JAVA中正則表達式總結

  昨天，個人朋友請教我正則表達式。我也很久沒有寫過正則表達式了，昨天恰好看了下如鵬網創始人楊中科老師關於正則表達式的講解。使我加深了正則表達式的印像。現我把他總結下：

      許多語言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正則表達式處理文本，一些文本編輯器用正則表達式實現高級「搜索-替換」功能。因此JAVA語言也不例外。正則表達式已經超出了某種語言或某個系統的侷限，成爲被人們廣爲使用的工具，咱們徹底能夠用它來解決實際開發中碰到的一些實際的問題。

       在JDK1.3及以前的JDK版本中並無包含正則表達式的類，若是要在Java中使用正則表達式必須使用第三方提供的正則表達式庫，最有名的就是Jakarta-ORO，Jakarta-ORO庫之前叫作OROMatcher，是Daniel Savarese贈送給Jakarta Project的一個開源包。使用的時候首先要建立一個實現了PatternCompiler接口的實例變量以建立一個「模式編譯器」，Jakarta-ORO中實現了這個接口的類就是Perl5Compiler，這個類作到了與Perl5的正則表達式徹底兼容。Jakarta-ORO的使用是很是簡便的，並且效率很是高，支持的正則表達式語法也是很是全的，惟一的缺點就是它不是JDK中的標準包。從JDK1.4開始提供了支持正則表達式API，它們位於java.util.regex包中，因爲已經有了標準API，因此本書將會用java.util.regex進行正則表達式的相關操做。

1、正則表達式基礎知識

 

1.1 句點符號

假設你在玩英文拼字遊戲，想要找出三個字母的單詞，並且這些單詞必須以「t」字母開頭，以「n」字母結束。另外，假設有一本英文字典，你能夠用正則表達式搜索它的所有內容。要構造出這個正則表達式，你可使用一個通配符——句點符號「.」。這樣，完整的表達式就是「t.n」，它匹配「tan」、「ten」、「tin」和「ton」，還匹配「t#n」、「tpn」甚至「t n」，還有其餘許多無心義的組合。這是由於句點符號匹配全部字符，包括空格、Tab字符甚至換行符：

 

 

1.2 方括號符號

 

 

爲了解決句點符號匹配範圍過於普遍這一問題，你能夠在方括號（「[]」）裏面指定看來有意義的字符。此時，只有方括號裏面指定的字符才參與匹配。也就是說，正則表達式「t[aeio]n」只匹配「tan」、「Ten」、「tin」和「ton」。但「Toon」不匹配，由於在方括號以內你只能匹配單 個字符：   1.3 「或」符號       若是除了上面匹配的全部單詞以外，你還想要匹配「toon」，那麼，你可使用「|」操做符。「|」操做符的基本意義就是「或」運算。要匹配「toon」，使用「t(a|e|i|o|oo)n」正則表達式。這裏不能使用方擴號，由於方括號只容許匹配單個字符；這裏必須使用圓括號「()」。圓括號還能夠用來分組。   1.4 表示匹配次數的符號 下表顯示了正則表達式的語法： 表 1.1 正則表達式語法   元字符 說明 . 匹配任何單個字符。例如正則表達式「b.g」能匹配以下字符串：「big」、「bug」、「b g」，可是不匹配「buug」。  $ 匹配行結束符。例如正則表達式「EJB$」可以匹配字符串「I like EJB」的末尾，可是不能匹配字符串「J2EE Without EJBs！」。  ^ 匹配一行的開始。例如正則表達式「^Spring」可以匹配字符串「Spring is a J2EE framework」的開始，可是不能匹配「I use Spring in my project」。 * 匹配0至多個在它以前的字符。例如正則表達式「zo*」能匹配「z」以及「zoo」；正則表達式「.*」意味着可以匹配任意字符串。 / 轉義符，用來將元字符看成普通的字符來進行匹配。例如正則表達式/$被用來匹配美圓符號，而不是行尾；正則表達式/.用來匹配點字符，而不是任何字符的通配符。 [] 匹配括號中的任何一個字符。例如正則表達式「b[aui]g」匹配bug、big和bug，可是不匹配beg。能夠在括號中使用連字符「-」來指定字符的區間來簡化表示，例如正則表達式[0-9]能夠匹配任何數字字符，這樣正則表達式「a[]c」就能夠匹配「a0c」、「a1c」、「a2c」等字符串；還能夠制定多個區間，例如「[A-Za-z]」能夠匹配任何大小寫字母。還有一個相配合使用的元字符「^」，用在這裏並不像前邊的那個「^」同樣表示匹配行開始，而是表示「排除」，要想匹配除了指定區間以外的字符，就能夠在左邊的括號和第一個字符之間使用^字符，例如「[^163A-Z]」將能偶匹配除了一、六、3和全部大寫字母以外的任何字符。 ( ) 將 () 之間括起來的表達式定義爲「組」(group)，而且將匹配這個表達式的字符保存到一個臨時區域,這個元字符在字符串提取的時候很是有用。 | 將兩個匹配條件進行邏輯「或」運算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配"zood" 或 "food"。 + 匹配前面的子表達式一次或屢次。例如正則表達式9+匹配九、9九、999等。 ? 匹配前面的子表達式零次或一次。例如，"do(es)?" 能夠匹配 "do" 或 "does" 中的"do" 。此元字符還有另一個用途，就是表示非貪婪模式匹配，後邊將有介紹 {n} 匹配肯定的 n 次。例如，「e{2}」不能匹配「bed」中的「d」，可是能匹配「seed」中的兩個「e」。 {n,} 至少匹配n次。例如，「e{2,}」不能匹配「bed」中的「e」，但能匹配「seeeeeeeed」中的全部「e」。 {n,m} 最少匹配 n 次且最多匹配 m 次。「e{1,3}」將匹配「seeeeeeeed」中的前三個「e」。       假設咱們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符（「-」）有着特殊的意義，它表示一個範圍，好比從0到9。所以，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉義字符「/」。       假設進行搜索的時候，你但願連字符號能夠出現，也能夠不出現——即，999-99-9999和999999999都屬於正確的格式。這時，你能夠在連字符號後面加上「？」數量限定符號。       美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分「[0-9]{4}」，再加上字母部分「[A-Z]{2}」。   1.5 「否」符號       「^」符號稱爲「否」符號。若是用在方括號內，「^」表示不想要匹配的字符。例如，圖四的正則表達式匹配全部單詞，但以「X」字母開頭的單詞除外。 1.6 圓括號和空白符號      「/s」符號是空白符號，匹配全部的空白字符，包括Tab字符。若是字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號建立一個組，而後用ORO API提取出它的值。 1.7 其它符號      爲簡便起見，你可使用一些爲常見正則表達式建立的快捷符號。如如下所示：      /t：製表符，等同於/u0009 /n：換行符，等同於/u000A /d：表明一個數字，等同於[0-9] /D：表明非數字，等同於[^0-9] /s：表明換行符、Tab製表符等空白字符 /S：表明非空白字符 /w：字母字符，等同於[a-zA-Z_0-9] /W：非字母字符，等同於[^/w] 例如，在前面社會安全號碼的例子中，全部出現「[0-9]」的地方咱們均可以使用「/d」。   如下是我整理出來的程序：供參考： package org.luosijin.test; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * 正則表達式 * @version V5.0 * @author 羅嗣金 * @date 2009-11-9 */ public class Regex { /** * @param args * @author 羅嗣金 * @date 2009-11-9 下午11:27:28 */ public static void main(String[] args) { Pattern pattern = Pattern.compile("b*g"); Matcher matcher = pattern.matcher("bbg"); System.out.println(matcher.matches()); System.out.println(pattern.matches("b*g","bbg")); //驗證郵政編碼 System.out.println(pattern.matches("[0-9]{6}", "200038")); System.out.println(pattern.matches("//d{6}", "200038")); //驗證電話號碼 System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799")); getDate("Nov 10,2009"); charReplace(); //驗證身份證:判斷一個字符串是否是身份證號碼，便是否是15或18位數字。 System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876")); getString("D:/dir1/test.txt"); getChinese("welcome to china,江西奉新,welcome,你!"); validateEmail("luosijin123@163.com"); } /** * 日期提取:提取出月份來 * @param str * @author 羅嗣金 * @date 2009-11-9 下午11:56:06 */ public static void getDate(String str){ String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}"; Pattern pattern = Pattern.compile(regEx); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("日期格式錯誤!"); return; } System.out.println(matcher.group(1)); //分組的索引值是從1開始的，因此取第一個分組的方法是m.group(1)而不是m.group(0)。 } /** * 字符替換:本實例爲將一個字符串中全部包含一個或多個連續的「a」的地方都替換成「A」。 * * @author 羅嗣金 * @date 2009-11-10 上午12:06:03 */ public static void charReplace(){ String regex = "a+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa"); String s = matcher.replaceAll("A"); System.out.println(s); } /** * 字符串提取 * @param str * @author 羅嗣金 * @date 2009-11-10 上午12:20:48 */ public static void getString(String str){ String regex = ".+/(.+)$"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); if(!matcher.find()){ System.out.println("文件路徑格式不正確！"); return; } System.out.println(matcher.group(1)); } /** * 中文提取 * @param str * @author 羅嗣金 * @date 2009-11-10 上午12:27:17 */ public static void getChinese(String str){ String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]爲漢字 Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(str); StringBuffer sb = new StringBuffer(); while(matcher.find()){ sb.append(matcher.group()); } System.out.println(sb); } /** * 驗證Email * @param email * @author 羅嗣金 * @date 2009-11-10 上午12:34:50 */ public static void validateEmail(String email){ String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+"; Pattern pattern = Pattern.compile(regex); Matcher matcher = pattern.matcher(email); if(matcher.matches()){ System.out.println("這是合法的Email"); }else{ System.out.println("這是非法的Email"); } } }