Java 正则表达式入门

openkk 12年前

  j2se中一个重要的部分正则表达式很强大,它在处理字符串匹配时强大有余啊。主要涉及到java.util.regex包中的Pattern类与Matcher类。

下面从代码中,走入正则表达式

代码片段一,入门级的:

 private static void testRegExpAccidence() {    //正则表达示第一个内容,点.可以替换任何一个字符。所以下面的应该是true。match(...)代码,是否符合有三个字符.    sop("abc".matches("..."));        //正则表达示2,reaplaceAll第一参数支持正则,而\\d代表的是数字,就是说把所有数字替换成&。    sop("abc1234abc".replaceAll("\\d","&"));        //正则表达示3,compile的玩意。一般需要先把正则规则编译成Pattern,而Pattern无构造方法,只能通过compile方法    Pattern pat = Pattern.compile("[abc]{3}");    Matcher mat = pat.matcher("abc"); //通过编译出来的Pattern去匹配一个字符,返回的一个是匹配的结果用Matcher对象    sop(mat.matches());//其实也可以直接用"abc".matches("[abc]{3}") 来判断字符串,是否符合[abc]{3}正则表达示        sop("------------. * + ?作用 --------------------");    //认为. * + ?的作用。    sop("a".matches(".")); //.匹配任意一个    sop("aaaa".matches("a*")); //X* 代表X出现0次或多次    sop("aaaa".matches("a+")); //X+ 代表X出现1次或多次    sop("aaaa".matches("a?"));//false  //X? 代表X出现1次或0次    sop("".matches("a*"));    sop("".matches("a+")); //false    sop("".matches("a?"));    sop("a".matches("a*"));    sop("a".matches("a+"));    sop("a".matches("a?"));    sop("2343902594".matches("\\d{3,100}")); // \\d代表数字然后{3,100}代表至少出现3次,至多出现100次    sop("192.168.0.aaa".matches("\\d{3}\\.\\d{3}\\.\\d{3}\\.\\d{3}")); //false,其它未标识全部是true    sop("192".matches("[0-2][0-9][0-9]"));        sop("---------------范围的匹配------------------------");    sop("a".matches("[abc]")); //true,[abc]代表,或者a或者b或者c,取三个之中的任意一个    sop("a".matches("[^abc]")); //false, [^abc]代表,不得是a或b或c,即不得是三个中的任意一个    sop("A".matches("[a-zA-Z]")); //true 范围[a-zA-Z]代表是a-z或A-Z中的任意一个    sop("A".matches("[a-z]|[A-Z]"));//true,范围[a-z]|[A-Z]也是代表a-z或A-Z中的任意一个    sop("A".matches("[a-z[A-Z]]"));//true,范围[a-z[A-Z]]也是代表a-z或A-Z中的任意一个    sop("R".matches("[A-Z&&[RFG]]"));//true 范围[A-Z&&[RFG]]代表取A-Z与RFG两个范围交集RFG中的任意一个        sop("---------------认识反斜杠s、反斜杠w、反斜杠d、反斜杠------------------------");    //\s \w \d \  \s代表空格 \w代表一个单词(a-z0-9_A-Z) \d代表数字     // \ 通常和转义一起用,如\t\r\n之类的,若只当成一个普通字符\,则需要再转义一次 \\。    sop(" \n\r\t".matches("\\s{4}")); //\s,转义需要再转义一次即\\s,代表四个空格。    sop(" ".matches("\\S")); // \S,代表是\s的非取反,即不是空格(非空格)。 规则一般大写是小写的语义相反如\D是非数字  结果肯定false。    sop("a_8".matches("\\w{3}")); // \\w代表单词中的字母,{3}代表出现三次。结果肯定是true了。    //sop("\\".matches("\\")); // 注意这里肯定会报错,因为在matches正则中,先java解释两个\\是一个转义,               //  但一个转义让正则去解释肯定要报错,它像java一样要再用一个转义来转义它,证明它是一个普通的反斜杠。    sop("\\".matches("\\\\"));        sop("---------------认识boundary边界 ^及$ \\b------------------------");    sop("hello sir".matches("^h.*")); //^不在中括号[]中,代表以什么开头,如这里是代表以h开头    sop("hello sir".matches(".*ir$")); //$代表以什么结尾,如这里是以ir结尾    // 这里有\\b代表 单词边界,可以以空格  \t或\r \n等来隔开。    sop("hello sir".matches("^h[a-z]{1,3}o\\b.*"));  //这里的.要加上,代理单词边界后面还是字符,1个或多个。    sop("hellosir".matches("^h[a-z]{1,3}o\\b*"));  //就是false了。            sop("---------几个小练习------------");    sop("aaa 8888c".matches(".*\\d{4}.")); //肯定是true,因为.*代表任意出现0次或多次    sop("aaa 8888c".matches(".*\\b\\d{4}.")); //肯定是true,因为.*代表任意出现0次或多次    sop("aaa8888c".matches(".*\\d{4}."));    sop("aaa8888c".matches(".*\\b\\d{4}."));//这个就false了,因为\\b是单词边界,后面又跟着\d{4}肯定没戏。        sop("chenssadf@aio7.com".matches("\\w+@\\w+\\.\\w+"));  //这个虽然可以用,但似乎对前面的@单词可以用.或-的没有加上哦。    sop("-chenssadf@aio7.com".matches("[\\w.-]+@[\\w.-]+\\.\\w+"));   }


代码片段二:掌握Matcher类的 find、start、end、lookingAt方法:

 private static void testFindAndLookingAt() {    sop("---------------------matcher.find 与 matcher.lookingAt match.reset等方法测试--------------------------");    Pattern p = Pattern.compile("\\d{3,5}");    Matcher match = p.matcher("234-32132-4321-00");    sop(match.matches()); //matches方法与find方法相互操作是有影响的,因为两者查看完会记录出下个要操作的指针位置。    match.reset();       //比如这里没有reset重置指针位置时,matches方法虽然匹配失败false,但它吐进去的4个字符不会吐出来    sop(match.find());   //这样,这里的第一个find从32132开始查了,就不从头了。(除非前面有reset重置)。所以接下来最后两上肯定是false了。    sop(match.start()+"--"+match.end()); //上面的find必须返回是true ,然后start是返回本次找到数据的第一位置,这里肯定是0,最后一个位置3(3是不包括)    sop(match.find());    sop(match.start()+"--"+match.end()); // start肯定就是4,end就是9了。    sop(match.find());    sop(match.start()+"--"+match.end());    sop(match.find());    //sop(match.start()+"--"+match.end()); //注意这里,不能打印的。因为上面的find返回的是false,根本没有找到。所以start或end方法                                        //会报IllegalStateException: No match available        sop(match.lookingAt()); //这下面的lookingAt打印永远都是true,因为lookingAt永远每次都是重新重头打开查。    sop(match.lookingAt());   }


 

代码片段三:掌握强大的replace、replaceAll、appendReplacement方法

 private static void testReplacement() {    sop("---------------------------match.replece及相关的替换测试---------------------");    //CASE_INSENSITIVE 大小写不敏感即能吃呢   Pattern.CANON_EQ 默认的方法即是敏感必须相同    Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);      //怎么把下面一串乱七八槽的java替换掉呢。比如只替换正则中规定的java    Matcher match = p.matcher("Java java JAva JAVa ILOVEJAVA youhateJaVa asdfasl;kdfj");    //sop(match.replaceAll("SOP"));  //可以将java全部替换成SOP,或只把小写java替换都可以。    //现有有个需求是,把单次数出现的java大小写均可,替换成SOP,双次数出现的替换成HELP。可以通过while循环find来搞        int count = 0;    StringBuffer buf = new StringBuffer();  //这里不可以写StringBuilder,因为matcher后面的方法不支持Builder    while(match.find()){     if(0 == count++%2){      match.appendReplacement(buf, "HELP");     }else{      match.appendReplacement(buf, "SOP");     }    }    sop(match.appendTail(buf)); //把后面没有find上的尾巴asdf等字符添加 进去。   }


 

代码片段四:url中抓取邮件地址:

/**    * 通过向一网站,发送http请求,把请求回响回来的网页内容进行解析,分析出来e-mail出来。    */   private static void testUrlFetchEmail() throws Exception {    sop("-----------------用URL发送一个请求给网站,对返回的内部进行抓取e-mail地址出来----------------------");    //http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml    URL url = new URL("http://dzh.mop.com/whbm/20060220/3/S7gSlI706d198a73.shtml");    sop(url.getContent());    sop(url.getQuery());    InputStream is = url.openStream();    BufferedReader br = new BufferedReader(new InputStreamReader(is,"utf-8"));    Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+");    //Pattern p = Pattern.compile("^([\\w.-]+)@([\\w.-]+)\\.\\w+"); //这里把^加上去就挂了,代表这个字符串是以邮件开头    String line = null;  //从URL中读出来的字符行,肯定不会是以邮件开头的,至少都是<br>或<P>或<dir>之类的,不会以邮件开头的吧。    while((line=br.readLine())!=null){     Matcher ma = p.matcher(line);     while(ma.find()){  //group必须与find一起来联系。否则报:java.lang.IllegalStateException: No match found      sop(ma.group()+"这家伙用户名:"+ma.group(1)+",用的公司域名:"+ma.group(2));     }     //sop(line);     //java.lang.IllegalStateException: No match found    }   }


 

代码片段五:代码行统计

 /**    * 若是文件夹则递归,若是普通的.java文件则传给统计代码方法。    * @param dir 是传入到此方法中 目录的文件。如想查到D:\test文件夹(会以递归查所有文件)中所有代码    * @throws Exception    */   private static void parseDirCodeNum(File dir) throws Exception{    File[] files = dir.listFiles(new FilenameFilter(){     @Override     public boolean accept(File dir, String name) {      File tempFile = new File(dir,name);      if(tempFile.isFile()){  //若是个普通文件的话,则过滤一切不是.java的文件,文件夹为true,以便再次递归       if(name.endsWith(".java")){        return true ;       }else{        return false;       }      }      return true;     }    });        for(File f : files){     if(f.isDirectory()){      parseDirCodeNum(f);     }else{      parseFileDirNum(f);  //是普通java文件则解析出代码行数     }    }   }   /**    * 统计代码行的方法。    * @param f    * @throws Exception    */   private static void parseFileDirNum(File f) throws Exception{    BufferedReader br = new BufferedReader(new FileReader(f));    boolean isComment = false ;    String line = null ;    while((line = br.readLine())!=null){     line = line.trim();  //一开始就去掉取出来行中的 空格,因为对于注释前面一般有\t影响stratsStart     if(line.startsWith("/*")&&line.endsWith("*/")){ //只有一行注释      commentLine++;     }else if(line.startsWith("/*")){ //可能出现了多行注释了,那么就标识注释isComment开始了,true了。      commentLine++;      isComment = true;     }else if(isComment){ //要是标识开始了,未标识出false统统认为是注释行。当然若注释结束了*/了,则去掉标识。      commentLine++;      if(line.endsWith("*/")){  //这里没有问题,因为注释中,不能含有*/的。       isComment = false;      }     }else if(line.startsWith("//")){      commentLine++;     }     else if(line.matches("^[\\s&&[^\\n]]*$")){  //空白行,必须是空白开头且不能回车      whitespaceLine++;     }else {      normalLine++;     }    }           }


 

代码片段六:掌握Greedy Reluctant Possessive数量词的区别:

/**    * 测试Greedy Reluctant Possessive数量词    * Greedy是贪吃 肯定是一上来,就以最多的吃掉,若不满足且可退时,再退出一个再匹配...    * Reluctant是 勉强不情意的。 一上来,就吃掉最小的,若不满足且可再吃时,就再吃一个匹配...    * Possessive是     */   private static void testGreedyReluctantPossessive() {    sop("-------------测试 Greedy Reluctant Possessive数量词-----------------------");    Pattern gp = Pattern.compile(".{3,10}[0-9]");  //Greedy方式    Pattern rp = Pattern.compile(".{3,10}?[0-9]");  //Reluctant方式  主要的与Greedy区别是多出一个?    Pattern pp = Pattern.compile(".{3,10}+[0-9]");  //Possessive方式 主要的与Greedy区别是多出一个+    Matcher gm = gp.matcher("asdf8sdfa9"); //通过Greedy匹配出来的匹配器    Matcher rm = rp.matcher("asdf8sdfa9"); //通过Reluctant匹配出来的匹配器    Matcher pm = pp.matcher("asdf8sdfa9"); //通过Possessive匹配出来的匹配器        if(gm.find()){  //因为gm是一次吃掉10个发现后面要求一个数字所以就退回了一个,这样正好满足找到了。     sop(gm.start()+"  "+gm.end()); //返回0  10    }else{     sop("找不到匹配的");    }        if(rm.find()){ //因为rm是一次吃掉3发现后面要求一个数字,就再吃掉一个,这样正好满足找到了。     sop(rm.start()+"  "+rm.end()); //返回0  5    }else{     sop("找不到匹配的");    }        if(pm.find()){ //因为pm是一次性吃掉10个,然后正规要求后面一个数字,但它不吐出来(看来更贪婪,难怪是独占式的)。找不到了。     sop(pm.start()+"  "+pm.end());    }else{     sop("找不到匹配的");  //返回找不到    }           }


代码片段七相关测试代码:

        private static long normalLine ;   private static long commentLine ;   private static long whitespaceLine ;      public static void main(String[] args) throws Exception{    testRegExpAccidence();    testFindAndLookingAt();    testReplacement();        sop("-----------------match.group及相关的分组测试--------");    Pattern p = Pattern.compile("([\\w.-]+)@([\\w.-]+)\\.\\w+");    Matcher m = p.matcher("-chenshufei2@sina.com");    while(m.find()){     sop(m.group());     sop(m.group(1)); //可以得出用户名-chenshufei2     sop(m.group(2)); //可以得出域公司名sina      //sop(m.group(3));  会报出一个java.lang.IndexOutOfBoundsException: No group 3     //从此 可以验证出,分组就是看正则中小括号(出现的位置,而上面的没有第三个(,所以会报异常。    }        //testUrlFetchEmail(); //D:/java_setup_program_file/eclipse/design_pattern/EnhanceJava    String dirStr = "D:\\360Rec";    File dir = new File(dirStr);    parseDirCodeNum(dir);    sop("解析文件时,共有normalLine::"+normalLine+"  ,commentLine::"+commentLine+"  ,whitespaceLine::"+whitespaceLine);            testGreedyReluctantPossessive();   }  public static void sop(Object obj){    System.out.println(obj);   }