Java正則表達式詳解(上)

2019-11-18 12:12:18

字體：大中小

來源：轉載

供稿：網友

　　假如你曾經用過Perl或任何其他內建正則表達式支持的語言，你一定知道用正則表達式處理文本和匹配模式是多么簡單。假如你不熟悉這個術語，那么“正則表達式”（Regular EXPRession）就是一個字符構成的串，它定義了一個用來搜索匹配字符串的模式。　
　　
　　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。那么Java又怎樣呢？本文寫作時，一個包含了用正則表達式進行文本處理的Java規范需求（Specification Request）已經得到認可，你可以期待在JDK的下一版本中看到它。　
　　
　　然而，假如現在就需要使用正則表達式，又該怎么辦呢？你可以從Apache.org下載源代碼開放的Jakarta-ORO庫。本文接下來的內容先簡要地介紹正則表達式的入門知識，然后以Jakarta-ORO API為例介紹如何使用正則表達式。　
　　
　　
　　一、正則表達式基礎知識　
　　
　　我們先從簡單的開始。假設你要搜索一個包含字符“cat”的字符串，搜索用的正則表達式就是“cat”。假如搜索對大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是
　　　 Java正則表達式詳解(上)（圖一）

　　1.1 句點符號　
　　
　　假設你在玩英文拼字游戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結束。另外，假設有一本英文字典，你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式，你可以使用一個通配符——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”，還有其他許多無意義的組合。這是因為句點符號匹配所有字符，包括空格、Tab字符甚至換行符：　
　　　 Java正則表達式詳解(上)（圖二）

　　1.2 方括號符號　
　　
　　為了解決句點符號匹配范圍過于廣泛這一問題，你可以在方括號（“[]”）里面指定看來有意義的字符。此時，只有方括號里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，因為在方括號之內你只能匹配單個字符：　
　　　 Java正則表達式詳解(上)（圖三）

　　1.3 “或”符號　
　　
　　假如除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“”操作符。“”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(aeiooo)n”正則表達式。這里不能使用方擴號，因為方括號只答應匹配單個字符；這里必須使用圓括號“()”。圓括號還可以用來分組，具體請參見后面介紹。　
　　　 Java正則表達式詳解(上)（圖四）

　　 1.4 表示匹配次數的符號　
　　
　　表一顯示了表示匹配次數的符號，這些符號用來確定緊靠該符號左邊的符號出現的次數：
　　 Java正則表達式詳解(上)（圖五）

　　假設我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（“-”）有著非凡的意義，它表示一個范圍，比如從0到9。因此，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“/”。
　　　 Java正則表達式詳解(上)（圖六）

　　圖一：匹配所有123-12-1234形式的社會安全號碼
　　
　　假設進行搜索的時候，你希望連字符號可以出現，也可以不出現——即，999-99-9999和999999999都屬于正確的格式。這時，你可以在連字符號后面加上“？”數量限定符號，如圖二所示：
　　 Java正則表達式詳解(上)（圖七）

　　圖二：匹配所有123-12-1234和123121234形式的社會安全號碼
　　
　　下面我們再來看另外一個例子。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}”。圖三顯示了完整的正則表達式。　
　　　 Java正則表達式詳解(上)（圖八）

　　
　　圖三：匹配典型的美國汽車牌照號碼，如8836KV
　　
　　1.5 “否”符號　
　　
　　“^”符號稱為“否”符號。假如用在方括號內，“^”表示不想要匹配的字符。例如，圖四的正則表達式匹配所有單詞，但以“X”字母開頭的單詞除外。　
　　　 Java正則表達式詳解(上)（圖九）

　　
　　圖四：匹配所有單詞，但“X”開頭的除外
　　
　　1.6 圓括號和空白符號　
　　
　　假設要從格式為“June 26, 1951”的生日日期中提取出月份部分，用來匹配該日期的正則表達
　　 Java正則表達式詳解(上)（圖十）

　　
　　圖五：匹配所有Moth DD,YYYY格式的日期
　　
　　新出現的“/s”符號是空白符號，匹配所有的空白字符，包括Tab字符。假如字符串正確匹配，接下來如何提取出月份部分呢？只需在月份四周加上一個圓括號創建一個組，然后用ORO API（本文后面具體討論）提取出它的值。修改后的正則表達式如圖六所示：　
　　　 Java正則表達式詳解(上)（圖十）

　　
　　圖六：匹配所有Month DD,YYYY格式的日期，定義月份值為第一個組
　　
　　1.7 其它符號　
　　
　　為簡便起見，你可以使用一些為常見正則表達式創建的快捷符號。如表二所示：　
　　
　　表二：常用符號　
　　　 Java正則表達式詳解(上)（圖十二）

　　例如，在前面社會安全號碼的例子中，所有出現“[0-9]”的地方我們都可以使用“/d”。修改后的正則表達式如圖七所示：
　　　 Java正則表達式詳解(上)（圖十三）

　　圖七：匹配所有123-12-1234格式的社會安全號碼
　　
　　
　　
　　
　　二、Jakarta-ORO庫　
　　
　　有許多源代碼開放的正則表達式庫可供Java程序員使用，而且它們中的許多支持Perl 5兼容的正則表達式語法。我在這里選用的是Jakarta-ORO正則表達式庫，它是最全面的正則表達式API之一，而且它與Perl 5正則表達式完全兼容。另外，它也是優化得最好的API之一。　
　　
　　Jakarta-ORO庫以前叫做OROMatcher，Daniel Savarese大方地把它贈予給了Jakarta Project。你可以按照本文最后參考資源的說明下載它。　
　　
　　我首先將簡要介紹使用Jakarta-ORO庫時你必須創建和訪問的對象，然后介紹如何使用Jakarta-ORO API。　
　　
　　
　　▲ PatternCompiler對象　
　　
　　首先，創建一個Perl5Compiler類的實例，并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現，答應你把正則表達式編譯成用來匹配的Pattern對象。　
　　　 Java正則表達式詳解(上)（圖十三）

　　▲ Pattern對象　
　　
　　要把正則表達式編譯成Pattern對象，調用compiler對象的compile()方法，并在調用參數中指定正則表達式。例如，你可以按照下面這種方式編譯正則表達式“t[aeio]n”：　
　　　 Java正則表達式詳解(上)（圖十四）

　　默認情況下，編譯器創建一個大小寫敏感的模式（pattern）。因此，上面代碼編譯得到的模式只匹配“tin”、“tan”、 “ten”和“ton”，但不匹配“Tin”和“taN”。要創建一個大小寫不敏感的模式，你應該在調用編譯器的時候指定一個額外的參數：
　　　 Java正則表達式詳解(上)（圖十五）

　　創建好Pattern對象之后，你就可以通過PatternMatcher類用該Pattern對象進行模式匹配。　
　　
　　
　　▲ PatternMatcher對象　
　　
　　PatternMatcher對象根據Pattern對象和字符串進行匹配檢查。你要實例化一個Perl5Matcher類并把結果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現，它根據Perl 5正則表達式語法進行模式匹配：　
　　 Java正則表達式詳解(上)（圖十六）

　　使用PatternMatcher對象，你可以用多個方法進行匹配操作，這些方法的第一個參數都是需要根據正則表達式進行匹配的字符串：　
　　
　　·boolean matches(String input, Pattern pattern)：當輸入字符串和正則表達式要精確匹配時使用。換句話說，正則表達式必須完整地描述輸入字符串。　
　　
　　·boolean matchesPrefix(String input, Pattern pattern)：當正則表達式匹配輸入字符串起始部分時使用。　
　　
　　·boolean contains(String input, Pattern pattern)：當正則表達式要匹配輸入字符串的一部分時使用（即，它必須是一個子串）。　
　　
　　另外，在上面三個方法調用中，你還可以用PatternMatcherInput對象作為參數替代String對象；這時，你可以從字符串中最后一次匹配的位置開始繼續進行匹配。當字符串可能有多個子串匹配給定的正則表達式時，用PatternMatcherInput對象作為參數就很有用了。用PatternMatcherInput對象作為參數替代String時，上述三個方法的語法如下：　
　　
　　·boolean matches(PatternMatcherInput input, Pattern pattern)　
　　
　　·boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)　
　　
　　·boolean contains(PatternMatcherInput input, Pattern pattern)

上一篇：總結篇：將內部類進行到底

下一篇：Java正則表達式詳解(中)