JAVA 正則表達式實現(xiàn)
§1黑暗歲月
有一個String，如何查詢其中是否有y和f字符？最黑暗的辦法就是：
程序1：我知道if、for語句和charAt()啊。
class Test{
public static void main(String args[]) {
String str="For my money, the important thing "+
"about the meeting was bridge-building";
char x='y';
char y='f';
boolean result=false;
for(int i=0;i<str.length();i++){
char z=str.charAt(i); //System.out.println(z);
if(x==z||y==z) {
result=true;
break;
}
else result=false;
}
System.out.println(result);
}
}
好像很直觀，但這種方式難以應(yīng)付復(fù)雜的工作。如查詢一段文字中，是否有is？是否有thing或ting等。這是一個討厭的工作。
§2 Java的java.util.regex包
按照面向?qū)ο蟮乃悸罚严Ｍ樵兊淖址鏸s、thing或ting封裝成一個對象，以這個對象作為模板去匹配一段文字，就更加自然了。作為模板的那個東西就是下面要討論的正則表達式。先不考慮那么復(fù)雜，看一個例子：
程序2：不懂。先看看可以吧？
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="For my money, the important thing "+
"about the meeting was bridge-building";
String regEx="a|f"; //表示a或f
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
boolean result=m.find();
System.out.println(result);
}
}
如果str匹配regEx，那么result為true，否則為flase。如果想在查找時忽略大小寫，則可以寫成：
Pattern p=Pattern.compile(regEx,Pattern.CASE_INSENSITIVE);
雖然暫時不知道Pattern（模板、模式）和Matcher（匹配器）的細節(jié)，程序的感覺就比較爽，如果先查詢is、后來又要查詢thing或ting，我們只需要修改一下模板Pattern，而不是考慮if語句和for語句，或者通過charAt()。
1、寫一個特殊的字符串??正則表達式如a|f。
2、將正則表達式編譯成一個模板：p
3、用模板p去匹配字符串str。
思路清楚了，現(xiàn)在看Java是如何處理的（Java程序員直到JDK1.4才能使用這些類。
§3 Pattern類與查找
①public final class java.util.regex.Pattern是正則表達式編譯后的表達法。下面的語句將創(chuàng)建一個Pattern對象并賦值給句柄p：Pattern p=Pattern.compile(regEx);
有趣的是，Pattern類是final類，而且它的構(gòu)造器是private。也許有人告訴你一些設(shè)計模式的東西，或者你自己查有關(guān)資料。這里的結(jié)論是：Pattern類不能被繼承，我們不能通過new創(chuàng)建Pattern類的對象。
因此在Pattern類中，提供了2個重載的靜態(tài)方法，其返回值是Pattern對象（的引用）。如：
public static Pattern compile(String regex) {
return new Pattern(regex, 0);
}
當然，我們可以聲明Pattern類的句柄，如Pattern p=null；
②p.matcher(str)表示以用模板p去生成一個字符串str的匹配器，它的返回值是一個Matcher類的引用，為什么要這個東西呢？按照自然的想法，返回一個boolean值不行嗎？
我們可以簡單的使用如下方法：
boolean result=Pattern.compile(regEx).matcher(str).find();
呵呵，其實是三個語句合并的無句柄方式。無句柄常常不是好方式。后面再學(xué)習(xí)Matcher類吧。先看看regEx??這個怪咚咚。
§4 正則表達式之限定符
正則表達式（Regular Expression）是一種生成字符串的字符串。暈吧。比如說，String regEx="me+";這里字符串me+能夠生成的字符串是：me、mee、meee、meeeeeeeeee等等，一個正則表達式可能生成無窮的字符串，所以我們不可能（有必要嗎？）輸出正則表達式產(chǎn)生的所有東西。
反過來考慮，對于字符串：me、mee、meee、meeeeeeeeee等等，我們能否有一種語言去描述它們呢？顯然，正則表達式語言是這種語言，它是一些字符串的模式??簡潔而深刻的描述。
我們使用正則表達式，用于字符串查找、匹配、指定字符串替換、字符串分割等等目的。
生成字符串的字符串??正則表達式，真有些復(fù)雜，因為我們希望由普通字符（例如字符 a 到 z）以及特殊字符（稱為元字符）描述任意的字符串，而且要準確。
先搞幾個正則表達式例子：
程序3：我們總用這個程序測試正則表達式。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="For my money, the important thing "；
String regEx="ab*";
boolean result=Pattern.compile(regEx).matcher(str).find();
System.out.println(result);
}
}//ture
①"ab*"??能匹配a、ab、abb、abbb……。所以，*表示前面字符可以有零次或多次。如果僅僅考慮查找，直接用"a"也一樣。但想想替換的情況。 問題regEx="abb*"結(jié)果如何？
②"ab+"??能匹配ab、abb、abbb……。等價于"abb*"。問題regEx="or+"結(jié)果如何？
③"or?"??能匹配o和or。? 表示前面字符可以有零次或一次。
這些限定符*、+、?方便地表示了其前面字符(子串)出現(xiàn)的次數(shù)（我們用{}來描述）：
x* 零次或多次 ≡{0,}
x+ 一次或多次 ≡{1,}
x? 零次或一次 ≡{0,1}
x{n} n次（n>0）
x{n,m} 最少n次至最多m次（0<n<m）
x{n,} 最少n次,
現(xiàn)在我們知道了連續(xù)字符串的查找、匹配。下面的是一些練習(xí)題：
①查找粗體字符串（不要求精確或要求精確匹配），寫出其正則表達式：
str regEX(不要求精確) regEX(要求精確) 試一試
abcffd b或bcff或bcf*或bc*或bc+ bcff或bcf{2} bc{3}
gooooogle o{1,}、o+ o{5}
banana (an)+ (an){2}a、a(na) {2}
②正則表達式匹配字符串，輸出是什么？
§5替換（刪除）、Matcher類
現(xiàn)在我們可能厭煩了true/false，我們看看替換。如把book，google替換成bak（這個文件后綴名，在EditPlus中還行）、look或goooogle。
程序4：字符串的替換。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String regEx="a+";//表示一個或多個a
String str="abbbaaa an banana hhaana";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
String s=m.replaceAll("⊙⊙"); // ("") 刪除
System.out.println(s);
}
}
這個程序與前面的程序的區(qū)別，在于使用了m.replaceAll(String)方法。看來Matcher類還有點用處。
① Matcher是一個匹配器。可以把他看成一個人，一手拿著模子（Pattern類的對象），一手拿著一個字符序列（CharSequence），通過解釋該模子而對字符序列進行匹配操作（match operations）。常常我們這樣編程：“喂，模子p，你和字符串str一起創(chuàng)建一個匹配器對象”。即Matcher m=p.matcher(str);
② m可以進行一些操作，如public String replaceAll(String replacement)，它以replacement替換所有匹配的字符串。
§6正則表達式之特殊字符
我們熟悉這樣一個字符串"\n" 如：System.out.print(s+"\nbbb");這是Java中常用的轉(zhuǎn)移字符之一。其實轉(zhuǎn)移字符就是一種正則表達式，它使用了特殊字符 \ 。
下面是正則表達式中常用的特殊字符：
匹配次數(shù)符號 * + ？ {n}、{n,}、{n,m}
“或”符號 | 程序2已經(jīng)使用過了
句點符號 . 句點符號匹配所有字符（一個），包括空格、Tab字符甚至換行符。
方括號 [ ] 僅僅匹配方括號其中的字符)
圓括號 () 分組，圓括號中的字符視為一個整體。
連字符 - 表示一個范圍。
“否”符號 ^ 表示不希望被匹配的字符（排除）
我們一下子學(xué)不了太多的東西，這不是正則表達式的全部內(nèi)容和用法。但已經(jīng)夠我們忙活的了。我們用程序4 驗證。(⊙⊙表示替換的字符)
① regEx為下列字符串時，能夠表示什么？
regEx 匹配 測試用str
(a|b){2} aa、ab、bb、ba aabbfooaabfooabfoob
a[abc]b aab、abb、acb 3dfacb5ooyfo6abbfooaab
. all string 3dfac
a. aa、ax……等等 3dfacgg
d[^j]a daa、d9a等等，除dja 3dfacggdjad5a
[d-g][ac]c dac、ecc、gac等 3dfacggggccad5c
[d-g].{2}c d⊙⊙c…… 3dfacggggccad5c
g{1,10} g、ggg…… 3dfacggggccad5c
[a|c][^a] 3dfacggggccad5c
② 下列字符串如何用regEx表示？
測試用str 匹配 regEx
aabbfoaoabfooafobob a⊙⊙b a..b
aabbfoaaobfooafbob a⊙b、除aab a[^a]b、
gooooooogle oooo……變成oo o{2,20}
一本書中的“tan”、“ten”、“tin”和“ton” t.n、t[aeio]n
abcaccbcbaacabccaa 刪除ac、ca (ca)|(ac)
abccbcbaabca 再刪除ab、ba 結(jié)果ccbcca（如何與上面的合并）
注：
1、String str="一本書中的tan、ten、tin和ton";
輸出： 一本書中的⊙⊙、⊙⊙、⊙⊙和⊙⊙
2、String str=" abcaccbcbaacabccaa "; 輸出：ccbcca
程序5：if、for語句和charAt()，886。
import java.util.regex.*;
class Regex1{
public static void main(String args[]) {
String str="abcaccbcbaacabccaa";
String regEx="(ac)|(ca)";
Pattern p=Pattern.compile(regEx);
Matcher m=p.matcher(str);
String s=m.replaceAll("");//⊙⊙
regEx="(ab)|(ba)";
p=Pattern.compile(regEx);
s=p.matcher(s).replaceAll("");
System.out.print(s+"\n");
}
}
§7 開始
好像我們知道了一些正則表達式與 Java的知識，事實上，我們才剛剛開始。這里列出我們知道的東西，也說一點我們不知道的東西。
① Java在JDK1.4引入了（java.util.regex包）以支持正則表達式，包中有兩個類，分別是Pattern和Matcher。它們都有很多的方法，我們還不知道。String類中的split、matches方法等等也使用到了正則表達式。StringTokenizer是否沒有用處了？
② 正則表達式是一門語言。有許多正則表達式語法、選項和特殊字符，在Pattern.java源文件中大家可以查看。可能比想象中的要復(fù)雜。系統(tǒng)學(xué)習(xí)正則表達式的歷史、語法、全部特殊字符（相當于Java中的關(guān)鍵字的地位），組合邏輯是下一步的事情。
③ 正則表達式是文本處理的重要技術(shù)，在Perl、PHP、Python、JavaScript、Java、C＃中被廣泛支持。被列為“保證你現(xiàn)在和未來不失業(yè)的十種關(guān)鍵技術(shù)”，呵呵，信不信由你
posted on 2008-02-28 14:35
CoderDream 閱讀(452)
評論(0) 編輯 收藏 所屬分類:
學(xué)習(xí)筆記