分享
 
 
 

彻底研究Java中的正则表达式

王朝java/jsp·作者佚名  2008-05-19
窄屏简体版  字體: |||超大  

/*以下是我最近研究正则表达式的成果希望能对大家有帮助。其中也有我遇到的不明白之处,各位有精通的请发mail给我讲讲。还有有谁对javascript的正则表达式精通请给大家发一下吧。这些东东都是javadoc上有的,还有一些是我在java.sun.com/docs/books/tutorial/extra/regex/index.html上看到的,我建议对正则表达式感兴趣的不妨上去看看,很不错。

*/

package testreg;

import java.util.regex.Matcher;

import java.util.regex.Pattern;

/**

* <pTitle: 正则表达式的研究</p

* <pDescription:

* 最近在工作中常常用到一些正则表达式的使用问题,到网上去找介绍大多是一鳞半爪。求人不如求已。一狠心,自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说,书归正传。

* 原理:

*

正则表达式的原理是有限状态自动机,自动机内部有有限个状态,有一个初始状态,有一个结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵,这是很久以前学的东东了也记不清了,大家只作参照吧。

* Java中的正则表达式:

*

从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包,这个包中主要有3个类:Pattern,代表模式,就是正则表达式自身,Matcher,是一个有限状态自动机,其实大多数的活还是让Pattern类于了,Matcher往往只是简单的调用Pattern,不知道这是什么模式。这两个类写的都很经典,还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所用正则表达式不正确时抛出,是运行时异常。

* 几个难点:

*

1.line terminator

*

line terminator 中文意终结符,是指一个或两个字符组成的字符序列。java中的

*

所有line terminator:

*

A newline (line feed) character ('\n'),

*

-----------换行符(0A)

*

A carriage-return character followed immediately by a newline character ("\r\n"),

*

-----------回车+换行(0D0A)

*

A standalone carriage-return character ('\r'),

*

-----------回车(0D)

*

A next-line character ('\u0085'),

*

------------下一行符?(?表示我也不知道是什么,请大家明白的给我发mail

*

A line-separator character ('\u2028'), or

*

------------行分隔符?

*

A paragraph-separator character ('\u2029).

*

------------段落分隔符?

*

If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.

*

如果使用unix模式则只有\n被认为是line terminator,也就是在使用pattern时如下:

*

Pattern p=Pattern.compile("正则表达式",Pattern.UNIX_LINE);

*

或 Pattern p=Pattern.compile("(?d)正则表达式")

*

"."匹配除line terminator以外的所有字符(未指定DOTALL时)

*

在指定DOTAll模式时"."匹配所有字符

*

2.Quantifiers,Greedy,Reluctant and Possessive.

*

这几个词不太好译,原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive Quantifiers凭我这点英语我只好译作贪婪的量子,不情愿的量子和占有欲强的量子?这也太搞笑了好在我理解了他们的意思。这点等下我细说。

*

3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解对于上述,原文用range,union,negation,intersection,subtraction等来描述range表是范围,union是并集,negation是取反,intersection是交集,subtraction是……是减法??反正是减去一部分的意思

*

range

a-z 从a到z的小写字母

*

negation

[^a-f]除了a-f之外所有的,全集是所有字符

*

union

[a-d[h-i]] a-d并h-i

*

subtraction [b-f&&[^cd]] 就是b-f中除了cd以外的都是

*

intersection[b-f&&[a-z]] 就是b-f与a-z中的公共部分

*

我总结了一下,其实就是方括号表示一个集合,集合中的元素用列举法表示如[abcd],但太多了怎么为?总不能把从a到z的全列举吧?那就用a-z表示且省略了方括号,交集用&&表示,并集省略,差集(对subtraction译成差集还差不多)用交集和取反来表示。所以,以上的可表示为:

*

[[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]

*

这样是不是和我们的习惯相符了.

*

4.各个标志的意义

*

在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。

*

用法形如:Pattern p=Pattern.compile(".*a?",Pattern.UNIX_LINES);

*

当同时指定多个标志时可以使用"|"操作符连接如:

*

Pattern p=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);

*

也可以在表达式中指定如:

*

Pattern p=Pattern.compile("(?d).*a?");

*

Pattern p=Pattern.compile("(?d)(?s).*a?");

*

以上两个定义和前面两个对应等价

*

所有的标志如下:

*

Constant

Equivalent Embedded Flag Expression

Pattern.CANON_EQ

None Enables canonical equivalence

Pattern.CASE_INSENSITIVE

(?i) Enables case-insensitive matching

Pattern.COMMENTS

(?x) Permits whitespace and comments in pattern.

Pattern.MULTILINE

(?m) Enables multiline mode.

Pattern.DOATALL

(?s) Enables dotall mode

Pattern.UNICODE_CASE

(?u) Enables Unicode-aware case folding.

Pattern.UNIX_LINES

(?d) Enables Unix lines mode

CANON_EQ 指定使用规范等价模式?这个我理解的也有限,是不是说只要指定了这个模式则ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等?请教各位。(mail to me)

CASE_INSENSITIVE 指定使用大小写不敏感的匹配模式,这个好理解,但要注意这个标志只是对ascii码有效,要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)

COMMENTS 指定使用注释和忽略空白,也就是".*a"==".

*a #this is comments"我想这个在正则表达式很大,而且是在文件中输入时比较有用,平时我看也用不上。

MULTILINE In multiline mode the expressions ^ and $ match just after

or just before, respectively, a line terminator or the end of the

input sequence. By default these expressions only match at the beginning

and the end of the entire input sequence

指定使用多行匹配模式,在默认模式下,^和$分别只匹配一个输入的开始和结束。

在这种模式下,^和$ 除了匹配整个输入的开始和结束外还匹配一个line terminator的后边和前边(不是前边和后边,就是说^匹配line terminator的后边$匹配line terminator的前边。

DOATALL 如指定了这个模式则"."可匹配任何字符包括line terminator UNIX_LINES 指定这个模式时只有\n被认为是line terminator而\r和\r\n都不是其他的我一时想不起来了,在具体介绍时再说吧。

</p

/

public class TestReg2

{

public static void main(String[] args)

{

String str1 = "";

Object str = "";

//注意:\r,\n,\b等转义字符在java字符串常量中要写成\\r,\\n,\\b等,否则编译都过不去

//\s匹配\r,\n,\r和空格

System.out.println("\\s匹配\\r,\\n,\\r和空格 "+" \t\n\r".matches("\\s{4}"));

//\S和\s互逆

System.out.println("\\S和\\s互逆 "+"/".matches("\\S"));

//.不匹配\r和\n

System.out.println(".不匹配\\r和\\n "+"\r".matches("."));

System.out.println("\n".matches("."));

//\w匹配字母,数字和下划线

System.out.println("\\w匹配字母,数字和下划线

"+"a8_".matches("\\w\\w\\w"));

//\W和\w互逆

System.out.println("\\W和\\w互逆 "+"&_".matches("\\W\\w"));

//\d匹配数字

System.out.println("\\d匹配数字 "+"8".matches("\\d"));

//\D与\d互逆

System.out.println("\\D与\\d互逆"+"%".matches("\\D"));

//两者都匹配但意文不同

System.out.println("======================");

System.out.println("表示\\000a匹配\\000a "+"\n".matches("\n"));

System.out.println("表示\\n匹配换行 "+"\n".matches("\\n"));

System.out.println("======================");

//两者都匹配但意文不同

System.out.println("\r".matches("\r"));

System.out.println("\r".matches("\\r"));

System.out.println("======================");

//^匹配开头

System.out.println("^匹配开头"+"hell".matches("^hell"));

System.out.println("abc\nhell".matches("^hell"));

//$匹配结束

System.out.println("$匹配结束"+"my car\nabc".matches(".*ar$"));

System.out.println("my car".matches(".*ar$"));

 
 
 
免责声明:本文为网络用户发布,其观点仅代表作者个人观点,与本站无关,本站仅提供信息存储服务。文中陈述内容未经本站证实,其真实性、完整性、及时性本站不作任何保证或承诺,请读者仅作参考,并请自行核实相关内容。
2023年上半年GDP全球前十五强
 百态   2023-10-24
美众议院议长启动对拜登的弹劾调查
 百态   2023-09-13
上海、济南、武汉等多地出现不明坠落物
 探索   2023-09-06
印度或要将国名改为“巴拉特”
 百态   2023-09-06
男子为女友送行,买票不登机被捕
 百态   2023-08-20
手机地震预警功能怎么开?
 干货   2023-08-06
女子4年卖2套房花700多万做美容:不但没变美脸,面部还出现变形
 百态   2023-08-04
住户一楼被水淹 还冲来8头猪
 百态   2023-07-31
女子体内爬出大量瓜子状活虫
 百态   2023-07-25
地球连续35年收到神秘规律性信号,网友:不要回答!
 探索   2023-07-21
全球镓价格本周大涨27%
 探索   2023-07-09
钱都流向了那些不缺钱的人,苦都留给了能吃苦的人
 探索   2023-07-02
倩女手游刀客魅者强控制(强混乱强眩晕强睡眠)和对应控制抗性的关系
 百态   2020-08-20
美国5月9日最新疫情:美国确诊人数突破131万
 百态   2020-05-09
荷兰政府宣布将集体辞职
 干货   2020-04-30
倩女幽魂手游师徒任务情义春秋猜成语答案逍遥观:鹏程万里
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案神机营:射石饮羽
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案昆仑山:拔刀相助
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案天工阁:鬼斧神工
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案丝路古道:单枪匹马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:与虎谋皮
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:李代桃僵
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案镇郊荒野:指鹿为马
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:小鸟依人
 干货   2019-11-12
倩女幽魂手游师徒任务情义春秋猜成语答案金陵:千金买邻
 干货   2019-11-12
 
推荐阅读
 
 
 
>>返回首頁<<
 
靜靜地坐在廢墟上,四周的荒凉一望無際,忽然覺得,淒涼也很美
© 2005- 王朝網路 版權所有