第一部分：
-----------------
正則表達式(REs)通常被錯誤地認為是只有少數人理解的一種神秘語(yǔ)言。在表面上它們確實(shí)看起來(lái)雜亂無(wú)章，如果你不知道它的語(yǔ)法，那么它的代碼在你眼里只是一堆文字垃圾而已。實(shí)際上，正則表達式是非常簡(jiǎn)單并且可以被理解。讀完這篇文章后，你將會(huì )通曉正則表達式的通用語(yǔ)法。
支持多種平臺
正則表達式最早是由數學(xué)家Stephen Kleene于1956年提出，他是在對自然語(yǔ)言的遞增研究成果的基礎上提出來(lái)的。具有完整語(yǔ)法的正則表達式使用在字符的格式匹配方面上，后來(lái)被應用到熔融信息技術(shù)領(lǐng)域。自從那時(shí)起，正則表達式經(jīng)過(guò)幾個(gè)時(shí)期的發(fā)展，現在的標準已經(jīng)被ISO(國際標準組織)批準和被Open Group組織認定。
正則表達式并非一門(mén)專(zhuān)用語(yǔ)言，但它可用于在一個(gè)文件或字符里查找和替代文本的一種標準。它具有兩種標準：基本的正則表達式(BRE)，擴展的正則表達式(ERE)。ERE包括BRE功能和另外其它的概念。
許多程序中都使用了正則表達式，包括xsh,egrep,sed,vi以及在UNIX平臺下的程序。它們可以被很多語(yǔ)言采納，如HTML 和XML，這些采納通常只是整個(gè)標準的一個(gè)子集。
比你想象的還要普通
隨著(zhù)正則表達式移植到交叉平臺的程序語(yǔ)言的發(fā)展，這的功能也日益完整，使用也逐漸廣泛。網(wǎng)絡(luò )上的搜索引擎使用它，e-mail程序也使用它，即使你不是一個(gè)UNIX程序員，你也可以使用規則語(yǔ)言來(lái)簡(jiǎn)化你的程序而縮短你的開(kāi)發(fā)時(shí)間。
正則表達式101
很多正則表達式的語(yǔ)法看起來(lái)很相似，這是因為你以前你沒(méi)有研究過(guò)它們。通配符是RE的一個(gè)結構類(lèi)型，即重復操作。讓我們先看一看ERE標準的最通用的基本語(yǔ)法類(lèi)型。為了能夠提供具有特定用途的范例，我將使用幾個(gè)不同的程序。
第二部分：
----------------------
字符匹配
正則表達式的關(guān)鍵之處在于確定你要搜索匹配的東西，如果沒(méi)有這一概念，Res將毫無(wú)用處。
每一個(gè)表達式都包含需要查找的指令，如表A所示。
Table A: Character-matching regular expressions
格式說(shuō)明：
---------------
操作：
解釋?zhuān)?br>例子：
結果：
----------------
.
Match any one character
grep .ord sample.txt
Will match “ford”, “lord”, “2ord”, etc. in the file sample.txt.
-----------------
[ ]
Match any one character listed between the brackets
grep [cng]ord sample.txt
Will match only “cord”, “nord”, and “gord”
---------------------
[^ ]
Match any one character not listed between the brackets
grep [^cn]ord sample.txt
Will match “lord”, “2ord”, etc. but not “cord” or “nord”
grep [a-zA-Z]ord sample.txt
Will match “aord”, “bord”, “Aord”, “Bord”, etc.
grep [^0-9]ord sample.txt
Will match “Aord”, “aord”, etc. but not “2ord”, etc.
重復操作符
重復操作符，或數量詞，都描述了查找一個(gè)特定字符的次數。它們常被用于字符匹配語(yǔ)法以查找多行的字符，可參見(jiàn)表B。
Table B: Regular expression repetition operators
格式說(shuō)明：
---------------
操作：
解釋?zhuān)?br>例子：
結果：
----------------
Match any character one time, if it exists
egrep “?erd” sample.txt
Will match “berd”, “herd”, etc. and “erd”
------------------
*
Match declared element multiple times, if it exists
egrep “n.*rd” sample.txt
Will match “nerd”, “nrd”, “neard”, etc.
-------------------
+
Match declared element one or more times
egrep “[n]+erd” sample.txt
Will match “nerd”, “nnerd”, etc., but not “erd”
--------------------
{n}
Match declared element exactly n times
egrep “[a-z]{2}erd” sample.txt
Will match “cherd”, “blerd”, etc. but not “nerd”, “erd”, “buzzerd”, etc.
------------------------
{n,}
Match declared element at least n times
egrep “.{2,}erd” sample.txt
Will match “cherd” and “buzzerd”, but not “nerd”
------------------------
{n,N}
Match declared element at least n times, but not more than N times
egrep “n[e]{1,2}rd” sample.txt
Will match “nerd” and “neerd”
第三部分：
----------------
錨
錨是指它所要匹配的格式，如圖C所示。使用它能方便你查找通用字符的合并。例如，我用vi行編輯器命令:s來(lái)代表substitute，這一命令的基本語(yǔ)法是：
s/pattern_to_match/pattern_to_substitute/
Table C: Regular expression anchors
-------------
操作
解釋
例子
結果
---------------
^
Match at the beginning of a line
s/^/blah /
Inserts “blah “ at the beginning of the line
---------------
$
Match at the end of a line
s/$/ blah/
Inserts “ blah” at the end of the line
---------------
\<
Match at the beginning of a word
s/\
Inserts “blah” at the beginning of the word
egrep “\
Matches “blahfield”, etc.
------------------
\>
Match at the end of a word
s/\>/blah/
Inserts “blah” at the end of the word
egrep “\>blah” sample.txt
Matches “soupblah”, etc.
---------------
\b
Match at the beginning or end of a word
egrep “\bblah” sample.txt
Matches “blahcake” and “countblah”
-----------------
\B
Match in the middle of a word
egrep “\Bblah” sample.txt
Matches “sublahper”, etc.
間隔
Res中的另一可便之處是間隔(或插入)符號。實(shí)際上，這一符號相當于一個(gè)OR語(yǔ)句并代表|符號。下面的語(yǔ)句返回文件sample.txt中的“nerd” 和 “merd”的句柄：
egrep “(n|m)erd” sample.txt
間隔功能非常強大，特別是當你尋找文件不同拼寫(xiě)的時(shí)候，但你可以在下面的例子得到相同的結果：
egrep “[nm]erd” sample.txt
當你使用間隔功能與Res的高級特性連接在一起時(shí)，它的真正用處更能體現出來(lái)。
第四部分：
----------------
一些保留字符
Res的最后一個(gè)最重要特性是保留字符(也稱(chēng)特定字符)。例如，如果你想要查找“ne*rd”和“ni*rd”的字符，格式匹配語(yǔ)句“n[ei]*rd”與“neeeeerd” 和 “nieieierd”相符合，但并不是你要查找的字符。因為‘*’(星號)是個(gè)保留字符，你必須用一個(gè)反斜線(xiàn)符號來(lái)替代它，即：“n[ei]\*rd”。其它的保留字符包括：
^ (carat)
. (period)
[ (left bracket}
$ (dollar sign)
( (left parenthesis)
) (right parenthesis)
| (pipe)
* (asterisk)
+ (plus symbol)
(question mark)
{ (left curly bracket, or left brace)
\ backslash
一旦你把以上這些字符包括在你的字符搜索中，毫無(wú)疑問(wèn)Res變得非常的難讀。比如說(shuō)以下的PHP中的eregi搜索引擎代碼就很難讀了。
eregi("^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$",$sendto)
你可以看到，程序的意圖很難把握。但如果你拋開(kāi)保留字符，你常常會(huì )錯誤地理解代碼的意思。
總結
在本文中，我們揭開(kāi)了正則表達式的神秘面紗，并列出了ERE標準的通用語(yǔ)法。如果你想閱覽Open Group組織的規則的完整描述，你可以參見(jiàn)：Regular Expressions，歡迎你在其中的討論區發(fā)表你的問(wèn)題或觀(guān)點(diǎn)。
另外一篇文章
----------------------------------------
正則表達式和Java編程語(yǔ)言
-----------------------------------------
類(lèi)和方法
下面的類(lèi)根據正則表達式指定的模式，與字符序列進(jìn)行匹配。
Pattern類(lèi)
Pattern類(lèi)的實(shí)例表示以字符串形式指定的正則表達式，其語(yǔ) 法類(lèi)似于Perl所用的語(yǔ)法。
用字符串形式指定的正則表達式，必須先編譯成Pattern類(lèi)的 實(shí)例。生成的模式用于創(chuàng )建Matcher對象，它根據正則表達式與任 意字符序列進(jìn)行匹配。多個(gè)匹配器可以共享一個(gè)模式，因為它是非專(zhuān)屬的。
用compile方法把給定的正則表達式編譯成模式，然后用 matcher方法創(chuàng )建一個(gè)匹配器，這個(gè)匹配器將根據此模式對給定輸 入進(jìn)行匹配。pattern 方法可返回編譯這個(gè)模式所用的正則表達 式。
split方法是一種方便的方法，它在與此模式匹配的位置將給 定輸入序列切分開(kāi)。下面的例子演示了：
/*
* 用split對以逗號和/或空格分隔的輸入字符串進(jìn)行切分。
*/
import java.util.regex.*;
public class Splitter {
public static void main(String[] args) throws Exception {
// Create a pattern to match breaks
Pattern p = Pattern.compile("[,\\s]+");
// Split input with the pattern
String[] result =
p.split("one,two, three four , five");
for (int i=0; i
System.out.println(result[i]);
}
}
Matcher類(lèi)
Matcher類(lèi)的實(shí)例用于根據給定的字符串序列模式，對字符序 列進(jìn)行匹配。使用CharSequence接口把輸入提供給匹配器，以便 支持來(lái)自多種多樣輸入源的字符的匹配。
通過(guò)調用某個(gè)模式的matcher方法，從這個(gè)模式生成匹配器。 匹配器創(chuàng )建之后，就可以用它來(lái)執行三類(lèi)不同的匹配操作：
matches方法試圖根據此模式，對整個(gè)輸入序列進(jìn)行匹配。
lookingAt方法試圖根據此模式，從開(kāi)始處對輸入序列進(jìn) 行匹配。
find方法將掃描輸入序列，尋找下一個(gè)與模式匹配的地方。
這些方法都會(huì )返回一個(gè)表示成功或失敗的布爾值。如果匹配成功，通過(guò)查詢(xún) 匹配器的狀態(tài)，可以獲得更多的信息
這個(gè)類(lèi)還定義了用新字符串替換匹配序列的方法，這些字符串的內容如果需 要的話(huà)，可以從匹配結果推算得出。
appendReplacement方法先添加字符串中從當前位置到下一個(gè) 匹配位置之間的所有字符，然后添加替換值。appendTail添加的 是字符串中從最后一次匹配的位置之后開(kāi)始，直到結尾的部分。
例如，在字符串blahcatblahcatblah中，第一個(gè) appendReplacement添加blahdog。第二個(gè) appendReplacement添加blahdog，然后 appendTail添加blah，就生成了： blahdogblahdogblah。請參見(jiàn)示例 簡(jiǎn)單的單詞替換。
CharSequence接口
CharSequence接口為許多不同類(lèi)型的字符序列提供了統一的只 讀訪(fǎng)問(wèn)。你提供要從不同來(lái)源搜索的數據。用String, StringBuffer 和CharBuffer實(shí)現CharSequence,，這樣就可以很 容易地從它們那里獲得要搜索的數據。如果這些可用數據源沒(méi)一個(gè)合適的，你可 以通過(guò)實(shí)現CharSequence接口，編寫(xiě)你自己的輸入源。
Regex情景范例
以下代碼范例演示了java.util.regex軟件包在各種常見(jiàn)情形 下的用法：
簡(jiǎn)單的單詞替換
/*
* This code writes "One dog, two dogs in the yard."
* to the standard-output stream:
*/
import java.util.regex.*;
public class Replacement {
public static void main(String[] args)
throws Exception {
// Create a pattern to match cat
Pattern p = Pattern.compile("cat");
// Create a matcher with an input string
Matcher m = p.matcher("one cat," +
" two cats in the yard");
StringBuffer sb = new StringBuffer();
boolean result = m.find();
// Loop through and create a new String
// with the replacements
while(result) {
m.appendReplacement(sb, "dog");
result = m.find();
}
// Add the last segment of input to
// the new String
m.appendTail(sb);
System.out.println(sb.toString());
}
}
電子郵件確認
以下代碼是這樣一個(gè)例子：你可以檢查一些字符是不是一個(gè)電子郵件地址。 它并不是一個(gè)完整的、適用于所有可能情形的電子郵件確認程序，但是可以在 需要時(shí)加上它。
/*
* Checks for invalid characters
* in email addresses
*/
public class EmailValidation {
public static void main(String[] args)
throws Exception {
String input = "@sun.com";
//Checks for email addresses starting with
//inappropriate symbols like dots or @ signs.
Pattern p = Pattern.compile("^\\.|^\\@");
Matcher m = p.matcher(input);
if (m.find())
System.err.println("Email addresses don‘t start" +
" with dots or @ signs.");
//Checks for email addresses that start with
//www. and prints a message if it does.
p = Pattern.compile("^www\\.");
m = p.matcher(input);
if (m.find()) {
System.out.println("Email addresses don‘t start" +
" with \"www.\", only web pages do.");
}
p = Pattern.compile("[^A-Za-z0-9\\.\\@_\\-~#]+");
m = p.matcher(input);
StringBuffer sb = new StringBuffer();
boolean result = m.find();
boolean deletedIllegalChars = false;
while(result) {
deletedIllegalChars = true;
m.appendReplacement(sb, "");
result = m.find();
}
// Add the last segment of input to the new String
m.appendTail(sb);
input = sb.toString();
if (deletedIllegalChars) {
System.out.println("It contained incorrect characters" +
" , such as spaces or commas.");
}
}
}
從文件中刪除控制字符
/* This class removes control characters from a named
* file.
*/
import java.util.regex.*;
import java.io.*;
public class Control {
public static void main(String[] args)
throws Exception {
//Create a file object with the file name
//in the argument:
File fin = new File("fileName1");
File fout = new File("fileName2");
//Open and input and output stream
FileInputStream fis =
new FileInputStream(fin);
FileOutputStream fos =
new FileOutputStream(fout);
BufferedReader in = new BufferedReader(
new InputStreamReader(fis));
BufferedWriter out = new BufferedWriter(
new OutputStreamWriter(fos));
// The pattern matches control characters
Pattern p = Pattern.compile("{cntrl}");
Matcher m = p.matcher("");
String aLine = null;
while((aLine = in.readLine()) != null) {
m.reset(aLine);
//Replaces control characters with an empty
//string.
String result = m.replaceAll("");
out.write(result);
out.newLine();
}
in.close();
out.close();
}
}
文件查找
/*
* Prints out the comments found in a .java file.
*/
import java.util.regex.*;
import java.io.*;
import java.nio.*;
import java.nio.charset.*;
import java.nio.channels.*;
public class CharBufferExample {
public static void main(String[] args) throws Exception {
// Create a pattern to match comments
Pattern p =
Pattern.compile("http://.*$", Pattern.MULTILINE);
// Get a Channel for the source file
File f = new File("Replacement.java");
FileInputStream fis = new FileInputStream(f);
FileChannel fc = fis.getChannel();
// Get a CharBuffer from the source file
ByteBuffer bb =
fc.map(FileChannel.MAP_RO, 0, (int)fc.size());
Charset cs = Charset.forName("8859_1");
CharsetDecoder cd = cs.newDecoder();
CharBuffer cb = cd.decode(bb);
// Run some matches
Matcher m = p.matcher(cb);
while (m.find())
System.out.println("Found comment: "+m.group());
}
}
結論
現在Java編程語(yǔ)言中的模式匹配和許多其他編程語(yǔ)言一樣靈活了?？梢栽趹?用程序中使用正則表達式，確保數據在輸入數據庫或發(fā)送給應用程序其他部分之 前，格式是正確的，正則表達式還可以用于各種各樣的管理性工作。簡(jiǎn)而言之， 在Java編程中，可以在任何需要模式匹配的地方使用正則表達式。
JDK1.4之正規表示式
written by william chen(06/19/2002)
--------------------------------------------------------------------------------
什麼是正規表示式呢(Reqular Expressions)
就是針對檔案、字串，透過(guò)一種很特別的表示式來(lái)作search與replace
因為在unix上有很多系統設定都是存放在文字檔中，因此網(wǎng)管或程式設計常常需要作搜尋與取代
所以發(fā)展出一種特殊的命令叫做正規表示式
我們可以很簡(jiǎn)單的用 "s/<>
因此jdk1.4提供了一組正規表示式的package供大家使用
若是jdk1.4以下的可以到http://jakarta.apache.org/oro取得相關(guān)功能的package
剛剛列出的一串符號" s/
適用於j2sdk1.4的正規語(yǔ)法
"." 代表任何字元
正規式 原字串 符合之字串
. ab a
.. abc ab
"+" 代表一個(gè)或以個(gè)以上的字元
"*" 代表零個(gè)或是零個(gè)以上的字元
正規式 原字串 符合之字串
+ ab ab
* abc abc
"( )"群組
正規式 原字串 符合之字串
(ab)* aabab abab
字元類(lèi)
正規式 原字串 符合之字串
[a-dA-D0-9]* abczA0 abcA0
[^a-d]* abe0 e0
[a-d]* abcdefgh abab
簡(jiǎn)式
\d 等於 [0-9] 數字
\D 等於 [^0-9] 非數字
\s 等於 [ \t\n\x0B\f\r] 空白字元
\S 等於 [^ \t\n\x0B\f\r] 非空白字元
\w 等於 [a-zA-Z_0-9] 數字或是英文字
\W 等於 [^a-zA-Z_0-9] 非數字與英文字
每一行的開(kāi)頭或結尾
^ 表示每行的開(kāi)頭
$ 表示每行的結尾
--------------------------------------------------------------------------------
正規表示式 java.util.regex 相關(guān)的類(lèi)別
Pattern—正規表示式的類(lèi)別
Matcher—經(jīng)過(guò)正規化的結果
PatternSyntaxExpression—Exception thrown while attempting to compile a regular expression
範例1: 將字串中所有符合"<"的字元取代成"lt;"
import java.io.*;
import java.util.regex.*;
/**
* 將字串中所有符合"<"的字元取代成"lt;"
*/
public static void replace01(){
// BufferedReader lets us read line-by-line
Reader r = new InputStreamReader( System.in );
BufferedReader br = new BufferedReader( r );
Pattern pattern = Pattern.compile( "<" ); // 搜尋某字串所有符合‘<‘的字元
try{
while (true) {
String line = br.readLine();
// Null line means input is exhausted
if (line==null)
break;
Matcher a = pattern.matcher(line);
while(a.find()){
System.out.println("搜尋到的字元是" + a.group());
}
System.out.println(a.replaceAll("lt;"));// 將所有符合字元取代成lt;
}
}catch(Exception ex){ex.printStackTrace();};
}
範例2:
import java.io.*;
import java.util.regex.*;
/**
* 類(lèi)似StringTokenizer的功能
* 將字串以","分隔然後比對哪個(gè)token最長(cháng)
*/
public static void search01(){
// BufferedReader lets us read line-by-line
Reader r = new InputStreamReader( System.in );
BufferedReader br = new BufferedReader( r );
Pattern pattern = Pattern.compile( ",\\s*" );// 搜尋某字串所有","的字元
try{
while (true) {
String line = br.readLine();
String words[] = pattern.split(line);
// Null line means input is exhausted
if (line==null)
break;
// -1 means we haven‘t found a word yet
int longest=-1;
int longestLength=0;
for (int i=0; i
System.out.println("分段:" + words[i] );
if (words[i].length() > longestLength) {
longest = i;
longestLength = words[i].length();
}
}
System.out.println( "長(cháng)度最長(cháng)為:" + words[longest] );
}
}catch(Exception ex){ex.printStackTrace();};
}
--------------------------------------------------------------------------------
其他的正規語(yǔ)法
/^\s* # 忽略每行開(kāi)始的空白字元
(M(s|r|rs)\.) # 符合 Ms., Mrs., and Mr. (titles)
聯(lián)系客服
