:n 是一个非负整数。匹配确定的 n 次。例如,‘o{2}’ 不能匹配 “Bob” 中的 ‘o’,但是能匹配 “food” 中的两个 o。
- {n,}:n 是一个非负整数。至少匹配n 次。例如,‘o{2,}’ 不能匹配 “Bob” 中的 ‘o’,但能匹配 “foooood” 中的所有 o。‘o{1,}’ 等价于 ‘o+’。‘o{0,}’ 则等价于 ‘o*’。
- {n,m}:m 和 n 均为非负整数,其中n <= m。最少匹配 n 次且最多匹配 m 次。例如,“o{1,3}” 将匹配 “fooooood” 中的前三个 o。‘o{0,1}’ 等价于 ‘o?’。请注意在逗号和两个数之间不能有空格。
使用pattern和matcher实例:
查找一组推文List tweets中被@的用户并返回这些用户
public static Set<String> getMentionedUsers(List<Tweet> tweets) {
Set<String> set=new HashSet<String>();
int n=tweets.size();
Pattern pa=Pattern.compile("(^|[^\\w,-]+)@([\\w,-]+)");
for(int i=0;i<n;i++) {
String text=tweets.get(i).getText();
Matcher username=pa.matcher(text);
while(username.find()) {
String now = new String(username.group(2).toString().toLowerCase());
set.add(now);
}
}
return set;
}