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

深入入门正则表达式(java) - 2 - 基本实例

程序员文章站 2022-03-02 13:37:30
...

深入入门正则表达式(java) - 引言

深入入门正则表达式(java) - 1 - 入门基础 
深入入门正则表达式(java) - 2 - 基本实例

深入入门正则表达式(java) - 3 - 正则在java中的使用

深入入门正则表达式(java) - 匹配原理 - 1 - 引擎分类与普适原则

深入入门正则表达式(java) - 匹配原理 - 2 - 回溯

 

这里例子都是从《正则表达式经典实例》中选取的

书中的第5、6章每个例子我都独立完成了一遍,觉得基础的会拿出来给大家分享

我把长度为0的匹配结果看作一个缝隙,比如“\b”是单词之间的缝隙,“^”是字符与开头的缝隙……

 

A.单词

1.查找单词cat

 

正则:\bcat\b

开始的例子总是很简单,之前我们讲过了\b可以找到单词的边界,\b会匹配下面3种位置

1.如果目标文本第一个字符是单词字符,则匹配第一个字符之前的位置

2.如果目标文本最后一个字符是单词字符,则匹配最后一个字符之后的位置

3.如果两个连续的字符中一个是单词字符一个不是,那么匹配中间位置

注意:java的\b是支持Unicode字符的。

知识点:单词分割符

 

2.查找多个单词之一,如:匹配one或者two或three

正则:\b(?:one|two|three)\b

这个也很容易理解,使用非捕获括号是为了提高效率,不让程序单独记住括号内捕获的内容

当然,你可以这么写“\b(?:one|t(?:wo|hree))\b” ,似乎只是为了让人更加迷惑。。。

知识点:单词分割符,非捕获括号,选择结构

 

3.查找相似单词,如:Steven、Steve、Stephen

正则:\bSte(?:ven?|phen)\b

这几个单词都是以Ste开头,后面公共的部分就只有一个e了,最后的n可有可无。如果你这么想,那你的正则很有可能写成下面这样

\bSte(?:v|ph)en?\b

不仔细看还真容易被糊弄过去,当然,上面3中形式都可以匹配,但是,它是不是也能匹配Stephe呢?

知识点:单词分割符 ,非捕获括号,选择结构 ,量词(贪婪匹配)

 

4.查找除了某个单词之外的任意单词,如:查找除了cat之外的任意其他单词

正则:\b(?!cat\b)\w+\b

如果查找任意一个单词很容易:\b\w+\b,我们来改造一下,首先肯定要有\b,这能让我们找到单词的开头,然后我们要看看接下来的三个字母,如果他们分别是c、a、t,并且之后单词结束,那我们就不需要,否则就是我们需要的。

“(?!cat)”,它匹配一个缝隙,这个缝隙的后面不是c、a、t,如果我们找到了这样的缝隙“(?!cat\b)”,那么这个缝隙之后的单词字符就是我们所需要的。当然我们可以把\w换成[a-zA-Z]

知识点:单词分割符 ,非捕获括号,单词字符,顺序否定环视 ,量词(贪婪匹配)

 

5.查找不包含另一个单词的单词,如:查找不包含cat的单词

正则:\b(?:(?!cat)\w)+\b

这个结果看上去和上一个题目差不多,我们来看看他们的区别。

(?!cat)上面已经解释过了,那么我们找到了这个位置,后面是不是就都是我们所需要的字符了呢?如果你写成了\b(?!cat)\w+\b ,那么很遗憾,答案是错的。它只会保证匹配的结果不是以cat开头而已。我们可以想一下查找过程:我们先看单词的前3个字符,如果不是cat,那么我们看单词的第2、3、4个字符是不是cat,这样就能排除acat了。如果第2、3、4不是cat,那么我们看第3、4、5个字符……直到看完最后三个字符位置。也就是说,我们每确定一个我们需要的字符,就要重新看看我们现在所在位置后的3个字符是否满足条件,所以我们要多次使用顺序否定环视((?!cat)\w)+ 。最终结果为\b(?:(?!cat)\w)+\b

知识点:单词分割符 ,非捕获括号,单词字符,顺序否定环视 ,量词(贪婪匹配)

 

6.查找后面不跟着某个特定单词的任意单词,如:查找后面不跟着cat的任意单词,可以忽略其中空格和标点和非单词字符

正则:\b\w+\b(?!\W+cat\b)

先找到一个单词\b\w+\b ,然后看看接下来的内容是什么,如果后面跟着cat,那么匹配失败,否则匹配成功。

ps:当然这个正则是可以匹配到cat这个单词本身的,只要cat后面不再跟着cat。

知识点:单词分割符 单词字符,非 单词字符, 顺序否定环视 ,量词(贪婪匹配)

 

7.查找不跟在某个特定单词之后的任意单词,如:查找之前的单词不是cat的单词

正则:(?<!\bcat \W{1,9} ) \b\w+\b

和上一个题目很像,上一个题目要求后面不是什么什么,现在要求前面不是什么什么,所以很容易修改上面的正则:把顺序否定环视改为逆序否定环视 “(?!) ” -> “(?<!) ”。然后把环视的内容倒过来“\W+cat\b ” -> “\bcat\W+ ”,结果为(?<!\bcat \W+ ) \b\w+\b

很遗憾,在java中无法运行。原因是逆序环视和“+”的结合。 java中逆序环视不允许出现这种无限制长度的量词,但是可以使用区间量词。 似乎只有.NET允许这么写。所以我们把“+”改为“{1,9}”,这个结果是书中给的,当然长度自己定,我倾向于“{1,20}”。

知识点:单词分割符 单词字符,非 单词字符,逆 序否定环视 ,量词(贪婪匹配)

 

8.查找重复单词,如:连续写了两个相同的单词,中间空白字符相隔。

正则:\b([a-zA-Z]+)\s+\1\b

这个比较简单,所以不解释了。

知识点:单词分割符 字符集,空白字符 捕获括号, 反向引用 ,量词(贪婪匹配)

 

B.数字

 

1.整数

正则:-?[1-9]\d*|0

 

首先明确整数除了0之外,不能以0开头。那么[1-9]开头,正整数即为“[1-9]\d*”,非负整数为“[1-9]\d*|0”。

ps:书中的答案数字是允许以0开头的(后来发现在6.4节给出了数字前面非0的答案)

书中不推荐使用\d替代[0-9],因为在.NET和Perl中,\d能匹配到任意文字中的任意数字,不过在java中不必担心。

知识点:选择结构 字符集,数字字符集简写,非 捕获括号, 量词(贪婪匹配)

 

2.特定范围内的数字

1-12(小时,月份)

正则:^(1[012]|[1-9])$

 

1-24(小时)

正则:^(2[0-4]|1\d|[1-9])$

 

1-31(每月的天次)

正则:^(3[01]|[12]\d|[1-9])$

 

1-53(每年的周次)

正则:^(5[0-3]|[1-4]\d|[1-9])$

 

0-59(分、秒)

正则:^[1-5]?\d$

 

0-100(百分数)

正则:^([1-9]?\d|100)$

 

1-100

正则:^([1-9]\d?|100)$

^([1-9]\d|[1-9]|100)$可简化为^([1-9]\d?|100)$

 

32-126(可打印的ASCII字符)

正则:^(3[2-9]|[4-9]\d|1[01]\d|12[0-6])$

 

0-127(非负有符号字节数)

正则:^([1-9]?\d|1[01]\d|12[0-7])$

根据0-100修改。

 

-128-127(有符号字节数)

正则:^(([1-9]?\d|1[01]\d|12[0-7])|-(?:[1-9]\d?|1[01]\d|12[0-8]))$

0-127和-1-至-128

当然也可以写成1-127和-1至-127和0和-128,其实我觉得这样更简单一些。

 

0-255(无符号字节数)

正则:^([1-9]?\d|1\d\d|2[0-4]\d|25[0-5])$

根据0-127修改。

 

1-366(一年中的天次)

正则:^([1-9]\d?|[12]\d\d|3[0-5]\d|36[0-6])$

根据1-100修改。

知识点:选择结构 字符集,数字字符集简写,非 捕获括号, 量词(贪婪匹配)

上面的正则没有什么太多难点,只是数字大了之后情况就多了,所以需要谨慎的考虑。情况多了正则就会变长,看着比较吓人而已。

 

基本实例就列举这些吧,这里包含了上一节的90%的知识点,看完这节内容的同学写一些简单的正则应该是没有什么问题了

下一节主要介绍java中的正则特性以及相关的api。

 

 

 

 

转贴请保留以下链接

本人blog地址

http://su1216.iteye.com/

http://blog.csdn.net/su1216/