正则表达式学习经验分析
??当然，为了指定一种模式，使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时，你需要使用一种特殊的语法。??这里有一个简单例子。正则表达式[Jj]ava.+匹配下列形式的任何字符串：首字母是J或j?后续的三个字母是ava?字符串的剩余部分由一个或多个任意字符组成???例如，字符串“javaness”匹配这个特殊的正则表达式，但是字符串“Core?Java”却不匹配。??如你所见，你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途，使用少量的简单构造（straightforward?constructs）就已足够。字符类是可选自符的集合，用‘[''封装，比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围（Unicode落在两个边界之间的所有字符），^表示求补（指定字符外的所有字符）。?有许多预定以的字符类，像\d（数字）或\p{Sc}（Unicode货币符号），见表12-8和12-9。?大多数字符与它们自身匹配，像上例中的ava字符。?符号.匹配任何字符（可能行终止符（line?terminators）除外，这依赖于标识设置（flag?settings））?\用作转义符，比如\.匹配一个句点，\\匹配一个反斜杠。?^和$分别匹配行头和行尾?如果X和Y都是正则表达式，则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”?可以将量词（quantifier）用到表达式中，X+?表示X重复1次或多次，X?表示X重复0次或多次，X??表示X重复0次或1次?默认地，一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀？（称为reluctant或stingy?匹配，用以匹配最小的重复数），和+（称为possessive或贪婪匹配，用以即使在总体匹配失败的情况下也匹配最大的重复数）来更改这种属性。?例如，字符串cab匹配[a-z]ab，但不匹配[a-z]+ab。第一种情况下，[a-z]只匹配字符c，因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]+就与字符cab匹配，模式的剩余部分ab就匹配失败（，这样总体也就匹配失败）。可以使用分组来定义子表达式。将分组封装在（）中，如([+-]?)([0-9]+)。然后你可以让模式匹配符（the?pattern?matcher）返回每个分组的匹配，或者使用\n来回引分组（refer?back?to?a?group?with?\n），其中n是组号（以\1起始）???这里有一个稍微有点复杂却又很有用的正则表达式－－它用来描述十进制和十六进制的整数。[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+??不幸的是，在使用正则表达式的各种程序和库之间，它的语法还没有完全标准化。对基本的构造上已达成了共识，但在细节方面有许多令人“抓狂”的区别（many?maddening?differences）。Java的正则表达式类使用了与Perl语言类似的语法，但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息，请参考Pattern类的API文档，或者Jeffrey?E.?F.?Friedl的著作《Mastering?Regular?Expressions》(O''Reilly?and?Associates,?1997)（刚去第二书店查了一下，东南大学出版社已经引入了其第二版，影印）表12-8?正则表达式语法--------------------------------------------------------------------------------语法???????????????????????????????????????解释--------------------------------------------------------------------------------字符c?????????????????????????????????????????字符c\unnnn,?\xnn,?\0n,?\0nn,?\0nnn???????带有十六或八进制值的代码单元\0n?????????????????????????????八进制0n代表的字符（0<=n<=7）\0nn???????????????????????????八进制0nn代表的字符(0<=n<=7)\0mnn?????????????????????????八进制0mnn代表的字符(0<=m<=3,0<=n<=7)\xnn???????????????????????????十六进制?0xnn所代表的字符\uhhhh?????????????????????????十六进制?0xhhhh所代表的字符\t,?\n,?\r,?\f,?\a,?\e?????????????????????????控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符\cc???????????????????????????????????????控制字符中出现的相应字符c--------------------------------------------------------------------------------字符类[C1C2.?.?.]???????????????C1、C2……中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。[^.?.?.]?????????????????????字符类的补集[?.?.?.?&&?.?.?.]?????????????两个字符类的交集--------------------------------------------------------------------------------预定义字符类.???????????????????????????除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）\d?????????????????????????数字[0-9]\D?????????????????????????非数字[^0-9]\s?????????????????????????空白字符[\t\n\r\f\x0B]\S?????????????????????????非空白字符\w?????????????????????????单词字符[a-zA-Z0-9_]\W???????????????????????非单词字符\p{name}?????????????????一个指定的字符类，见表12-9\P{name}???????????????指定字符类的补集--------------------------------------------------------------------------------边界匹配符^?$???????????????????????输入的开头和结尾(在多行模式(multiline?mode)下是行的开头和结尾)\b?????????????????????????单词边界\B?????????????????????????非单词边界\A?????????????????????????输入的开头\z?????????????????????????输入的结尾\Z?????????????????????????除最后行终止符之外的输入结尾\G???????????????????????上个匹配的结尾--------------------------------------------------------------------------------量词X??????????????????????????可选的X（即X可能出现，也可能不出现）X?????????????????????????X，可以重复0次或多次X+?????????????????????????X，可以重复1次或多次X{n}?X{n,}?X{n,m}???????X重复n次，至少重复n次，重复n到m次--------------------------------------------------------------------------------量词后缀????????????????????????设默认（贪婪）匹配为reluctant匹配+???????????????????????设默认（贪婪）匹配为possessive匹配--------------------------------------------------------------------------------集合操作XY???????????????????????X的匹配后面跟着Y的匹配X|Y???????????????????????X或Y的匹配--------------------------------------------------------------------------------分组(X)?????????????????????匹配X并且在一个自动计数的分组中捕获它\n???????????????????????与第n个分组的匹配--------------------------------------------------------------------------------转义\c???????????????????????字符c（必须不是字母）\Q...\E???????????????????逐字地引用...（？...）???????????????特殊构造，看Pattern类的API--------------------------------------------------------------------------------??正则表达式的最简单使用是测试一个特殊的字符串是否与之匹配。这里有一个Java写的测试程序。首先从表示正则表达式的字符串构造一个Pattern对象。然后从该模式获得一个Matcher对象，并且调用它的matches()方法：Pattern?pattern?=?Pattern.compile(patternString);Matcher?matcher?=?pattern.matcher(input);if?(matcher.matches())?.?.?.??表12.9?预定义的字符类名（Predefined?Character?Class?Names）--------------------------------------------------------------------------------Lower?????????????????小写的ASII字符[a-z]Upper?????????????????大写的ASCII字符[A-Z]Alpha?????????????????ASCII字母[A-Za-z]Digit???????????????????ASCII?数字?[0-9]Alnum?????????????????ASCII?字母或数字[A-Za-z0-9]Xdigit?????????????????十六进制数字[0-9A-Fa-f]?Print?or?Graph???????可打印的ASCII字符[\x21-\x7E]Punct?????????????????非字母或数字ASCII?[\p{Print}&&\P{Alnum}]?ASCII?????????????????所有ASCII字符?[\x00-\x7F]Cntrl?????????????????ASCII控制字符[\x00-\x1F]Blank?????????????????空格符或制表符[?\t]Space?????????????????空白符?[?\t\n\r\f\0x0B]javaLowerCase?????取决于Character.isLowerCase()的小写字符javaUpperCase?????取决于Character.isUpperCase()的大写字符javaWhitespace???取决于Character.isWhitespace()的空白符javaMirrored?????????取决于Character.isMirrored()的Mirrored（？）?InBlock???????????????这里的Block是unicode字符的块名，用空格隔开，比如BasicLatin?或?Mongolian。块名列表???????????????????????参考http://www.unicode.orgCategory?或InCategory???这里的Category是Unicode字符的种类名，比如L（字母）或者Sc（货币符号）。种类???????????????????????????名列表参考http://www.unicode.org?--------------------------------------------------------------------------------??matcher的输入可以是实现CharSequence接口的任何类对象，像String，StringBuilder或CharBuffer。??当编译模式时，可以设置一个或多个标志，例如Pattern?pattern?=?Pattern.compile(patternString,Pattern.CASE_INSENSITIVE?+?Pattern.UNICODE_CASE);下面六个标志都是支持的：CASE_INSENSITIVE：匹配字符时与大小写无关，该标志默认只考虑US?ASCII字符。UNICODE_CASE：当与CASE_INSENSITIVE结合时，使用Unicode字母匹配MULTILINE：^和$匹配一行的开始和结尾，而不是整个输入UNIX_LINES：?当在多行模式下匹配^和$时，只将''\n''看作行终止符DOTALL:?当使用此标志时，.符号匹配包括行终止符在内的所有字符CANON_EQ:?考虑Unicode字符的规范等价??如果正则表达式包含分组，Matcher对象能够揭示分组边界。方法int?start(int?groupIndex)int?end(int?groupIndex)返回某个特殊分组的起始索引和结尾后索引（past-the-end?index?）。通过调用String?group(int?groupIndex)，你可以简单地得到匹配的字符串。第0个分组代表所有的分组，第一个实际分组的索引是1。调用groupCount来获得总的分组数。??使用开放圆括号来安排嵌套分组。例如，给定模式((1?[0-9]):([0-5][0-9]))[ap]m，并且输入11:59am,Matcher对象报告下列分组((1?[0-9]):([0-5][0-9]))[ap]m并输入11:59ammatcher报告下列分组--------------------------------------------------------------------------------分组索引?起始?结束?字符串--------------------------------------------------------------------------------0?????????0???????7?????11;59am1?????????0???????5?????11:592?????????0???????2?????113?????????3???????5?????59
例12－9提示输入一个模式和一个欲匹配的字符串。它将输出输入的字符串是否匹配模式。如果输入匹配包含分组的模式，程序将会使用圆括号来打印分组边界，如((11):(59))amExample?12-9.?RegexTest.java1.?import?java.util.;2.?import?java.util.regex.;3.4.?/5.???This?program?tests?regular?expression?matching.6.???Enter?a?pattern?and?strings?to?match,?or?hit?Cancel7.???to?www.hunanwang.netern?contains?groups,?the?group8.???boundaries?are?displayed?in?the?match.9.?/10.?public?class?RegExTest11.?{12.???public?static?void?main(String[]?args)13.???{14.?????Scanner?in?=?new?Scanner(System.in);15.?????System.out.println("Enter?pattern:?");16.?????String?patternString?=?in.nextLine();17.18.?????Pattern?pattern?=?null;19.?????try20.?????{21.???????pattern?=?Pattern.compile(patternString);22.?????}23.?????catch?(PatternSyntaxException?e)24.?????{25.???????System.out.println("Pattern?syntax?error");26.???????System.exit(1);27.?????}28.29.?????while?(true)30.?????{31.???????System.out.println("Enter?string?to?match:?");32.???????String?input?=?in.nextLine();33.???????if?(input?==?null?||?input.equals(""))?return;34.???????Matcher?matcher?=?pattern.matcher(input);35.???????if?(matcher.matches())36.???????{37.?????????System.out.println("Match");38.?????????int?g?=?matcher.groupCount();39.?????????if?(g?>?0)40.?????????{41.???????????for?(int?i?=?0;?i??HTML?tag.?Start?the?program?as9.???java?HrefMatch?URL10.?/11.?public?class?HrefMatch12.?{13.???public?static?void?main(String[]?args)14.???{15.?????try16.?????{17.???????//?get?URL?string?from?command?line?or?use?default18.???????String?urlString;19.???????if?(args.length?>?0)?urlString?=?args[0];20.???????else?urlString?=?"http://java.sun.com";21.22.???????//?open?reader?for?URL23.???????InputStreamReader?in?=?new?InputStreamReader(new?URL(urlString).openStream());24.25.???????//?read?contents?into?string?buffer26.???????StringBuilder?input?=?new?StringBuilder();27.???????int?ch;28.???????while?((ch?=?in.read())?!=?-1)?input.append((char)?ch);29.30.???????//?search?for?all?occurrences?of?pattern31.???????String?patternString?=?"])\\s>";32.???????Pattern?pattern?=?Pattern.compile(patternString,?Pattern.CASE_INSENSITIVE);33.???????Matcher?matcher?=?pattern.matcher(input);34.35.???????while?(matcher.find())36.???????{37.?????????int?start?=?matcher.start();38.?????????int?end?=?matcher.end();39.?????????String?match?=?input.substring(start,?end);40.?????????System.out.println(match);41.???????}42.?????}43.?????catch?(IOException?e)44.?????{45.???????e.printStackTrace();46.?????}47.?????catch?(PatternSyntaxException?e)48.?????{49.???????e.printStackTrace();50.?????}51.???}52.?}??Matcher类的replaceAll方法用一个替换字符串代替出现的所有正则表达式的匹配。比如，下列指令用#替换所有数字序列Pattern?pattern?=?Pattern.compile("[0-9]+");Matcher?matcher?=?pattern.matcher(input);String?output?=?matcher.replaceAll("#");??替换字符串可以包含模式中的分组引用：$n被第n个分组替换。替换文本中出现$时，使用\$来包含它。replaceFirst方法只替换模式的第一次出现。??最后讲一点，Pattern类有一个split方法，它类似于字符串tokenizer。它使用正则表达式匹配作边界，将输入分离成字符串数组。比如，下面的指令将输入分离成记号（token），Pattern?pattern?=?Pattern.compile("\\s\\p{Punct}\\s");String[]?tokens?=?pattern.split(input);类--------------------------------------------------------------------------------java.util.regex.Pattern?1.4--------------------------------------------------------------------------------方法static?Pattern?compile(String?expression)static?Pattern?compile(String?expression,?int?flags)编译正则表达式字符串到pattern对象用以匹配的快速处理参数:expression?正则表达式flags?????????下列标志中的一个或多个?CASE_INSENSITIVE,?UNICODE_CASE,?MULTILINE,?UNIX_LINES,?DOTALL,?and?CANON_EQMatcher?matcher(CharSequence?input)返回一个matcher对象，它可以用来在一个输入中定位模式匹配String[]?split(CharSequence?input)String[]?split(CharSequence?input,?int?limit)将输入字符串分离成记号，并由pattern来指定分隔符的形式。返回记号数组。分隔符并不是记号的一部分。参数:input?分离成记号的字符串limit?生成的最大字符串数。--------------------------------------------------------------------------------类--------------------------------------------------------------------------------java.util.regex.Matcher?1.4--------------------------------------------------------------------------------方法--------------------------------------------------------------------------------boolean?matches()返回输入是否与模式匹配boolean?lookingAt()如果输入的起始匹配模式则返回Trueboolean?find()boolean?find(int?start)尝试查找下一个匹配，并在找到匹配时返回True参数:start?开始搜索的索引int?start()int?end()返回当前匹配的起始位置和结尾后位置String?group()返回当前匹配int?groupCount()返回输入模式中的分组数int?start(int?groupIndex)int?end(int?groupIndex)返回一个给定分组当前匹配中的起始位置和结尾后位置参数:groupIndex分组索引（从1开始），0表示整个匹配String?group(int?groupIndex)返回匹配一个给定分组的字符串参数:groupIndex分组索引（从1开始），0表示整个匹配String?replaceAll(String?replacement)String?replaceFirst(String?replacement)返回从matcher输入得到的字符串，但已经用替换表达式替换所有或第一个匹配参数:replacement?替换字符串?Matcher?reset()Matcher?reset(CharSequence?input)复位mather状态。?
|
|
