深入淺解正則表達式在Java中的使用
介紹
•正則表達式一般用于字符串匹配, 字符串查找和字符串替換. 別小看它的作用, 在工作學(xué)習(xí)中靈活運用正則表達式處理字符串能夠大幅度提高效率, 編程的快樂來得就是這么簡單.
•一下子給出一堆匹配的規(guī)則可能會讓人恐懼, 下面將由淺入深講解正則表達式的使用.
從簡單例子認(rèn)識正則表達式匹配
•先上代碼
public class Demo1 { public static void main(String[] args) { //字符串a(chǎn)bc匹配正則表達式"...", 其中"."表示一個字符 //"..."表示三個字符 System.out.println("abc".matches("...")); System.out.println("abcd".matches("...")); } } //輸出結(jié)果 true false
•String類中有個matches(String regex)
方法, 返回值為布爾類型, 用于告訴這個字符串是否匹配給定的正則表達式.
•在本例中我們給出的正則表達式為..., 其中每個.表示一個字符, 整個正則表達式的意思是三個字符, 顯然當(dāng)匹配abc的時候結(jié)果為true, 匹配abcd時結(jié)果為false.
Java中對正則表達式的支持(各種語言有相應(yīng)的實現(xiàn))
•在java.util.regex包下有兩個用于正則表達式的類, 一個是Matcher類, 另一個Pattern. Java官方文檔中給出對這兩個類的典型用法, 代碼如下:
public class Demo1 { public static void main(String[] args) { //字符串a(chǎn)bc匹配正則表達式"...", 其中"."表示一個字符 //"..."表示三個字符 System.out.println("abc".matches("...")); System.out.println("abcd".matches("...")); } } //輸出結(jié)果 true false
•如果要深究正則表達式背后的原理, 會涉及編譯原理中自動機等知識, 此處不展開描述. 為了達到通俗易懂, 這里用較為形象的語言描述.
•Pattern可以理解為一個模式, 字符串需要與某種模式進行匹配. 比如Demo2中, 我們定義的模式是一個長度為3的字符串, 其中每個字符必須是a~z中的一個.
•我們看到創(chuàng)建Pattern對象時調(diào)用的是Pattern類中的compile方法, 也就是說對我們傳入的正則表達式編譯后得到一個模式對象. 而這個經(jīng)過編譯后模式對象, 會使得正則表達式使用效率會大大提高, 并且作為一個常量, 它可以安全地供多個線程并發(fā)使用.
•Matcher可以理解為模式匹配某個字符串后產(chǎn)生的結(jié)果. 字符串和某個模式匹配后可能會產(chǎn)生很多個結(jié)果, 這個會在后面的例子中講解.
•最后當(dāng)我們調(diào)用m.matches()時就會返回完整字符串與模式匹配的結(jié)果
•上面的三行代碼可以簡化為一行代碼
System.out.println("abc".matches("[a-z]{3}"));
•但是如果一個正則表達式需要被重復(fù)匹配, 這種寫法效率較低.
初步認(rèn)識 . + * ?
•在介紹之前首先要說明的是, 正則表達式的具體含義不用強背, 各個符號的含義在Java官方文檔的Pattern類描述中或網(wǎng)上有詳細(xì)的定義. 當(dāng)然能熟用就更好了.
public class Demo3 { /** * 為了省略每次寫打印語句, 這里把輸出語句封裝起來 * @param o */ private static void p(Object o){ System.out.println(o); } /** * . Any character (may or may not match line terminators), 任意字符 * X? X, once or not at all 零個或一個 * X* X, zero or more times 零個或多個 * X+ X, one or more times 一個或多個 * X{n} X, exactly n times x出現(xiàn)n次 * X{n,} X, at least n times x出現(xiàn)至少n次 * X{n,m} X, at least n but not more than m times 出現(xiàn)n~m次 * @param args */ public static void main(String[] args) { p("a".matches(".")); p("aa".matches("aa")); p("aaaa".matches("a*")); p("aaaa".matches("a+")); p("".matches("a*")); p("a".matches("a?")); // \d A digit: [0-9], 表示數(shù)字, 但是在java中對"\"這個符號需要使用\進行轉(zhuǎn)義, 所以出現(xiàn)\\d p("2345".matches("\\d{2,5}")); // \\.用于匹配"." p("192.168.0.123".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}")); // [0-2]指必須是0~2中的一個數(shù)字 p("192".matches("[0-2][0-9][0-9]")); } } //輸出結(jié)果 //全為true
范圍
•[]用于描述一個字符的范圍, 下面是一些例子
public class Demo4 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { //[abc]指abc中的其中一個字母 p("a".matches("[abc]")); //[^abc]指除了abc之外的字符 p("1".matches("[^abc]")); //a~z或A~Z的字符, 以下三個均是或的寫法 p("A".matches("[a-zA-Z]")); p("A".matches("[a-z|A-Z]")); p("A".matches("[a-z[A-Z]]")); //[A-Z&&[REQ]]指A~Z中并且屬于REQ其中之一的字符 p("R".matches("[A-Z&&[REQ]]")); } } //輸出結(jié)果
全部為true
認(rèn)識\s \w \d - 下面介紹數(shù)字和字母的正則表達, 這是編程中使用最多的字符了.
關(guān)于\
•這里重點介紹最不好理解的\. 在Java中的字符串中, 如果要用到特殊字符, 必須通過在前面加\進行轉(zhuǎn)義.
•舉個例子, 考慮這個字符串"老師大聲說:"同學(xué)們,快交作業(yè)!"". 如果我們沒有轉(zhuǎn)義字符, 那么開頭的雙引號的結(jié)束應(yīng)該在說:"這里, 但是我們的字符串中需要用到雙引號, 所以需要用轉(zhuǎn)義字符
•使用轉(zhuǎn)義字符后的字符串為"老師大聲說:\"同學(xué)們,快交作業(yè)!\"", 這樣我們的原意才能被正確識別.
•同理如果我們要在字符串中使用\, 也應(yīng)該在前面加一個\, 所以在字符串中表示為"\\"
•那么如何在正則表達式中表示要匹配\呢, 答案為"\\\\".
•我們分開考慮: 由于正則式中表示\同樣需要轉(zhuǎn)義, 所以前面的\\表示正則表達式中的轉(zhuǎn)義字符\, 后面的\\表示正則表達式中\(zhòng)本身, 合起來在正則表達式中表示\.
•如果感覺有點繞的話請看下面代碼
public class Demo5 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { /** * \d A digit: [0-9] 數(shù)字 * \D A non-digit: [^0-9] 非數(shù)字 * \s A whitespace character: [ \t\n\x0B\f\r] 空格 * \S A non-whitespace character: [^\s] 非空格 * \w A word character: [a-zA-Z_0-9] 數(shù)字字母和下劃線 * \W A non-word character: [^\w] 非數(shù)字字母和下劃線 */ // \\s{4}表示4個空白符 p(" \n\r\t".matches("\\s{4}")); // \\S表示非空白符 p("a".matches("\\S")); // \\w{3}表示數(shù)字字母和下劃線 p("a_8".matches("\\w{3}")); p("abc888&^%".matches("[a-z]{1,3}\\d+[%^&*]+")); // 匹配 \ p("\\".matches("\\\\")); } } //輸出結(jié)果
全部為true
邊界處理
•^在中括號內(nèi)表示取反的意思[^], 如果不在中括號里則表示字符串的開頭.
public class Demo6 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { /** * ^ The beginning of a line 一個字符串的開始 * $ The end of a line 字符串的結(jié)束 * \b A word boundary 一個單詞的邊界, 可以是空格, 換行符等 */ p("hello sir".matches("^h.*")); p("hello sir".matches(".*r$")); p("hello sir".matches("^h[a-z]{1,3}o\\b.*")); p("hellosir".matches("^h[a-z]{1,3}o\\b.*")); } }
練習(xí):匹配空白行合email地址
•拿到一篇文章, 如何判斷里面有多少個空白行? 用正則表達式能方便地進行匹配, 注意空白行中可能包括空格, 制表符等.
p(" \n".matches("^[\\s&&[^\n]]*\\n$"));
•解釋: ^[\\s&&[^\n]]*是空格符號但不是換行符, \\n$最后以換行符結(jié)束
•下面是匹配郵箱
p("liuyj24@126.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));
•解釋: [\\w[.-]]+以一個或多個數(shù)字字母下劃線.或-組成, @接著是個@符號, 然后同樣是[\\w[.-]]+, 接著\\.匹配., 最后同樣是[\\w]+
Matcher類的matches(),find()和lookingAt()
•matches()方法會將整個字符串與模板進行匹配.
•find()則是從當(dāng)前位置開始進行匹配, 如果傳入字符串后首先進行find(), 那么當(dāng)前位置就是字符串的開頭, 對當(dāng)前位置的具體分析可以看下面的代碼示例
•lookingAt()方法會從字符串的開頭進行匹配.
public class Demo8 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern pattern = Pattern.compile("\\d{3,5}"); String s = "123-34345-234-00"; Matcher m = pattern.matcher(s); //先演示matches(), 與整個字符串匹配. p(m.matches()); //結(jié)果為false, 顯然要匹配3~5個數(shù)字會在-處匹配失敗 //然后演示find(), 先使用reset()方法把當(dāng)前位置設(shè)置為字符串的開頭 m.reset(); p(m.find());//true 匹配123成功 p(m.find());//true 匹配34345成功 p(m.find());//true 匹配234成功 p(m.find());//false 匹配00失敗 //下面我們演示不在matches()使用reset(), 看看當(dāng)前位置的變化 m.reset();//先重置 p(m.matches());//false 匹配整個字符串失敗, 當(dāng)前位置來到- p(m.find());// true 匹配34345成功 p(m.find());// true 匹配234成功 p(m.find());// false 匹配00始邊 p(m.find());// false 沒有東西匹配, 失敗 //演示lookingAt(), 從頭開始找 p(m.lookingAt());//true 找到123, 成功 } }
Matcher類中的start()和end()
•如果一次匹配成功的話start()用于返回匹配開始的位置, end()用于返回匹配結(jié)束字符的后面一個位置
public class Demo9 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern pattern = Pattern.compile("\\d{3,5}"); String s = "123-34345-234-00"; Matcher m = pattern.matcher(s); p(m.find());//true 匹配123成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//true 匹配34345成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//true 匹配234成功 p("start: " + m.start() + " - end:" + m.end()); p(m.find());//false 匹配00失敗 try { p("start: " + m.start() + " - end:" + m.end()); }catch (Exception e){ System.out.println("報錯了..."); } p(m.lookingAt()); p("start: " + m.start() + " - end:" + m.end()); } } //輸出結(jié)果 true start: 0 - end:3 true start: 4 - end:9 true start: 10 - end:13 false 報錯了... true start: 0 - end:3
替換字符串
•想要替換字符串首先要找到被替換的字符串, 這里要新介紹Matcher類中的一個方法group(), 它能返回匹配到的字符串.
•下面我們看一個例子, 把字符串中的java轉(zhuǎn)換為大寫.
public class Demo10 { private static void p(Object o){ System.out.println(o); } public static void main(String[] args) { Pattern p = Pattern.compile("java"); Matcher m = p.matcher("java Java JAVA JAva I love Java and you"); p(m.replaceAll("JAVA"));//replaceAll()方法會替換所有匹配到的字符串 } } //輸出結(jié)果 JAVA Java JAVA JAva I love Java and you
升級: 不區(qū)分大小寫查找并替換字符串
•為了在匹配的時候不區(qū)分大小寫, 我們要在創(chuàng)建模板模板時指定大小寫不敏感 public static void main(String[] args) { Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);//指定為大小寫不敏感的 Matcher m = p.matcher("java Java JAVA JAva I love Java and you"); p(m.replaceAll("JAVA")); } //輸出結(jié)果 JAVA JAVA JAVA JAVA I love JAVA and you
再升級: 不區(qū)分大小寫, 替換查找到的指定字符串
•這里演示把查找到第奇數(shù)個字符串轉(zhuǎn)換為大寫, 第偶數(shù)個轉(zhuǎn)換為小寫
•這里會引入Matcher類中一個強大的方法appendReplacement(StringBuffer sb, String replacement), 它需要傳入一個
StringBuffer進行字符串拼接.
public static void main(String[] args) { Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE); Matcher m = p.matcher("java Java JAVA JAva I love Java and you ?"); StringBuffer sb = new StringBuffer(); int index = 1; while(m.find()){ //m.appendReplacement(sb, (index++ & 1) == 0 ? "java" : "JAVA"); 較為簡潔的寫法 if((index & 1) == 0){//偶數(shù) m.appendReplacement(sb, "java"); }else{ m.appendReplacement(sb, "JAVA"); } index++; } m.appendTail(sb);//把剩余的字符串加入 p(sb); } //輸出結(jié)果 JAVA java JAVA java I love JAVA and you ?
分組
•先從一個問題引入, 看下面這段代碼
public static void main(String[] args) { Pattern p = Pattern.compile("\\d{3,5}[a-z]{2}"); String s = "123aa-5423zx-642oi-00"; Matcher m = p.matcher(s); while(m.find()){ p(m.group()); } } //輸出結(jié)果 123aa 5423zx 642oi
•其中正則表達式"\\d{3,5}[a-z]{2}"表示3~5個數(shù)字跟上兩個字母, 然后打印出每個匹配到的字符串.
•如果想要打印每個匹配串中的數(shù)字, 如何操作呢.
•首先你可能想到把匹配到的字符串再進行匹配, 但是這樣太麻煩了, 分組機制可以幫助我們在正則表達式中進行分組.
•規(guī)定使用()進行分組, 這里我們把字母和數(shù)字各分為一組"(\\d{3,5})([a-z]{2})"
•然后在調(diào)用m.group(int group)方法時傳入組號即可
•注意, 組號從0開始, 0組代表整個正則表達式, 從0之后, 就是在正則表達式中從左到右每一個左括號對應(yīng)一個組. 在這個表達式中第1組是數(shù)字, 第2組是字母.
public static void main(String[] args) { Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");//正則表達式為3~5個數(shù)字跟上兩個字母 String s = "123aa-5423zx-642oi-00"; Matcher m = p.matcher(s); while(m.find()){ p(m.group(1)); } } //輸出結(jié)果 123 5423 642
實戰(zhàn)1: 抓取網(wǎng)頁中的email地址(爬蟲)
•假設(shè)我們手頭上有一些優(yōu)質(zhì)的資源, 打算分享給網(wǎng)友, 于是便到貼吧上發(fā)出一個留郵箱發(fā)資源的帖子. 沒想到網(wǎng)友熱情高漲, 留下了近百個郵箱. 但逐個復(fù)制發(fā)送太累了, 我們考慮用程序?qū)崿F(xiàn).
•這里不展開講發(fā)郵件部分, 重點應(yīng)用已經(jīng)學(xué)到的正則表達式從網(wǎng)頁中截取所有的郵箱地址.
•首先獲取一個帖子的html代碼隨便找了一個, 點擊跳轉(zhuǎn), 在瀏覽器中點擊右鍵保存html文件
•接下來看代碼:
public class Demo12 { public static void main(String[] args) { BufferedReader br = null; try { br = new BufferedReader(new FileReader("C:\\emailTest.html")); String line = ""; while((line = br.readLine()) != null){//讀取文件的每一行 parse(line);//解析其中的email地址 } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); }finally { if(br != null){ try { br.close(); br = null; } catch (IOException e) { e.printStackTrace(); } } } } private static void parse(String line){ Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"); Matcher m = p.matcher(line); while(m.find()){ System.out.println(m.group()); } } } //輸出結(jié)果 2819531636@qq.com 2819531636@qq.com 2405059759@qq.com 2405059759@qq.com 1013376804@qq.com ...
實戰(zhàn)2: 代碼統(tǒng)計小程序
•最后的一個實戰(zhàn)案例: 統(tǒng)計一個項目中一共有多少行代碼, 多少行注釋, 多少個空白行. 不妨對自己做過的項目進行統(tǒng)計, 發(fā)現(xiàn)不知不覺中也是個寫過成千上萬行代碼的人了...
•我在github上挑選了一個項目, 是純java寫的小項目, 方便統(tǒng)計. 點擊跳轉(zhuǎn)
•下面是具體的代碼, 除了判斷空行用了正則表達式外, 判斷代碼行和注釋行用了String類的api
public class Demo13 { private static long codeLines = 0; private static long commentLines = 0; private static long whiteLines = 0; private static String filePath = "C:\\TankOnline"; public static void main(String[] args) { process(filePath); System.out.println("codeLines : " + codeLines); System.out.println("commentLines : " + commentLines); System.out.println("whiteLines : " + whiteLines); } /** * 遞歸查找文件 * @param pathStr */ public static void process(String pathStr){ File file = new File(pathStr); if(file.isDirectory()){//是文件夾則遞歸查找 File[] fileList = file.listFiles(); for(File f : fileList){ String fPath = f.getAbsolutePath(); process(fPath); } }else if(file.isFile()){//是文件則判斷是否是.java文件 if(file.getName().matches(".*\\.java$")){ parse(file); } } } private static void parse(File file) { BufferedReader br = null; try { br = new BufferedReader(new FileReader(file)); String line = ""; while((line = br.readLine()) != null){ line = line.trim();//清空每行首尾的空格 if(line.matches("^[\\s&&[^\\n]]*$")){//注意不是以\n結(jié)尾, 因為在br.readLine()會去掉\n whiteLines++; }else if(line.startsWith("/*") || line.startsWith("*") || line.endsWith("*/")){ commentLines++; }else if(line.startsWith("http://") || line.contains("http://")){ commentLines++; }else{ if(line.startsWith("import") || line.startsWith("package")){//導(dǎo)包不算 continue; } codeLines++; } } } catch (FileNotFoundException e) { e.printStackTrace(); } catch (IOException e) { e.printStackTrace(); } finally { if(null != br){ try { br.close(); br = null; } catch (IOException e) { e.printStackTrace(); } } } } } //輸出結(jié)果 codeLines : 1139 commentLines : 124 whiteLines : 172
貪婪模式與非貪婪模式
•經(jīng)過兩個實戰(zhàn)后, 相信大家已經(jīng)掌握了正則表達式的基本使用了, 下面介紹貪婪模式與非貪婪模式. 通過查看官方api我們發(fā)現(xiàn)Pattern類中有如下定義:
Greedy quantifiers 貪婪模式
X? X, once or not at all
X* X, zero or more times
X+ X, one or more times
X{n} X, exactly n times
X{n,} X, at least n times
X{n,m} X, at least n but not more than m times
Reluctant quantifiers 非貪婪模式(勉強的, 不情愿的)
X?? X, once or not at all
X*? X, zero or more times
X+? X, one or more times
X{n}? X, exactly n times
X{n,}? X, at least n times
X{n,m}? X, at least n but not more than m times
Possessive quantifiers 獨占模式
X?+ X, once or not at all
X*+ X, zero or more times
X++ X, one or more times
X{n}+ X, exactly n times
X{n,}+ X, at least n times
X{n,m}+ X, at least n but not more than m times
•這三種模式表達的意思是一樣的, 在前面的講解中我們?nèi)渴褂玫氖秦澙纺J? 那么其他兩種模式的寫法有什么區(qū)別呢? 通過下面的代碼示例進行講解.
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}[0-9]"); String s = "aaaa5bbbb6";//10個字符 Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //輸出結(jié)果 0 - 10
•正則表達式的意思是3~10個字符加一個數(shù)字. 在貪婪模式下匹配時, 系統(tǒng)會先吞掉10個字符, 這時檢查最后一個是否時數(shù)字, 發(fā)現(xiàn)已經(jīng)沒有字符了, 于是吐出來一個字符, 再次匹配數(shù)字, 匹配成功, 得到0-10.
•下面是非貪婪模式演示(勉強的, 不情愿的)
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}?[0-9]");//添加了一個? String s = "aaaa5bbbb6"; Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //輸出結(jié)果 0 - 5
•在非貪婪模式下, 首先只會吞掉3個(最少3個), 然后判斷后面一個是否是數(shù)字, 結(jié)果不是, 在往后吞一個字符, 繼續(xù)判斷后面的是否數(shù)字, 結(jié)果是, 輸出0-5
•最后演示獨占模式, 通常只在追求效率的情況下這么做, 用得比較少
public static void main(String[] args) { Pattern p = Pattern.compile(".{3,10}+[0-9]");//多了個+ String s = "aaaa5bbbb6"; Matcher m = p.matcher(s); if(m.find()){ System.out.println(m.start() + " - " + m.end()); }else { System.out.println("not match!"); } } //輸出結(jié)果 not match!
•獨占模式會一下吞進10個字符, 然后判斷后一個是否是數(shù)字, 不管是否匹配成功它都不會繼續(xù)吞或者吐出一個字符.
總結(jié)
以上所述是小編給大家介紹的正則表達式在Java中的使用,希望對大家有所幫助,如果大家有任何疑問請給我留言,小編會及時回復(fù)大家的。在此也非常感謝大家對腳本之家網(wǎng)站的支持!
如果你覺得本文對你有幫助,歡迎轉(zhuǎn)載,煩請注明出處,謝謝!
相關(guān)文章
js中exec、test、match、search、replace、split用法
exec、test、match、search、replace、split在JS中用的很頻繁,在網(wǎng)上看到對這些方法的總結(jié),就轉(zhuǎn)過來了,作個記錄2012-08-08- 正則表達式其實就是一個特殊的字符串,如果需要對字符串的內(nèi)容進行分析匹配,正則表達式是一個不錯的選擇。簡單的用String也能實現(xiàn)該過程,但是那會相當(dāng)?shù)姆爆?/div> 2012-10-10
最新評論