SECTION 00 ORO 的典故
Jakarta ORO 所提供的是一組 Java classes , 包括 Perl5 兼容的 reqular expression, AWK-相似 的 reqular expression, glob expressions, 及一些工具, 讓開(kāi)發(fā)人員方便去替換, 切割, 過(guò)濾一些字串. 就是 ORO 所出的 OROMatcher, AwkTools, PerlTools, and TextTools 的繼承產(chǎn)品 !
這些產(chǎn)品原本是 ORO 公司所研發(fā)的, 1998 年中他們解散了, 但是 ORO 這個(gè)名字納入了 savarese.org , 讓他不再是商業(yè)化的產(chǎn)品, 并且 Daniel Savarese ( 又是一個(gè)天才 ) 讓這個(gè) oro 延續下來(lái), 讓他成為 Opensource. 在 2000 的六月, OROMatcher 2.0, PerlTools 2.0, 還有較早版本的 AwkTools 及 TextTools 捐贈給 Jakarta Project , ORO 除了 jakarta-oro 之外還有 NetComponents 成為了 Jakarta Commons Net. 其實(shí)是一家了不起的公司, 造福了許多 Java 的開(kāi)發(fā)人員
SECTION 01 Regular Expression
很多程序都支持 Regular Expression , 包括 Perl, PHP, Python, JavaScript, and JScript, 現在也很多編輯器是使用 Regular Expression 來(lái)做有效的搜速與替換的功能. 接下來(lái), 我會(huì )說(shuō)明 什么是 regular expression. JDK 1.4 也已經(jīng)加入 java.util.regex.*, 代表 Regular Expression 的重要性越來(lái)越大.
Simple:是不用區分大小寫(xiě)的和出現位置的
- RE: soft
- Match: Softleader, software, Javasoft, Microsoft, i2software
The period notation :用 "." 來(lái)替換一個(gè)字符 - RE: s.o
- Match: sso, soo, sto, s#o, s o
The bracket notation :用 "[]" 來(lái)限制替換的字符集來(lái)取代一個(gè)字符 - RE: s[aeio]o
- Match: sao, seo, sio, soo
The OR operator :用 "()" 來(lái)限制替換的字符集來(lái)取代數個(gè)字符, 用 "|" 分隔. - RE: s(aa|i|o)o
- Match: saao, sio, soo
The quantifier notations : 用以下的方式限定出現的字符次數,"*":0 到多, "+": 1到多, "?": 0 到 1, "{n}":n個(gè), "{n,m}": n到m個(gè). 電話(huà):99-99999999 - RE: [0-9]{2}\-[0-9]{8}
- Match: 02-89519456 , 02-89519554
電話(huà):99-99999999 或 9999999999 - RE: [0-9]{2}\-?[0-9]{8}
- Match: 02-89519456 , 02-89519554 , 0289519999
身份證字號: A999999999 - RE: [A-Z]{1}[0-9]{9}
- Match: A111111111, B123456789, Z987654321
The NOT notation :用 "^" 來(lái)禁止替換的字符來(lái)取代某個(gè)字符 - RE: [^B]1
- Match: A1
- Not Match: A2,B1,B2
The parentheses and space notations :用 "\s" 來(lái)設置空白字符 美國表示日期格式 - RE: [a-z]+\s+[0-9]{1,2},\s*[0-9]{4}
- Match: June 20, 2003
Other miscellaneous notations : 特殊的替換符號定義, 為了方便使用. - \d [0-9]
- \D [^0-9]
- \w [A-Z0-9]
- \W [^A-Z0-9]
- \s [ \t\n\r\f]
- \S [^ \t\n\r\f]
SECTION 02 Jakarta-ORO
我只是簡(jiǎn)略地列出常用的狀態(tài), 有興趣的可以到 google 查詢(xún) Regular Expression Tutorial, 應該可以查到很多資料讓你參考研究.
ORO 也提供了測試的 Applet 讓你思考是否要抓取出 Match 的資料.
至于這個(gè) Applet 的 source 放在 /src/java/examples/MatcherDemoApplet.java
我們拿這個(gè)例子來(lái)說(shuō)明 public void search(){ int matchNum, group, caseMask, exprChoice, search; String text; MatchResult result; Pattern pattern; PatternMatcherInput input; resultArea.setText(""); text = expressionField.getText(); exprChoice = expressionChoice.getSelectedIndex(); caseMask = CASE_MASK[exprChoice][caseChoice.getSelectedIndex()]; resultArea.appendText("Compiling regular expression.\n"); try { pattern = compiler[exprChoice].compile(text, caseMask); } catch(MalformedPatternException e){ resultArea.appendText("\nMalformed Regular Expression:\n" + e.getMessage()); return; } search = searchChoice.getSelectedIndex(); text = inputArea.getText(); matchNum = 0; resultArea.appendText("\nSearching\n\n"); if(search == MATCHES_SEARCH) { if(matcher[exprChoice].matches(text, pattern)) resultArea.appendText("The input IS an EXACT match.\n"); else resultArea.appendText("The input IS NOT an EXACT match.\n"); } else { input = new PatternMatcherInput(text); while(matcher[exprChoice].contains(input, pattern)) { int groups; result = matcher[exprChoice].getMatch(); ++matchNum; resultArea.appendText("Match " + matchNum + ": " + result.group(0)+ "\n"); groups = result.groups(); if(groups > 1){ resultArea.appendText(" Subgroups:\n"); for(group=1; group < groups; group++){ resultArea.appendText(" " + group + ": " + result.group(group) + "\n"); } } } resultArea.appendText("\nThe input contained " + matchNum + " matches."); } }
基本上是先產(chǎn)生一個(gè) compiler, 接著(zhù)設置 pattern, 最后使用 Matcher 來(lái)過(guò)濾
SECTION 03 后記
jakarta-oro 可以利用在很多地方, 包括上周介紹的 HTML Parsing 判斷, Logging 的解析, 只要有規則的字串或文章, 我們都可以利用之來(lái)得到需要的資料. Log 的范例 From Javaworld - LOG:"172.26.155.241 - - [26/Feb/2001:10:56:03 -0500] \"GET /IsAlive.htm HTTP/1.0\" 200 15 ";
- REG:"([0-9]{1,3}\\.[0-9]{1,3}\\.[0-9]{1,3}\\.[0-9]{1,3})\\s-\\s-\\s\\[([^\\]]+)\\]";
|
