Java Review (二十二、正则表达式）

admin管理员组

文章数量:1579086

上面的正则表达式依然只 能匹配单个字符，这是因为还未在正则表达式中使用"通配符"，"通配符"是可以匹配多个字符的特殊字符。正则表达式中 的"通配符"远远超出了普通通配符的功能，它被称为预定义字符:

表三：预定义字符

上面的 7 个预定义字符其 实很容易记忆: d 是 digit 的意思，代表数字； s 是 space的意思， 代表空白； W 是 word 的意思 ， 代表单词 。 d 、 s 、 w 的大写形式恰好匹配与之相反的字符 。

有了上面的预定义字符后 ，接下来就可以创建更强大的正则表达式了。 例如:

c\wt //可 以匹配 cat 、 cbt 、 cct 、 cOt 、 c9t 等一批字符串

\d\d\d-\d\d\d-\d\d\d\d //匹配如 000-000-0000 形式的电话号码

只想匹配 a~ f 的字母 ，或者匹配除 ab 之外的所有小写字母，或者匹配中文字符，此时就需要使用方括号表达式：

表四：方括号表达式

正则表示还支持圆括号表达式，用于将多个表达式组成一个子表达式 ，圆括号中可 以使用或运算符(|)。 例如， 正 则 表达式 "((public)|(Protected)l(private))"用于匹配 Java 的 三个访问控制符其中之 一。

Java 正则表达式还支持边界匹配符 ：

表五：边界匹配符

前面例子中需要建立一个匹配 000-000-0000 形式的电话号码时，使用了\\d\d\d-\d\d\d-\d\d\d\d

正则表达式，这看起来比较烦琐 。 实际上，正则表达式还提供了数量标识符，正则表达式支持的数量标识符有如下几种模式 :

• Greedy (贪婪模式) : 数量表示符默认采用贪婪模式 ， 除非另有表示。贪婪模式的表达式会一直匹配下去 ，直到无法匹配为止 。 如果你发现表达式匹配的结果与预期的不符 ， 很有可能是因为一一你以为表达式只会匹配前面几个宇符，而实际上它是贪婪模式 ， 所以会一直匹配下去 。

• Reluctant (勉强模式) : 用问号后缀(?) 表示 ， 它只会匹自己最少的字符 。 也称为最小匹配模式 。

• Possessive (占有模式) : 用加号后缀(+)表示 ，目前只有 Java 支持占有模式，通常比较少用 。

三种模式的数量表示符如表六所示 。

表六：三种模式的数量表示符

使用正则表达式

=========================================================================

一旦在程序中定义了正则表达式，就可以使用 Pattem 和 Matcher 来使用正则表达式 。

Pattem 对象是正则表达式编译后在内存中的表示形式，因此，正则表达式宇符串必须先被编译为Pattem 对象，然后再利用该 Pattem 对象创建对应的 Matcher 对象 。 执行匹配所涉及的状态保留在 Matcher对象中，多个 Matcher 对象可共享同一个 Pattem 对象 。

因此，典型的调用顺序如下:

/ /将一个字符串编译成 Pattern 对象

Pattern p = Patternpil e( “a*b”);

// 使用 Pattern 对象创建 Matcher 对象

Matcher m = p .matcher( “aaaaab” ) ;

boolean b = m.matches(); / /返回 true

上面定义的 Pattem 对象可以多次重复使用 。 如果某个正则表达式仅需一次使用，则可直接使用Pattem 类的静态 matches()方法，此方法自动把指定字符串编译成匿名的 Pattem 对象，并执行匹配，如下所示 :

boolean b = Pattern.matches(“a*b” , “aaaaab”); // 返回 true

Pattem 是不可变类，可供多个并发线程安全使用 。

Matcher 类提供了如下几个常用方法 :

• find(): 返回目标字符串中是否包含与 Pattem 匹配的子 串 。

• group(): 返回上一次与 Pattem 匹配的子串 。

• start(): 返回上一 次与 Pattem 匹配的子串在目标字符串中的开始位置 。

• end(): 返回上一次与 Pattem 匹配的子串在目标字符串中的结束位置加 1 。

• lookingAt() : 返回目标字符串前面部分与 Pattem 是否匹配 。

• matches() : 返回整个目标字符串与 Pattem 是否匹配 。

• reset(): 将现有的 Matcher 对象应用于一个新的字符序列 。

通过 Matcher 类的 findO和 groupO方法可以从目标字符串中依次取出特定子串(匹配正则表达式的子串)，例如互联网的网络爬虫，它们可以自动从网页中识别出所有的电话号码 。 下面程序示范了如何从大段的宇符串中找出电话号码 :

FindGroup.java

public class FindGroup

{

public static void main(String[] args)

{

// 使用字符串模拟从网络上得到的网页源码

String str = “我想求购一本《***》，尽快联系我13500006666”

• “交朋友，电话号码是13611125565”

• “出售二手电脑，联系方式15899903312”;

// 创建一个Pattern对象，并用它建立一个Matcher对象

// 该正则表达式只抓取13X和15X段的手机号，

// 实际要抓取哪些电话号码，只要修改正则表达式即可。

Matcher m = Patternpile(“((13\d)|(15\d))\d{8}”)

.matcher(str);

// 将所有符合正则表达式的子串（电话号码）全部输出

while(m.find())

{

System.out.println(m.group());

}

}

}

运行结果：

find()方法依次查找字符串中与 Pattem 匹配的子串， 一旦找到对应的子

串，下次调用 find()方法时将接着向下查找。

find()方法还可以传入一个 int 类型的参数，带 int 参数的 find()方法将从该 int 索引处向下搜索 。start()和 end()方法主要用于确定子串在目标字符串中的位置，如下程序所示:

StartEnd.java

public class StartEnd

{

public static void main(String[] args)

{

// 创建一个Pattern对象，并用它建立一个Matcher对象

String regStr = “Java is very easy!”;

System.out.println(“目标字符串是：” + regStr);

Matcher m = Patternpile(“\w+”)

.matcher(regStr);

while(m.find())

{

System.out.println(m.group() + “子串的起始位置：”

• m.start() + “，其结束位置：” + m.end());

}

}

}

运行结果：

matchesO和 lookingAt()方法有点相 似，只 是 matches()方法要求整个字符串和 Pattem 完全匹配时才返回 true ，而 lookingAtO只要字符串以 Pattem 开头就会返回 true 。 reset()方法可将现有的 Matcher 对象应用于新的字符序列 。看如下程序：

MatchesTest.java

public class MatchesTest

{

public static void main(String[] args)

{

String[] mails =

{

“kongyeeku@163” ,

“kongyeeku@gmail”,

“ligang@crazyit”,

“wawa@abc.xx”

};

String mailRegEx = “\w{3,20}@\w+\.(com|org|cn|net|gov)”;

Pattern mailPattern = Patternpile(mailRegEx);

Matcher matcher = null;

for (String mail : mails)

{

if (matcher == null)

{

matcher = mailPattern.matcher(mail);

}

else

{

matcher.reset(mail);

}

String result = mail + (matcher.matches() ? “是” : “不是”)

• “一个有效的邮件地址！”;

System.out.println(result);

本文标签： 二十正则表达式Javareview