在Java编程中使用正则表达式的基本方法
众所周知,在程序开发中,难免会遇到需要匹配、查找、替换、判断字符串的情况发生,而这些情况有时又比较复杂,如果用纯编码方式解决,往往会浪费程序员的时间及精力。因此,学习及使用正则表达式,便成了解决这一矛盾的主要手段。
大 家都知道,正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
自从jdk1.4推出java.util.regex包,就为我们提供了很好的java正则表达式应用平台。
因为正则表达式是一个很庞杂的体系,所以我仅例举些入门的概念,更多的请参阅相关书籍及自行摸索。
- \\ 反斜杠
- \t 间隔 ('\u0009')
- \n 换行 ('\u000a')
- \r 回车 ('\u000d')
- \d 数字 等价于[0-9]
- \d 非数字 等价于[^0-9]
- \s 空白符号 [\t\n\x0b\f\r]
- \s 非空白符号 [^\t\n\x0b\f\r]
- \w 单独字符 [a-za-z_0-9]
- \w 非单独字符 [^a-za-z_0-9]
- \f 换页符
- \e escape
- \b 一个单词的边界
- \b 一个非单词的边界
- \g 前一个匹配的结束
- ^为限制开头
- ^java 条件限制为以java为开头字符
- $为限制结尾
- java$ 条件限制为以java为结尾字符
- . 条件限制除\n以外任意一个单独字符
- java.. 条件限制为java后除换行外任意两个字符
加入特定限制条件「[]」
- [a-z] 条件限制在小写a to z范围中一个字符
- [a-z] 条件限制在大写a to z范围中一个字符
- [a-za-z] 条件限制在小写a to z或大写a to z范围中一个字符
- [0-9] 条件限制在小写0 to 9范围中一个字符
- [0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
- [0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)
- []中加入^后加再次限制条件「[^]」
- [^a-z] 条件限制在非小写a to z范围中一个字符
- [^a-z] 条件限制在非大写a to z范围中一个字符
- [^a-za-z] 条件限制在非小写a to z或大写a to z范围中一个字符
- [^0-9] 条件限制在非小写0 to 9范围中一个字符
- [^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
- [^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)
在限制条件为特定字符出现0次以上时,可以使用「*」
- j* 0个以上j
- .* 0个以上任意字符
- j.*d j与d之间0个以上任意字符
在限制条件为特定字符出现1次以上时,可以使用「+」
- j+ 1个以上j
- .+ 1个以上任意字符
- j.+d j与d之间1个以上任意字符
在限制条件为特定字符出现有0或1次以上时,可以使用「?」
- ja? j或者ja出现
限制为连续出现指定次数字符「{a}」
- j{2} jj
- j{3} jjj
文字a个以上,并且「{a,}」
- j{3,} jjj,jjjj,jjjjj,???(3次以上j并存)
文字个以上,b个以下「{a,b}」
- j{3,5} jjj或jjjj或jjjjj
两者取一「|」
- j|a j或a
- java|hello java或hello
「()」中规定一个组合类型
比如,我查询<a href=\"index.html\">index</a>中<a href></a>间的数据,可写作<a.*href=\".*\">(.+?)</a>
在使用pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
pattern pattern.compile(string regex, int flag)
flag的取值范围如下:
pattern.canon_eq 当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a\u030a"会匹配"?"。默认情况下,不考虑"规 范相等性(canonical equivalence)"。
pattern.case_insensitive(?i) 默认情况下,大小写不明感的匹配只适用于us-ascii字符集。这个标志能让表达式忽略大小写进行匹配。要想对unicode字符进行大小不明感的匹 配,只要将unicode_case与这个标志合起来就行了。
pattern.comments(?x) 在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用unix行模式。
pattern.dotall(?s) 在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
pattern.multiline
(?m) 在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
pattern.unicode_case
(?u) 在这个模式下,如果你还启用了case_insensitive标志,那么它会对unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于us-ascii字符集。
pattern.unix_lines(?d) 在这个模式下,只有'\n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。
抛开空泛的概念,下面写出几个简单的java正则用例:
◆比如,在字符串包含验证时
//查找以java开头,任意结尾的字符串 pattern pattern = pattern.compile("^java.*"); matcher matcher = pattern.matcher("java不是人"); boolean b= matcher.matches(); //当条件满足时,将返回true,否则返回false system.out.println(b);
◆以多条件分割字符串时
pattern pattern = pattern.compile("[, |]+"); string[] strs = pattern.split("java hello world java,hello,,world|sun"); for (int i=0;i<strs.length;i++) { system.out.println(strs[i]); }
◆文字替换(首次出现字符)
pattern pattern = pattern.compile("正则表达式"); matcher matcher = pattern.matcher("正则表达式 hello world,正则表达式 hello world"); //替换第一个符合正则的数据 system.out.println(matcher.replacefirst("java"));
◆文字替换(全部)
pattern pattern = pattern.compile("正则表达式"); matcher matcher = pattern.matcher("正则表达式 hello world,正则表达式 hello world"); //替换第一个符合正则的数据 system.out.println(matcher.replaceall("java"));
◆文字替换(置换字符)
pattern pattern = pattern.compile("正则表达式"); matcher matcher = pattern.matcher("正则表达式 hello world,正则表达式 hello world "); stringbuffer sbr = new stringbuffer(); while (matcher.find()) { matcher.appendreplacement(sbr, "java"); } matcher.appendtail(sbr); system.out.println(sbr.tostring());
◆验证是否为邮箱地址
string str="ceponline@yahoo.com.cn"; pattern pattern = pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",pattern.case_insensitive); matcher matcher = pattern.matcher(str); system.out.println(matcher.matches());
◆去除html标记
pattern pattern = pattern.compile("<.+?>", pattern.dotall); matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>"); string string = matcher.replaceall(""); system.out.println(string);
◆查找html中对应条件字符串
pattern pattern = pattern.compile("href=\"(.+?)\""); matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>"); if(matcher.find()) system.out.println(matcher.group(1)); }
◆截取http://地址
//截取url pattern pattern = pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+"); matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf"); stringbuffer buffer = new stringbuffer(); while(matcher.find()){ buffer.append(matcher.group()); buffer.append("\r\n"); system.out.println(buffer.tostring()); }
◆替换指定{}中文字
string str = "java目前的发展史是由{0}年-{1}年"; string[][] object={new string[]{"\\{0\\}","1995"},new string[]{"\\{1\\}","2007"}}; system.out.println(replace(str,object)); public static string replace(final string sourcestring,object[] object) { string temp=sourcestring; for(int i=0;i<object.length;i++){ string[] result=(string[])object[i]; pattern pattern = pattern.compile(result[0]); matcher matcher = pattern.matcher(temp); temp=matcher.replaceall(result[1]); } return temp; }
◆以正则条件查询指定目录下文件
//用于缓存文件列表 private arraylist files = new arraylist(); //用于承载文件路径 private string _path; //用于承载未合并的正则公式 private string _regexp; class myfilefilter implements filefilter { /** * 匹配文件名称 */ public boolean accept(file file) { try { pattern pattern = pattern.compile(_regexp); matcher match = pattern.matcher(file.getname()); return match.matches(); } catch (exception e) { return true; } } } /** * 解析输入流 * @param inputs */ filesanalyze (string path,string regexp){ getfilename(path,regexp); } /** * 分析文件名并加入files * @param input */ private void getfilename(string path,string regexp) { //目录 _path=path; _regexp=regexp; file directory = new file(_path); file[] filesfile = directory.listfiles(new myfilefilter()); if (filesfile == null) return; for (int j = 0; j < filesfile.length; j++) { files.add(filesfile[j]); } return; } /** * 显示输出信息 * @param out */ public void print (printstream out) { iterator elements = files.iterator(); while (elements.hasnext()) { file file=(file) elements.next(); out.println(file.getpath()); } } public static void output(string path,string regexp) { filesanalyze filegroup1 = new filesanalyze(path,regexp); filegroup1.print(system.out); } public static void main (string[] args) { output("c:\\","[a-z|.]*"); }