深入入门正则表达式（java） - 2 - 基本实例

这里例子都是从《正则表达式经典实例》中选取的

书中的第5、6章每个例子我都独立完成了一遍，觉得基础的会拿出来给大家分享

我把长度为0的匹配结果看作一个缝隙，比如“\b”是单词之间的缝隙，“^”是字符与开头的缝隙……

 

A.单词

1.查找单词cat

 

正则：\bcat\b

开始的例子总是很简单，之前我们讲过了\b可以找到单词的边界，\b会匹配下面3种位置

1.如果目标文本第一个字符是单词字符，则匹配第一个字符之前的位置

2.如果目标文本最后一个字符是单词字符，则匹配最后一个字符之后的位置

3.如果两个连续的字符中一个是单词字符一个不是，那么匹配中间位置

注意：java的\b是支持Unicode字符的。

知识点：单词分割符

 

2.查找多个单词之一，如：匹配one或者two或three

正则：\b(?:one|two|three)\b

这个也很容易理解，使用非捕获括号是为了提高效率，不让程序单独记住括号内捕获的内容

当然，你可以这么写“\b(?:one|t(?:wo|hree))\b” ，似乎只是为了让人更加迷惑。。。

知识点：单词分割符，非捕获括号，选择结构

 

3.查找相似单词，如：Steven、Steve、Stephen

正则：\bSte(?:ven?|phen)\b

这几个单词都是以Ste开头，后面公共的部分就只有一个e了，最后的n可有可无。如果你这么想，那你的正则很有可能写成下面这样

\bSte(?:v|ph)en?\b

不仔细看还真容易被糊弄过去，当然，上面3中形式都可以匹配，但是，它是不是也能匹配Stephe呢？

知识点：单词分割符 ，非捕获括号，选择结构 ，量词（贪婪匹配）

 

4.查找除了某个单词之外的任意单词，如：查找除了cat之外的任意其他单词

正则：\b(?!cat\b)\w+\b

如果查找任意一个单词很容易：\b\w+\b，我们来改造一下，首先肯定要有\b，这能让我们找到单词的开头，然后我们要看看接下来的三个字母，如果他们分别是c、a、t，并且之后单词结束，那我们就不需要，否则就是我们需要的。

“(?!cat)”，它匹配一个缝隙，这个缝隙的后面不是c、a、t，如果我们找到了这样的缝隙“(?!cat\b)”，那么这个缝隙之后的单词字符就是我们所需要的。当然我们可以把\w换成[a-zA-Z]

知识点：单词分割符 ，非捕获括号，单词字符，顺序否定环视 ，量词（贪婪匹配）

 

5.查找不包含另一个单词的单词，如：查找不包含cat的单词

正则：\b(?:(?!cat)\w)+\b

这个结果看上去和上一个题目差不多，我们来看看他们的区别。

(?!cat)上面已经解释过了，那么我们找到了这个位置，后面是不是就都是我们所需要的字符了呢？如果你写成了\b(?!cat)\w+\b ，那么很遗憾，答案是错的。它只会保证匹配的结果不是以cat开头而已。我们可以想一下查找过程：我们先看单词的前3个字符，如果不是cat，那么我们看单词的第2、3、4个字符是不是cat，这样就能排除acat了。如果第2、3、4不是cat，那么我们看第3、4、5个字符……直到看完最后三个字符位置。也就是说，我们每确定一个我们需要的字符，就要重新看看我们现在所在位置后的3个字符是否满足条件，所以我们要多次使用顺序否定环视((?!cat)\w)+ 。最终结果为\b(?:(?!cat)\w)+\b

知识点：单词分割符 ，非捕获括号，单词字符，顺序否定环视 ，量词（贪婪匹配）

 

6.查找后面不跟着某个特定单词的任意单词，如：查找后面不跟着cat的任意单词，可以忽略其中空格和标点和非单词字符

正则：\b\w+\b(?!\W+cat\b)

先找到一个单词\b\w+\b ，然后看看接下来的内容是什么，如果后面跟着cat，那么匹配失败，否则匹配成功。

ps：当然这个正则是可以匹配到cat这个单词本身的，只要cat后面不再跟着cat。

知识点：单词分割符 ，单词字符，非 单词字符， 顺序否定环视 ，量词（贪婪匹配）

 

7.查找不跟在某个特定单词之后的任意单词，如：查找之前的单词不是cat的单词

正则：(?<!\bcat \W{1,9} ) \b\w+\b

和上一个题目很像，上一个题目要求后面不是什么什么，现在要求前面不是什么什么，所以很容易修改上面的正则：把顺序否定环视改为逆序否定环视 “(?!) ” -> “(?<!) ”。然后把环视的内容倒过来“\W+cat\b ” -> “\bcat\W+ ”，结果为(?<!\bcat \W+ ) \b\w+\b 。

很遗憾，在java中无法运行。原因是逆序环视和“+”的结合。 java中逆序环视不允许出现这种无限制长度的量词，但是可以使用区间量词。 似乎只有.NET允许这么写。所以我们把“+”改为“{1,9}”，这个结果是书中给的，当然长度自己定，我倾向于“{1,20}”。

知识点：单词分割符 ，单词字符，非 单词字符，逆 序否定环视 ，量词（贪婪匹配）

 

8.查找重复单词，如：连续写了两个相同的单词，中间空白字符相隔。

正则：\b([a-zA-Z]+)\s+\1\b

这个比较简单,所以不解释了。

知识点：单词分割符 ，字符集，空白字符 ， 捕获括号， 反向引用 ，量词（贪婪匹配）

 

B.数字

 

1.整数

正则：-?(?:[1-9]\d*|0)

 

首先明确整数除了0之外，不能以0开头。那么[1-9]开头，正整数即为“[1-9]\d*”，非负整数为“[1-9]\d*|0”。

ps：书中的答案数字是允许以0开头的（后来发现在6.4节给出了数字前面非0的答案）

书中不推荐使用\d替代[0-9]，因为在.NET和Perl中，\d能匹配到任意文字中的任意数字，不过在java中不必担心。

知识点：选择结构 ，字符集，数字字符集简写，非 捕获括号， 量词（贪婪匹配）

 

2.特定范围内的数字

1-12（小时，月份）

正则：^1[012]|\d$

 

1-24（小时）

正则：^2[0-4]|1\d|[1-9]$

 

1-31（每月的天次）

正则：^3[01]|[12]\d|[1-9]$

 

1-53（每年的周次）

正则：^5[0-3]|[1-4]\d|[1-9]$

 

0-59（分、秒）

正则：^[1-5]?\d$

 

0-100（百分数）

正则：^[1-9]?\d|100$

 

1-100

正则：^[1-9]\d?|100$

^[1-9]\d|[1-9]|100$可简化为^[1-9]\d?|100$

 

32-126（可打印的ASCII字符）

正则：^3[2-9]|[4-9]\d|1[01]\d|12[0-6]$

 

0-127（非负有符号字节数）

正则：^[1-9]?\d|1[01]\d|12[0-7]$

根据0-100修改。

 

-128-127（有符号字节数）

正则：^[1-9]?\d|1[01]\d|12[0-7]|-(?:[1-9]\d?|1[01]\d|12[0-8])$

0-127和-1-至-128

当然也可以写成1-127和-1至-127和0和-128,其实我觉得这样更简单一些。

 

0-255（无符号字节数）

正则：^[1-9]?\d|1\d\d|2[0-4]\d|25[0-5]$

根据0-127修改。

 

1-366（一年中的天次）

正则：^[1-9]\d?|[12]\d\d|3[0-5]\d|36[0-6]$

根据1-100修改。

知识点：选择结构 ，字符集，数字字符集简写，非 捕获括号， 量词（贪婪匹配）

上面的正则没有什么太多难点，只是数字大了之后情况就多了，所以需要谨慎的考虑。情况多了正则就会变长，看着比较吓人而已。

 

基本实例就列举这些吧，这里包含了上一节的90%的知识点，看完这节内容的同学写一些简单的正则应该是没有什么问题了

下一节主要介绍java中的正则特性以及相关的api。