正则表达式的学习

                                正则表达式的学习

 

闲来无事，学习一下正则表达式（regular expression）其实我挺不喜欢这个翻译的，regular翻译成正则，读起来就不太舒服，还不如规则表达式，一看就知道是怎么一回事。

言归正传，正则表达式（regular expression）就是用一个“字符串”来描述一个特征，然后去验证另一个“字符串”是否符合这个特征。比如 表达式“ab+” 描述的特征是“一个 'a' 和 任意个 'b' ”，那么 'ab', 'abb', 'abbbbbbbbbb' 都符合这个特征，说到这里似乎想起来，好像编译原理里面也提到过，只不过早已忘记了，还是学习的不扎实啊。

正则表达式的历史可以追溯到1956年的一位数学家研究神经网络时发表的一篇论文。想想这样的论文才叫论文嘛，造福后代。

正则表达式可以用来：（1）验证字符串是否符合指定特征，比如验证是否是合法的邮件地址。（2）用来查找字符串，从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便。（3）用来替换，比普通的替换更强大，其实这点在我们常用的编辑器就可以发现，大多的文本编辑器都应用了正则表达式。

开始我们的正则表达式的“Hello World”吧。这里采用jdk1.5+ jakarta-oro-2.0.1

（ apaache 的一个包）。目的是找到一个 ipv4 的地址。

package regularExp;

 

import org.apache.oro.text.regex.MalformedPatternException;

import org.apache.oro.text.regex.Pattern;

import org.apache.oro.text.regex.PatternCompiler;

import org.apache.oro.text.regex.PatternMatcher;

import org.apache.oro.text.regex.Perl5Compiler;

import org.apache.oro.text.regex.Perl5Matcher;

/*

 * 正则表达式的测试类

 */

public class TestRegular

{

 

    /**

      * @param args

      */

    public static void main(String[] args)

    {

       PatternCompiler patternCompiler= new Perl5Compiler();

       //In general, different regular expression compilers will produce

    //different types of pattern representations,so we use the interface

       Pattern ipv4Pattern= null ;

       try

       {  

           String ipv4Exp= "\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}" ;

           ipv4Pattern=patternCompiler.compile(ipv4Exp);

       } catch (MalformedPatternException e)

       {

           e.printStackTrace();

       }

       // 通过 PatternMatcher 类用该 Pattern 对象进行模式匹配。

       PatternMatcher patternMatcher= new Perl5Matcher();

    boolean isMatch=patternMatcher.contains( "hfgh-192.168.111.255g2" , ipv4Pattern);

       if (isMatch)

System. out .println( "The match result is:" +patternMatcher.getMatch());

    }

 

}

输出结果如下：

The match result is:192.168.111.255

 

Jdk 在 1.4 也加入了java.util.regex，正式对正则表达式的支持，再看看在jdk1.4中怎么使用。（MatchResult 在1.5中）

 

       String ipv4Exp= "\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}" ;

       Pattern pattern = Pattern.compile(ipv4Exp);

        Matcher matcher = pattern.matcher( "hfgh-192.168.111.255g2" );

         if (matcher.find())

            System. out .println( "The match result is:" +matcher.toMatchResult().group());

 

有了一个直观的入门后，我们再仔细学习一下正则表达式的语法。网上有一些很不错的文章， copy 一下。

文章中的每一个举例，都可以点击进入到测试页面进行测试。闲话少说，开始。

1. 正则表达式规则

1.1 普通字符

    字母、数字、汉字、下划线、以及后边章节中没有特殊定义的标点符号，都是 " 普通字符 " 。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

    举例1：表达式 "c"，在匹配字符串 "abcde" 时 ，匹配结果是：成功；匹配到的内容是： "c" ；匹配到的位置是：开始于 2 ，结束于 3 。（注：下标从 0 开始还是从 1 开始，因当前编程语言的不同而可能不同）

    举例2：表达式 "bcd"，在匹配字符串 "abcde" 时 ，匹配结果是：成功；匹配到的内容是： "bcd" ；匹配到的位置是：开始于 1 ，结束于 4 。

1.2 简单的转义字符

    一些不便书写的字符，采用在前面加 "\" 的方法。这些字符其实我们都已经熟知了。

表达式	可匹配
\r, \n	代表回车和换行符
\t	制表符
\\	代表 "\" 本身

    还有其他一些在后边章节中有特殊用处的标点符号，在前面加 "\" 后，就代表该符号本身。比如： ^, $ 都有特殊意义，如果要想匹配字符串中 "^" 和 "$" 字符，则表达式就需要写成 "\^" 和 "\$" 。

表达式	可匹配
\^	匹配 ^ 符号本身
\$	匹配 $ 符号本身
\.	匹配小数点（ . ）本身

    这些转义字符的匹配方法与 " 普通字符 " 是类似的。也是匹配与之相同的一个字符。

    举例1：表达式 "\$d"，在匹配字符串 "abc$de" 时 ，匹配结果是：成功；匹配到的内容是： "$d" ；匹配到的位置是：开始于 3 ，结束于 5 。

1.3 能够与 ' 多种字符 ' 匹配的表达式

    正则表达式中的一些表示方法，可以匹配 ' 多种字符 ' 其中的任意一个字符。比如，表达式 "\d" 可以匹配任意一个数字。虽然可以匹配其中任意字符，但是只能是一个，不是多个。这就好比玩扑克牌时候，大小王可以代替任意一张牌，但是只能代替一张牌。

表达式	可匹配
\d	任意一个数字， 0~9 中的任意一个
\w	任意一个字母或数字或下划线，也就是 A~Z,a~z,0~9,_ 中任意一个
\s	包括空格、制表符、换页符等空白字符的其中任意一个
.	小数点可以匹配除了换行符（ \n ）以外的任意一个字符

    举例1：表达式 "\d\d"，在匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是： "12" ；匹配到的位置是：开始于 3 ，结束于 5 。

    举例2：表达式 "a.\d"，在匹配 "aaa100" 时 ，匹配的结果是：成功；匹配到的内容是： "aa1" ；匹配到的位置是：开始于 1 ，结束于 4 。

1.4 自定义能够匹配 ' 多种字符 ' 的表达式

    使用方括号 [ ] 包含一系列字符，能够匹配其中任意一个字符。用 [^ ] 包含一系列字符，则能够匹配其中字符之外的任意一个字符。同样的道理，虽然可以匹配其中任意一个，但是只能是一个，不是多个。

表达式	可匹配
[ab5@]	匹配 "a" 或 "b" 或 "5" 或 "@"
[^abc]	匹配 "a","b","c" 之外的任意一个字符
[f-k]	匹配 "f"~"k" 之间的任意一个字母
[^A-F0-3]	匹配 "A"~"F","0"~"3" 之外的任意一个字符

    举例1：表达式 "[bcd][bcd]" 匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是： "bc" ；匹配到的位置是：开始于 1 ，结束于 3 。

    举例2：表达式 "[^abc]" 匹配 "abc123" 时 ，匹配的结果是：成功；匹配到的内容是： "1" ；匹配到的位置是：开始于 3 ，结束于 4 。

1.5 修饰匹配次数的特殊符号

    前面章节中讲到的表达式，无论是只能匹配一种字符的表达式，还是可以匹配多种字符其中任意一个的表达式，都只能匹配一次。如果使用表达式再加上修饰匹配次数的特殊符号，那么不用重复书写表达式就可以重复匹配。

    使用方法是： " 次数修饰 " 放在 " 被修饰的表达式 " 后边。比如： "[bcd][bcd]" 可以写成 "[bcd]{2}" 。

表达式	作用
{n}	表达式重复 n 次，比如： "\w{2}" 相当于 "\w\w" ； "a{5}" 相当于 "aaaaa"
{m,n}	表达式至少重复 m 次，最多重复 n 次，比如： "ba{1,3}"可以匹配 "ba"或"baa"或"baaa"
{m,}	表达式至少重复 m 次，比如： "\w\d{2,}"可以匹配 "a12","_456","M12344"...
?	匹配表达式 0 次或者 1 次，相当于 {0,1} ，比如： "a[cd]?"可以匹配 "a","ac","ad"
+	表达式至少出现 1 次，相当于 {1,} ，比如： "a+b"可以匹配 "ab","aab","aaab"...
*	表达式不出现或出现任意次，相当于 {0,} ，比如： "\^*b"可以匹配 "b","^^^b"...

    举例1：表达式 "\d+\.?\d*" 在匹配 "It costs $12.5" 时 ，匹配的结果是：成功；匹配到的内容是： "12.5" ；匹配到的位置是：开始于 10 ，结束于 14 。

    举例2：表达式 "go{2,8}gle" 在匹配 "Ads by goooooogle" 时 ，匹配的结果是：成功；匹配到的内容是： "goooooogle" ；匹配到的位置是：开始于 7 ，结束于 17 。

1.6 其他一些代表抽象意义的特殊符号

    一些符号在表达式中代表抽象的特殊意义：

表达式	作用
^	与字符串开始的地方匹配，不匹配任何字符
$	与字符串结束的地方匹配，不匹配任何字符
\b