欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Java的正则表达式深入分析

程序员文章站 2023-12-03 09:24:40
一.regex(正则表达式):regularexpressions(代替了stringtokenizer);字符串处理利器;在unix流行,perl使用regex更牛。主要...

一.regex(正则表达式):regularexpressions(代替了stringtokenizer);字符串处理利器;在unix流行,perl使用regex更牛。
主要用在字符串匹配、查找和替换。例如:匹配ip(范围小于256)使用正则很好搞;从网页中揪出大量email地址发送垃圾邮件;从网页里揪出链接。包含matcher(用模式匹配字符串后产生的结果)和pattern。

复制代码 代码如下:

 /*
          * 告知此字符串是否匹配给定的正则表达式(也是一个字符串)。
          */
         system.out.println("abc".matches("..."));//每个"."表示一个字符


复制代码 代码如下:

 /*
          * 把字符串里的所有数字替换成"-",普通方法需要charat逐个判断;
          * "\\d"表示任意一个数字或者换成"[0-9]";
          * "\\d"表示任意一个非数字或者换成"[^0-9]"
          */
         system.out.println("ab54564654sbg48746bshj".replaceall("[0-9]", "-"));//每个"."表示一个字符

二、
复制代码 代码如下:

/*
          * compile将给定的正则表达式编译到模式中(每次编译需要费时间);{3}表示恰好三次。
          *     x{n} x,恰好 n 次
          *    x{n,} x,至少 n 次
          *    x{n,m} x,至少 n 次,但是不超过 m 次
          */
         pattern p = pattern.compile("[a-z]{3}");
         matcher m = p.matcher("ggs");//创建匹配给定输入与此模式的匹配器。内部实际上是创建了一个优先状态的自动机(编译原理)
         //matcher和matches里待匹配的字符串实际上是charsequence(接口),不过string实现了该接口,存在多态
         system.out.println(m.matches());//若是"ggss"就不匹配了
         //可一直接"ggs".matches("[a-z]{3}"),不过上面的有好处,至少效率高了,而且pattern和matcher提供了很多功能

三、在regex“. * +”中叫meta character;ctrl + shift + "/"表示注释,换成"\"表示去掉注释。
复制代码 代码如下:

"a".matches(".");//true,"."表示任意一个字符,汉字也行
         "aa".matches("aa");//true,也就是说普通字符串也可以作为正则表达式
         /*
          * true,"*"表示0或者多个字符,不过后面的要和第一个相同,
          * 否则false,也就是判断字符串是否是单一字符组成的字符串
          */
         "aaaa".matches("a*");
         "".matches("a*");//true
         "aaa".matches("a?");//true,一次或者0次
         "".matches("a?");//true
         "a".matches("a?");//true
         "544848154564113".matches("\\d{3,100}");//true
         //这个是最简单的ip判断,不过若是超过255则判断不出来
         "192.168.0.aaa".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\d{1,3}");
         "192".matches("[0-2][0-9][0-9]");

四、[abc]表示匹配任意一个字符;[^abc]表示出了abc以外的其他字母(必须还是字母,若是空串也返回false)字符;[a-za-z]等价于"[a-z]|[a-z]"是否是某个大小写字母;[a-z&&[abs]]表示大写字母中取abs中任一个。
复制代码 代码如下:

//发现|和||没区别,&和&&有区别,不知道这么理解对不对
         system.out.println("c".matches("[a-z&&[abs]]"));//false
         system.out.println("c".matches("[a-z&[abs]]"));//true
         system.out.println("a".matches("[a-z&&[abs]]"));//true
         system.out.println("a".matches("[a-z&[abs]]"));//true
         system.out.println("c".matches("[a-z|[abs]]"));//true
         system.out.println("c".matches("[a-z||[abs]]"));//true

五、\w 单词字符:[a-za-z_0-9] 进行用户名匹配时;\s 空白字符:[ \t\n\x0b\f\r]; \s 非空白字符:[^\s] ;\w 非单词字符:[^\w] 。
复制代码 代码如下:

" \n\t\r".matches("\\s{4}");//true
         " ".matches("\\s");//false
         "a_8".matches("\\w{3}");//true
         //“+”表示一次或者多次
         "abc888&^%".matches("[a-z]{1,3}\\d+[&^#%]+");//true
         /*
          * 待匹配字符也只是一个反斜线,不过不可写成"\"那么和后面的"组合了,
          * 前面的"无法匹配就会ce。
          * 后面不可写成"\\",那么会运行错误(编译没问题),必须写成"\\\\"
          */
         system.out.println("\\".matches("\\\\"));//true

六、posix 字符类(仅 us-ascii)
复制代码 代码如下:

 \p{lower} 小写字母字符:[a-z] ;\p{upper} 大写字母字符:[a-z] ;\p{ascii} 所有 ascii:[\x00-\x7f] ;\p{alpha} 字母字符:[\p{lower}\p{upper}] ;\p{digit} 十进制数字:[0-9] 。

七、边界匹配器
^ 行的开头
  $ 行的结尾
  \b 单词边界
  \b 非单词边界
  \a 输入的开头
  \g 上一个匹配的结尾
  \z 输入的结尾,仅用于最后的结束符(如果有的话)
  \z 输入的结尾
复制代码 代码如下:

"hello world".matches("^h.*");//^行的开头
         "hello world".matches(".*ld$");//$行的结尾
         "hello world".matches("^h[a-z]{1,3}o\\b.*");//\b单词边界
         "helloworld".matches("^h[a-z]{1,3}o\\b.*");

 " \n".matches("^[\\s&&[^\\n]]*\\n$");//判断空白行,空白行开头是空白符


八、还可以在find方法下使用m.start()和m.end()返回开始位置和结束位置的下一个;若是找不到则出错。
复制代码 代码如下:

pattern p = pattern.compile("\\d{3,5}");
         string s = "133-34444-333-00";
         matcher m = p.matcher(s);
         m.matches();//matches匹配全部字符串
         m.reset();
         /*
          * 下面若是先调用了reset方法则输出true,true,true,false.
          * 否则倒数第二个find也输出false。
          * 原因如下:
          * matches匹配到第一个"-"发现不匹配了,但是这四个字符已经被吃掉啦,再次匹配就从
          * 34444开始了,第二个find从333,因为find匹配的是下一个子序列。
          * reset方法让matches吃掉的字符串再吐出来。
          * 综上:matches和find之间要使用reset,因为二者相互影响
          *
          */
         m.find();
         m.find();
         m.find();//尝试查找与该模式匹配的输入序列的下一个子序列
         m.find();
         /*
          * 尝试将从区域开头开始的输入序列与该模式匹配。
          * thinking in java的作者狠狠滴批评了这个方法,因为从字面看不出来到底从哪开始匹配。
          * 下面全部是true,因为每次都从头开始
          */
         m.lookingat();
         m.lookingat();
         m.lookingat();
         m.lookingat();

九、字符串替换
复制代码 代码如下:

import java.util.regex.matcher;
 import java.util.regex.pattern;

 public class testregexreplacement {

     public static void main(string[] args) {

         pattern p = pattern.compile("java",pattern.case_insensitive);//后面的参数是整形,表示“大小写不敏感”
         matcher m = p.matcher("java java hxsyl ilovejava java javaacmer");
         while(m.find()) {
             system.out.println(m.group());//m.group会输出所有的java(忽略大小写)

         }

        
         string s = m.replaceall("java");//string也有该方法
         system.out.println(s);

         m.reset();//一定要加,因为find和matcher相互影响
         stringbuffer sb = new stringbuffer();
         int i = 0;
         /*
          * 下面的方法是把找到的奇数个java替换为“java”,偶数个替换成"java"
          */
         while(m.find()) {
             i++;
             //不能直接写成i&1必须转化为boolean
             if((i&1)==1) {
                 m.appendreplacement(sb, "java");
             }else {
                 m.appendreplacement(sb, "java");
             }
         }

         m.appendtail(sb);//把找到的最后一个java后边的剩余字符串加上
         system.out.println(sb);//不加reset的话只输出了acmer
     }
 }

十、分组
复制代码 代码如下:

/*
          * 分别加上小括号,不算最外边的大括号,第一个左括号便是第一组
          */
         pattern p = pattern.compile("(\\d{3,5})([a-z]{2})");
         string s = "123aaa-77878bb-646dd-00";
         matcher m = p.matcher(s);
         while(m.find()) {
             system.out.println(m.group());
             system.out.println(m.group(1));//输出每对符合的 数字
             system.out.println(m.group(2));//输出每对符合的 字母
         }

十一、抓取网页中的email
复制代码 代码如下:

import java.io.bufferedreader;
 import java.io.filenotfoundexception;
 import java.io.filereader;
 import java.io.ioexception;
 import java.util.regex.matcher;
 import java.util.regex.pattern;

 /*
  * 需要什么养的方法的话先些方法名
  * 然后ctrl + 1列出推荐,系统创建该方法
  */
 public class emailspider {

     public static void main(string[] args) {
         // todo auto-generated method stub
         try {
             bufferedreader br = new bufferedreader(new filereader("f:\\regex.html"));
             string line = "";
             try {
                 while((line=br.readline())!=null) {
                     solve(line);
                 }
             } catch (ioexception e) {
                 // todo auto-generated catch block
                 e.printstacktrace();
             }

         } catch (filenotfoundexception e) {
             // todo auto-generated catch block
             e.printstacktrace();
         }

 
     }

     private static void solve(string line) {
         // todo auto-generated method stub
         //正则表达式要是不满足相应功能的话不会出错,因为他是字符串
         pattern p = pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");
         matcher m = p.matcher(line);

         while(m.find()) {
             system.out.println(m.group());
         }

     }

 }

十二、代码统计
复制代码 代码如下:

view code
 /*
  * 统计代码里多少空行,注释行,程序行
  * 实际上使用string里的startswith和endswith也行.
  * 若是项目经理用的话还要统计每行的字符数是否以{;结尾,防止偷懒
  */
 import java.io.bufferedreader;
 import java.io.file;
 import java.io.filenotfoundexception;
 import java.io.filereader;
 import java.io.ioexception;

 public class codercount {

     static long normallines = 0;
     static long commentlines = 0;
     static long whitelines = 0;

     public static void main(string[] args) {
         file f = new file("d:\\share\\src");
         file[] codefiles = f.listfiles();
         for(file child : codefiles){
             if(child.getname().matches(".*\\.java$")) {
                 solve(child);
             }
         }

         system.out.println("normallines:" + normallines);
         system.out.println("commentlines:" + commentlines);
         system.out.println("whitelines:" + whitelines);

     }

     private static void solve(file f) {
         bufferedreader br = null;
         boolean comment = false;
         try {
             br = new bufferedreader(new filereader(f));
             string line = "";
             while((line = br.readline()) != null) {
                 /*
                  * //有的注释行前面有一个tab
                  * 不可写在readline后
                  * 最后一行的话会空指针
                  */
                 line = line.trim();
                 //readline读出字符串后就把后面的换行去掉啦
                 if(line.matches("^[\\s&&[^\\n]]*$")) {
                     whitelines ++;
                 } else if (line.startswith("/*") && !line.endswith("*/")) {
                     commentlines ++;
                     comment = true;   
                 } else if (line.startswith("/*") && line.endswith("*/")) {
                     commentlines ++;
                 } else if (true == comment) {
                     commentlines ++;
                     if(line.endswith("*/")) {
                         comment = false;
                     }
                 } else if (line.startswith("//")) {
                     commentlines ++;
                 } else {
                     normallines ++;
                 }
             }
         } catch (filenotfoundexception e) {
             e.printstacktrace();
         } catch (ioexception e) {
             e.printstacktrace();
         } finally {
             if(br != null) {
                 try {
                     br.close();
                     br = null;
                 } catch (ioexception e) {
                     e.printstacktrace();
                 }
             }
         }
     }

 }

十三、quantifiers
包括?*+;默认全是greedy,还有reluctant和possessive(独占性的)。
复制代码 代码如下:

//加上分组是为了看得更清晰一些
     pattern p = pattern.compile("(.{3,10})+[0-9]");
     string s = "aaaa5bbbb6";//长度是10
     matcher m = p.matcher(s);
     /*
      * 现在输出0-10,默认是greedy,先吞进10个字符,发现不匹配,吐出来一个,发现匹配了;
      * 若是pattern.compile("(.{3,10}?)+[0-9]")则成了reluctant,那么是先吞进三个字符,发现不匹配,继续吞入 知道匹配,输出0到5;
      * 若是pattern.compile("(.{3,10}++)+[0-9]")则是possessive(独占式),也是先吞入10个字符,但是不向外吐,那么就不匹配了,
      * 这种方式主要用在需要高效率的地方(会有误差)。
      */
     if(m.find()) {
         system.out.println(m.start() + "----" + m.end());
     }else {
         system.put.println("not match!");
     }

十四、补充(非捕获组)
复制代码 代码如下:

//非捕获组的意思和字面相反,意思是若是符合则捕获
     pattern p = pattern.compile("(?=a).{3}");
     /*
      * 输出a66,相当于要求以a开头,也可以这么写pattern.compile("[a].{2}");
      * 若是pattern.compile(".{3}(?!=a)")不是不以a结尾{2}[^a],而是下一个字符不是a(lookahead),输出44a,66b,所以这种用法不常用;
      * 若是pattern.compile(".{3}(?=a)")则输出444(因为?=a是lookahead),放在前面则包含在组内,后面则不包含在组内;
      *
      *
      */
     string s = "444a66b";
     matcher m = p.matcher(s);
     while(m.find()) {
         system.out.println(m.group());
     }

十五、back reference
复制代码 代码如下:

pattern p = pattern.compile("(\\d\\d)\\1");
     /*
      * 输出true,\\1表示和第一个组的一样,若改成1213就不对了;
      * 若是pattern.compile("(\\d(\\d))\\2")则需改成122才对
      *
      */
     string s = "1212";
     matcher m = p.matcher(s);
     system.out.println(m.matches());

十六、flags的简写
"."是不匹配换行的,记住case_insensitive就行了,简写“通过嵌入式标志表达式  (?i) 也可以启用不区分大小写的匹配”。