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

Java 中的正则表达式 博客分类: Java基础笔记 正则表达式JavaUnixF#J2SE 

程序员文章站 2024-02-14 19:33:16
...

 

转载:
http://www.j-kanban.com/bbs/thread-1467-1-1.html
http://www.unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm


彻底研究 Java 中的正则表达式


*以下是我最近研究正则表达式的成果希望能对大家有帮助。其中也有我遇到的不明白之处,各位有精通的请发mail给我讲讲。还有有谁对javascript的正则表达式精通请给大家发一下吧。这些东东都是javadoc上有的,还有一些是我在java.sun.com/docs/books/tutorial/extra/regex/index.html上看到的,我建议对正则表达式感兴趣的不妨上去看看,很不错。
  */
  package testreg;
  import java.util.regex.Matcher;
  import java.util.regex.Pattern;
  
  /**
  *

Title: 正则表达式的研究


  *

Description:
  * 最近在工作中常常用到一些正则表达式的使用问题,到网上去找介绍大多是一鳞半爪。求人不如求已。一狠心,自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说,书归正传。
  * 原理:
  *   正则表达式的原理是有限状态自动机,自动机内部有有限个状态,有一个初始状态,有一个结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵,这是很久以前学的东东了也记不清了,大家只作参照吧。
  * Java中的正则表达式:
  *   从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包,这个包中主要有3个类attern,代表模式,就是正则表达式自身,Matcher,是一个有限状态自动机,其实大多数的活还是让Pattern类于了,Matcher往往只是简单的调用Pattern,不知道这是什么模式。这两个类写的都很经典,还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所用正则表达式不正确时抛出,是运行时异常。
  * 几个难点:
  *  1.line terminator
  *   line terminator 中文意终结符,是指一个或两个字符组成的字符序列。java中的
  *   所有line terminator:
  *   A newline (line feed) character ('\n'),
  *   -----------换行符(0A)
  *   A carriage-return character followed immediately by a newline character ("\r\n"),
  *   -----------回车+换行(0D0A)
  *   A standalone carriage-return character ('\r'),
  *   -----------回车(0D)
  *   A next-line character ('\u0085'),
  *   ------------下一行符?(?表示我也不知道是什么,请大家明白的给我发mail
  *   A line-separator character ('\u2028'), or
  *   ------------行分隔符?
  *   A paragraph-separator character ('\u2029).
  *   ------------段落分隔符?
  *   If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.
  *   如果使用unix模式则只有\n被认为是line terminator,也就是在使用pattern时如下:
  *   Pattern p=Pattern.compile("正则表达式",Pattern.UNIX_LINE);
  *   或 Pattern p=Pattern.compile("(?d)正则表达式")
  *   "."匹配除line terminator以外的所有字符(未指定DOTALL时)
  *   在指定DOTAll模式时"."匹配所有字符
  *  2.Quantifiers,Greedy,Reluctant and Possessive.
  *   这几个词不太好译,原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive Quantifiers凭我这点英语我只好译作贪婪的量子,不情愿的量子和占有欲强的量子?这也太搞笑了好在我理解了他们的意思。这点等下我细说。
  *  3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解对于上述,原文用range,union,negation,intersection,subtraction等来描述range表是范围,union是并集,negation是取反,intersection是交集,subtraction是……是减法??反正是减去一部分的意思
  *   range    a-z 从a到z的小写字母
  *   negation  [^a-f]除了a-f之外所有的,全集是所有字符
  *   union    [a-d[h-i]] a-d并h-i
  *   subtraction [b-f&&[^cd]] 就是b-f中除了cd以外的都是
  *   intersection[b-f&&[a-z]] 就是b-f与a-z中的公共部分
  *   我总结了一下,其实就是方括号表示一个集合,集合中的元素用列举法表示如[abcd],但太多了怎么为?总不能把从a到z的全列举吧?那就用a-z表示且省略了方括号,交集用&&表示,并集省略,差集(对subtraction译成差集还差不多)用交集和取反来表示。所以,以上的可表示为:
  *   [[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]
  *   这样是不是和我们的习惯相符了.
  *  4.各个标志的意义
  *   在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。
  *   用法形如:Pattern p=Pattern.compile(".*a?",Pattern.UNIX_LINES);
  *   当同时指定多个标志时可以使用"|"操作符连接如:
  *   Pattern p=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);
  *   也可以在表达式中指定如:
  *   Pattern p=Pattern.compile("(?d).*a?");
  *   Pattern p=Pattern.compile("(?d)(?s).*a?");
  *   以上两个定义和前面两个对应等价
  *   所有的标志如下:
  *   Constant        Equivalent Embedded Flag Expression
  Pattern.CANON_EQ       None Enables canonical equivalence
  Pattern.CASE_INSENSITIVE   (?i) Enables case-insensitive matching
  Pattern.COMMENTS       (?x) Permits whitespace and comments in pattern.
  Pattern.MULTILINE       (?m) Enables multiline mode.
  Pattern.DOATALL        (?s) Enables dotall mode
  Pattern.UNICODE_CASE     (?u) Enables Unicode-aware case folding.
  Pattern.UNIX_LINES      (?d) Enables Unix lines mode
  
  CANON_EQ 指定使用规范等价模式?这个我理解的也有限,是不是说只要指定了这个模式则ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等?请教各位。(mail to me)
  
  CASE_INSENSITIVE 指定使用大小写不敏感的匹配模式,这个好理解,但要注意这个标志只是对ascii码有效,要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)
  
  COMMENTS 指定使用注释和忽略空白,也就是".*a"==". *a #this is comments"我想这个在正则表达式很大,而且是在文件中输入时比较有用,平时我看也用不上。
  
  MULTILINE In multiline mode the expressions ^ and $ match just after
  or just before, respectively, a line terminator or the end of the
  input sequence. By default these expressions only match at the beginning
  and the end of the entire input sequence
  指定使用多行匹配模式,在默认模式下,^和$分别只匹配一个输入的开始和结束。
  在这种模式下,^和$ 除了匹配整个输入的开始和结束外还匹配一个line terminator的后边和前边(不是前边和后边,就是说^匹配line terminator的后边$匹配line terminator的前边。
  
  DOATALL 如指定了这个模式则"."可匹配任何字符包括line terminator UNIX_LINES 指定这个模式时只有\n被认为是line terminator而\r和\r\n都不是其他的我一时想不起来了,在具体介绍时再说吧。
  


  /
  public class TestReg2
  {
  
  public static void main(String[] args)
  {
  String str1 = "";
  Object str = "";
  //注意:\r,\n,\b等转义字符在java字符串常量中要写成\\r,\\n,\\b等,否则编译都过不去
  //\s匹配\r,\n,\r和空格
  System.out.println("\\s匹配\\r,\\n,\\r和空格 "+" \t\n\r".matches("\\s{4}"));
  //\S和\s互逆
  System.out.println("\\S和\\s互逆 "+"/".matches("\\S"));
  //.不匹配\r和\n
  System.out.println(".不匹配\\r和\\n "+"\r".matches("."));
  System.out.println("\n".matches("."));
  
  //\w匹配字母,数字和下划线
  System.out.println("\\w匹配字母,数字和下划线 "+"a8_".matches("\\w\\w\\w"));
  //\W和\w互逆
  System.out.println("\\W和\\w互逆 "+"&_".matches("\\W\\w"));
  //\d匹配数字
  System.out.println("\\d匹配数字 "+"8".matches("\\d"));
  //\D与\d互逆
  System.out.println("\\D与\\d互逆"+"%".matches("\\D"));
  //两者都匹配但意文不同
  System.out.println("======================");
  System.out.println("表示\\000a匹配\\000a "+"\n".matches("\n"));
  System.out.println("表示\\n匹配换行 "+"\n".matches("\\n"));
  System.out.println("======================");
  //两者都匹配但意文不同
  System.out.println("\r".matches("\r"));
  System.out.println("\r".matches("\\r"));
  System.out.println("======================");
  //^匹配开头
  System.out.println("^匹配开头"+"hell".matches("^hell"));
  System.out.println("abc\nhell".matches("^hell"));
  //$匹配结束
  System.out.println("$匹配结束"+"my car\nabc".matches(".*ar$"));
  System.out.println("my car".matches(".*ar$"));

 

 

 

  •