Java正則表達式經過回溯與先後查找提取標籤中的內容

在說具體的內容以前先來了解一下什麼是向前查找，向後查找與回溯。咱們經過一下小的例子來理解一下。具體的代碼附錄在最後。

##向前查找 Java中向前查找的正則表達式是(?=)，更加具體的就是 要匹配內容的正則(?=匹配的邊界的正則)。來一個具體的例子，好比咱們有一個具體的字符串2016年：雞翅 15元 雞腿 10元 雞爪 5元，如今咱們要取出裏面的價格15 10 5，而不要2016，顯然咱們不能直接\d+來匹配。 咱們很容易發現規律，咱們須要提取單位‘元’前面的數字，可是咱們不想要單位‘元’，怎麼辦，這裏就可使用向前查找了。

content = "2016年：雞翅 15元 雞腿 10元 雞爪 5元";
//正則表示，匹配元前面的數字，以元做爲數字的後邊界可是不匹配‘元’
regex = "\\d+(?=元)";

匹配的結果就是15 10 5，不包含2016，後面有代碼能夠本身測試一下。

##向後查找 首先向後查找的正則表達式是(?<=)，更加具體的就是*(?<=匹配邊界的正則)要匹配內容的正則*，向後查找和向前查找同樣，只不過是匹配邊界後面的內容。下面仍是經過一個具體的例子來講明。好比我有一個url字符串：http://www.freemethod.cn,我想提取出www.freemethod.cn。要真麼作了。這裏就可使用向後匹配。固然你說我有一萬種方法能夠完成這個事情，在這個例子中的確有不少方法能夠完成這個工做，這裏爲了介紹向後查找，因此就使用向後查找的方法吧。當你瞭解了向後查找，我相信你在不少須要正則表達式的地方使用會更加靈活。

String content = "http://www.freemethod.cn";
//匹配http://而後向後查找全部的字符
String regex = "(?<=http://).*";

這裏就是首先匹配到http://而後以它做爲邊界匹配後面的.*，匹配的結果是www.freemethod.cn。 注意：向前匹配和向後匹配除了表達式的一點區別，還有就是它們的位置區別

##回溯 回溯應該是正則表達式中最重要的內容之一了，回溯就是標記分組而後引用前面的分組。好比咱們有一個字符串："[attach]7219[/attach]",咱們在標籤開始匹配到了attach，要在標籤結束再一次使用attach標籤怎麼辦了。若是這個還不太明顯，那麼在來一個字符串看一下，"[a*]7219[/a*]"這個字符串咱們想匹配以a開始的標籤中的數字，顯然正則表達是不能這麼寫，由於這麼寫可能會匹配到[ab]7219[/ac],這個時候咱們就須要回溯引用第一個正則表達式匹配到的字符串。就能夠想下面同樣

String content = "freemethod[attach]7219[/attach]fremethod[align]left[/align]";
String regex = "\\[(a.*)\\].*\\[/\\1\\]";

正則表達式中的\1就是對第一個小括號中匹配的內容的引用，同理\2就是對第二個小括號匹配的內容的引用，以此類推\3,\4 \5...像上面的表達式就能夠匹配到，[attach]7219[/attach]和[align]left[/align]這兩個標籤。

##經過先後查找與回溯提取標籤中的內容 上面已經介紹了先後查找和回溯，下面就介紹一下經過先後查找和回溯來匹配標籤中的內容。假設咱們有下面的html代碼

<h1>H1<h2>這是和h2中的內容</h2>H1</h1>

如今咱們要提取h2標籤中的內容:"這是和h2中的內容"，咱們的正則表達式應該怎麼寫呢？，這裏咱們就使用先後查找和回溯來匹配。首先前後查找匹配,< h2 >,(?<=<(h2)>),而後匹配h2中的內容.* ,連起來(?<=<(h2)>).*，而後經過向前查找加回溯應用匹配h2標籤結束。(?=</\1>)。完整的正則以下：

String content = "<h1>H1<h2>這是和h2中的內容</h2>H1</h1>";
String regex = "(?<=<(h2)>).*(?=</\\1>)";

若是你想挑戰一下，能夠試嘗試計算一下下面的正則表達式的結果：

public void testTrace()
    {
        String content = "<h1>外部h1開始<h2>這是和h2中的內容<h2>h2中的h2</h2>h2結束</h2><h1>h1中的h1</h1>外部h1結束</h1>";
        String regex = "<h2>.*?</h2>";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</\\1>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</\\1>)";
        execute(content, regex);
    }

若是你以爲還不夠複雜，能夠嘗試讓字符串的嵌套和遞歸更加深一點，再一次挑戰嘗試一下，你會發如今比較複雜的嵌套中使用先後查找和回溯是多麼的美妙。

##完整測試代碼

import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.junit.Test;

public class TagExtractTest {
    
    /**
     * 先後查找回溯結合提取標籤中的內容
     */
    @Test
    public void testTagExtract()
    {
//      String content = "iejoiodi[attach]7219[/attach]djiojeio";
//      String regex = "(?<=\\[(attach)\\])\\d*(?=\\[/\\1\\])";
        String content = "<h1>H1<h2>這是和h2中的內容</h2>H1</h1>";
        String regex = "(?<=<(h2)>).*(?=</\\1>)";
        execute(content, regex);
    }
    
    
    /**
     * 向前查找(?=)
     */
    @Test
    public void testLookForward()
    {
        String content = "178$";
        //匹配$而後查找$前面的數字(\\d+)
        String regex = "\\d+(?=\\$)";
        execute(content, regex);
        
        content = "2016年：雞翅 15元 雞腿 10元 雞爪 5元";
        regex = "\\d+(?=元)";
        execute(content, regex);
    }
    
    /**
     * 向後查找(?<=)
     */
    @Test
    public void testLookBehind()
    {
        String content = "http://www.freemethod.cn";
        //匹配http://而後向後查找全部的字符
        String regex = "(?<=http://).*";
//      String content = "$178";
//      String regex = "(?<=\\$)\\d+";
        execute(content, regex);
    }
    
    /**
     * 回溯 \\1 回溯匹配第一個組，\\2回溯匹配第二個分組依次類推
     * 表達式中的一個()表示一個分組
     */
    @Test
    public void testBackTrace()
    {
        String content = "abcfreemethod[attach]7219[/attach]bcadde";
        String regex = "\\[(attach)\\]\\d+\\[/\\1\\]";
        execute(content, regex);
        content = "freemethod[attach]7219[/attach]fremethod[align]left[/align]";
        regex = "\\[(a.*)\\].*\\[/\\1\\]";
        execute(content, regex);
    }
    
    /**
     * 先後查找結合使用
     */
    @Test
    public void testLookAround()
    {
        String content = "[attach]7219[/attach]";
        String regex = "(?<=\\[(attach)\\])\\d*(?=\\[/attach\\])";
        execute(content, regex);
        
    }
    
    @Test
    public void testTrace()
    {
        String content = "<h1>外部h1開始<h2>這是和h2中的內容<h2>h2中的h2</h2>h2結束</h2><h1>h1中的h1</h1>外部h1結束</h1>";
        String regex = "<h2>.*?</h2>";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</\\1>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</\\1>)";
        execute(content, regex);
    }
    
    
    private void execute(String content,String regex)
    {
        System.out.println("content:"+content);
        System.out.println("regex:"+regex);
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        while(matcher.find())
        {
            System.out.println(matcher.group());
        }
    }

}