本文将介绍如何在Java中使用正则表达式来处理文本数据。正则表达式就是一个字符串,但和普通的字符串不同的是,正则表达式是对一组相似字符串的抽象,如下面的几个字符串:
注意:正则表达式匹配元字符的时候使用 双斜杠加元字符 即: "\\{" 匹配实际字符串的"{"..依此类推。。。
\ 将下一个字符标记为一个特殊字符、或一个原义字符、或一个后向引用、或一个八进制转义符。
- ^ 匹配输入字符串的开始位置。如果设置了 RegExp 对象的Multiline 属性,^ 也匹配 ’\n’ 或 ’\r’ 之后的位置。
- $ 匹配输入字符串的结束位置。如果设置了 RegExp 对象的Multiline 属性,$ 也匹配 ’\n’ 或 ’\r’ 之前的位置。
- * 匹配前面的子表达式零次或多次。
- + 匹配前面的子表达式一次或多次。+ 等价于 {1,}。
- ? 匹配前面的子表达式零次或一次。? 等价于 {0,1}。
- {n} n 是一个非负整数,匹配确定的n 次。
- {n,} n 是一个非负整数,至少匹配n 次。
- {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。在逗号和两个数之间不能有空格。
- ? 当该字符紧跟在任何一个其他限制符 (*, +, ?, {n}, {n,}, {n,m}) 后面时,匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串,而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
- . 匹配除 "\n" 之外的任何单个字符。要匹配包括 ’\n’ 在内的任何字符,请使用象 ’[.\n]’ 的模式。
- (pattern) 匹配pattern 并获取这一匹配。
- (?:pattern) 匹配pattern 但不获取匹配结果,也就是说这是一个非获取匹配,不进行存储供以后使用。
- (?=pattern) 正向预查,在任何匹配 pattern 的字符串开始处匹配查找字符串。这是一个非获取匹配,也就是说,该匹配不需要获取供以后使用。
- (?!pattern) 负向预查,与(?=pattern)作用相反
- x|y 匹配 x 或 y。
- [xyz] 字符集合。
- [^xyz] 负值字符集合。
- [a-z] 字符范围,匹配指定范围内的任意字符。
- [^a-z] 负值字符范围,匹配任何不在指定范围内的任意字符。
- \b 匹配一个单词边界,也就是指单词和空格间的位置。
- \B 匹配非单词边界。
- \cx 匹配由x指明的控制字符。
- \d 匹配一个数字字符。等价于 [0-9]。
- \D 匹配一个非数字字符。等价于 [^0-9]。
- \f 匹配一个换页符。等价于 \x0c 和 \cL。
- \n 匹配一个换行符。等价于 \x0a 和 \cJ。
- \r 匹配一个回车符。等价于 \x0d 和 \cM。
- \s 匹配任何空白字符,包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。
- \S 匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。
- \t 匹配一个制表符。等价于 \x09 和 \cI。
- \v 匹配一个垂直制表符。等价于 \x0b 和 \cK。
- \w 匹配包括下划线的任何单词字符。等价于’[A-Za-z0-9_]’。
- \W 匹配任何非单词字符。等价于 ’[^A-Za-z0-9_]’。
- \xn 匹配 n,其中 n 为十六进制转义值。十六进制转义值必须为确定的两个数字长。
- \num 匹配 num,其中num是一个正整数。对所获取的匹配的引用。
- \n 标识一个八进制转义值或一个后向引用。如果 \n 之前至少 n 个获取的子表达式,则 n 为后向引用。否则,如果 n 为八进制数字 (0-7),则 n 为一个八进制转义值。
- \nm 标识一个八进制转义值或一个后向引用。如果 \nm 之前至少有is preceded by at least nm 个获取得子表达式,则 nm 为后向引用。如果 \nm 之前至少有 n 个获取,则 n 为一个后跟文字 m 的后向引用。如果前面的条件都不满足,若 n 和 m 均为八进制数字 (0-7),则 \nm 将匹配八进制转义值 nm。
- \nml 如果 n 为八进制数字 (0-3),且 m 和 l 均为八进制数字 (0-7),则匹配八进制转义值 nml。
- \un 匹配 n,其中 n 是一个用四个十六进制数字表示的Unicode字符。
a98b c0912d c10b a12345678d ab
我们仔细分析上面五个字符串,可以看出它们有一个共同特征,就是第一个字符必须是'a'或'c',最后一个字符必须是'b'或'd',而中间的字符是任意多个数字组成(包括0个数字)。因此,我们可以将这五个字符串的共同特点抽象出来,这就产生了一个正则表达式:[ac]//d*[bd]。而根据这个正则表达式,我们可以写出无穷多个满足条件的字符串。
在Java中使用正则表达式的方法非常多,最简单的就是和字符串一起使用。在String中有四个方法可以使用正则表达式,它们是matches、split、replaceAll和replaceFirst。
一、matches方法
matches方法可以判断当前的字符串是否匹配给定的正则表达式。如果匹配,返回true,否则,返回false。matches方法的定义如下:public boolean matches(String regex)
如上面给出的正则表达式我们可以用如下程序验证。
String[] ss = new String[]{"a98b", "c0912d", "c10b", "a12345678d", "ab"};
for(String s: ss)
System.out.println(s.matches("[ac]//d*[bd]"));输出结果:
true
true
true
true
true
下面简单解释一下这个正则表达式的含义。如果我们学过编译原理的词法分析,就会很容易理解上面的正则表达式(因为正则表达式的表示方法和词法分析中的表达式类似)。如在 [...]中的相当于或"|",如[abcd]相当于a|b|c|d,也就是a或b或c或d。如上面的正则表达式的开头部分是[ac],就代表着字符串的开头只能是a或c。[bd]表达字符串结尾只能是b或d。而中间的/d表达0-9的数字,由于/在正则表达式中有特殊含义,所以用//来表示/。而*表示有0或无穷多个(这在词法分析中叫*闭包),由于*跟在/d后面,因此表达有0或无穷多个数字。
二、split方法
split方法使用正则表达式来分割字符串,并以String数组的形式返回分割结果。split有两种重载形式,它们定义如下:
public String[] split(String regex)
public String[] split(String regex, int limit)如下面的代码将使用split的第一种重载形式来分割HTTP请求头的第一行,代码如下:
String s = "GET /index.html HTTP/1.1";
String ss[] = s.split(" +");
for(String str: ss)
System.out.println(str);输出结果:
GET
/index.html
HTTP/1.1
在使用split的第一种重载形式时应注意,如果分割后的字符串最后有空串,将被忽略。如使用正则表达式/d来分割字符串a0b1c3456时,得到的数组的长度为3,而不是7。
在split的第二种重载形式中有一个limit参数,要分三种情况讨论:
1. 大于0: 如limit的值为n,那么将对正则表达式使用n-1次,下面的代码:
String s = "a0b1c3456";
String ss[] = s.split("//d", 3);
for(String str: ss)
System.out.println(str);
输出结果:
a
b
c3456
从输出结果可以看出,程序只对" a0b1c3456"使用了两次正则表达式,也就是在少扫描完字符'1'后,不管后面有没有满足条件的字符串,都将后面的字符串作为一个整体来作为返回数组的最后一个值。
2. 小于0: 不忽略结尾的空串。也就是上面的例子返回数组的长度应该是7,而不是3。
3. 等于0:这是默认值,相当于split的第一种重载形式。
三、replaceAll 和 replaceFirst方法
为两个方法的定义如下:
public String replaceAll(String regex, String replacement)
public String replaceFirst(String regex, String replacement)
这两个方法用replacement替换当前字符串中和regex匹配的字符串。使用方法很简单,这里不再详述,感兴趣的读者可以参考相关的文档。
对于Java中正则表达式的详细内容,请参考JDK文档。本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/X_Jian/archive/2009/04/20/4096029.aspx