1.2.1正则表达式语法
要想学会正则表达式,理解元字符是一个必须攻克的难关,这里先给出常用元字符的语法,如表1.1所示。即使不能完全看懂也没有关系,我们会在后边通过更多例子帮助读者理解。
表 1.1 正则表达式语法
元字符 | 说明 |
. | 匹配任何单个字符。例如正则表达式“b.g”能匹配如下字符串:“big”、“bug”、“b g”,但是不匹配“buug”。 |
$ | 匹配行结束符。例如正则表达式“EJB$”能够匹配字符串“I like EJB”的末尾,但是不能匹配字符串“J2EE Without EJBs!”。 |
^ | 匹配一行的开始。例如正则表达式“^Spring”能够匹配字符串“Spring is a J2EE framework”的开始,但是不能匹配“I use Spring in my project”。 |
* | 匹配0至多个在它之前的字符。例如正则表达式“zo*”能匹配“z”以及“zoo”;正则表达式“.*”意味着能够匹配任意字符串。 |
/ | 转义符,用来将元字符当作普通的字符来进行匹配。例如正则表达式/$被用来匹配美元符号,而不是行尾;正则表达式/.用来匹配点字符,而不是任何字符的通配符。 |
[] | 匹配括号中的任何一个字符。例如正则表达式“b[aui]g”匹配bug、big和bug,但是不匹配beg。可以在括号中使用连字符“-”来指定字符的区间来简化表示,例如正则表达式[0-9]可以匹配任何数字字符,这样正则表达式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串;还可以制定多个区间,例如“[A-Za-z]”可以匹配任何大小写字母。还有一个相配合使用的元字符“^”,用在这里并不像前边的那个“^”一样表示匹配行开始,而是表示“排除”,要想匹配除了指定区间之外的字符,就可以在左边的括号和第一个字符之间使用^字符,例如“[^163A-Z]”将能偶匹配除了1、6、3和所有大写字母之外的任何字符。 |
( ) | 将 () 之间括起来的表达式定义为“组”(group),并且将匹配这个表达式的字符保存到一个临时区域,这个元字符在字符串提取的时候非常有用。 |
| | 将两个匹配条件进行逻辑“或”运算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 则匹配"zood" 或 "food"。 |
+ | 匹配前面的子表达式一次或多次。例如正则表达式9+匹配9、99、999等。 |
? | 匹配前面的子表达式零次或一次。例如,"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符还有另外一个用途,就是表示非贪婪模式匹配,后边将有介绍 |
{n} | 匹配确定的 n 次。例如,“e{2}”不能匹配“bed”中的“d”,但是能匹配“seed”中的两个“e”。 |
{n,} | 至少匹配n次。例如,“e{2,}”不能匹配“bed”中的“e”,但能匹配“seeeeeeeed”中的所有“e”。 |
{n,m} | 最少匹配 n 次且最多匹配 m 次。“e{1,3}”将匹配“seeeeeeeed”中的前三个“e”。 |
1.2.2 Java中的正则表达式API
在JDK1.3及之前的JDK版本中并没有包含正则表达式的类,如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库,最有名的就是Jakarta-ORO,Jakarta-ORO库以前叫做OROMatcher,是Daniel Savarese赠送给Jakarta Project的一个开源包。
使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”,Jakarta-ORO中实现了这个接口的类就是Perl5Compiler,这个类做到了与Perl5的正则表达式完全兼容。
PatternCompiler compiler=new Perl5Compiler();
接着调用“模式编译器”的compile方法编译正则表达式:
Pattern pattern= compiler.compile("b[iue]g ");
接着创建一个实现了PatternMatcher接口的实例变量以创建一个“模式匹配器”,Jakarta-ORO中实现了这个接口的类就是Perl5Matcher:
PatternMatcher matcher=new Perl5Matcher();
然后就可以调用PatternMatcher 接口中的contains、matches等方法来进行模式匹配了。
Jakarta-ORO的使用是非常简便的,而且效率非常高,支持的正则表达式语法也是非常全的,唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API,它们位于java.util.regex包中,由于已经有了标准API,所以本书将会用java.util.regex进行正则表达式的相关操作。
java.util.regex中定义了一些表达式的简写,可以使得表达式显得更加简洁清晰:
/t:制表符,等同于/u0009
/n:换行符,等同于/u000A
/d:代表一个数字,等同于[0-9]
/D:代表非数字,等同于[^0-9]
/s:代表换行符、Tab制表符等空白字符
/S:代表非空白字符
/w:字母字符,等同于[a-zA-Z_0-9]
/W:非字母字符,等同于[^/w]
1.2.3java.util.regex的使用
java.util.regex中包括了两个类:Pattern和Matcher,与Jakarta-ORO不同的是这两个类都是终态类,并且没有定义相关接口。一个Pattern对象就是一个正则表达式经编译后的表现模式,也就是前边所说的“模式编译器”;一个Matcher对象是一个状态机器,它根据Pattern对象做为匹配模式对字符串展开匹配检查,也就是前边说的“模式匹配器”。因为模式的编译过程是最先进行且与匹配过程独立的,所以这保证了进行批量字符串匹配时候的运行效率。
Pattern类有如下重要的方法:
(1)public static Pattern compile(String regex):将给定的正则表达式编译并返回编译后的Pattern对象。
(2)public static Pattern compile(String regex, int flags):将给定的正则表达式编译并返回编译后的Pattern对象,flag参数表示匹配时的选项,可选的flag参数包括:CASE_INSENSITIVE,COMMENTS,MULTILINE,DOTALL,UNICODE_CASE,CANON_EQ。
(3)public int flags():返回flag选项参数.
(4)public static boolean matches(String regex, CharSequence input):直接判断字符序列input是否匹配正则表达式regex。前面曾经提到当需要使用一个正则表达式进行多次匹配的时候,对正则表达式进行预编译能够加快运行速度,但是如果这个匹配只进行一次的话,就可以调用这个matches方法直接判断是否匹配,这样就方便多了。这段代码内部的实现代码就是:Pattern.compile(regex).matcher(input).matches();
Matcher 类有如下重要的方法:
(1)public boolean matches():生成一个给定命名的Matcher对象
(2)public String pattern():返回该Pattern对象所编译的正则表达式。
(3)public String[] split(CharSequence input)
将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割。
(4)public String[] split(CharSequence input, int limit) 将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割,参数limit作用是指定要分割的段数,如将limi设为2,那么目标字符序列将根据正则表达式分为割为两段。
(5)public String group(int group) :得到匹配结果中提取的第group个分组的值。此方法在字符串提取中经常用到。
(6)public String replaceAll(String replacement):用指定的字符串替换匹配的子串。
下面看一下简单的正则表达式的例子。
【
例1-1
】
简单的字符匹配
代码 1.4 简单的正则表达式字符匹配
Pattern p = Pattern.compile("b*g");
Matcher m = p.matcher("bbbbbbg");
boolean b = m.matches();
System.out.println(b);
运行结果为:
true
因为“b*g”匹配的字符0至多个“b”后面有一个“g”,所以“bbbbbbg”匹配。
这里采用简化形式,并匹配另外一个字符串:
boolean b = Pattern.matches("b*g","bug");
System.out.println(b);
运行结果为:
false
正则表达式不仅能进行字符串的匹配,还能进行字符串的提取、替换。下面就演示一个字符串提取的例子:
【
例1-2
】
从文件路径中提取出文件名(包含后缀)
比如从“c:/dir1/dir2/name.txt”中提取出“name.txt”。
代码 1.5 字符串提取
String regEx = ".+/(.+)$";
String str = "c:/dir1/dir2/name.txt";
Pattern p = Pattern.compile(regEx);
Matcher m = p.matcher(str);
if (!m.find())
{
System.out.println("文件路径格式错误!");
return;
}
System.out.println(m.group(1));
运行结果:name.txt
正则表达式“
.+/(.+)$”的含义就是:被匹配的字符串以任意字符序列开始,后边紧跟着字符“/”,最后以任意字符序列结尾,“()”代表分组操作,这里就是把文件名做为分组,匹配完毕我们就可以通过Matcher 类的group方法取到我们所定义的分组了。需要注意的这里的分组的索引值是从1开始的,所以取第一个分组的方法是m.group(1)而不是m.group(0)。