大家都知道,正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
自从jdk1.4推出java.util.regex包,就为我们提供了很好的JAVA正则表达式应用平台。
因为正则表达式是一个很庞杂的体系,所以我仅例举些入门的概念,更多的请参阅相关书籍及自行摸索。
\反斜杠
\t 间隔 ('\u0009') \n 换行 ('\u000A') \r 回车 ('\u000D') \d 数字 等价于[0-9] \D 非数字 等价于[^0-9] \s 空白符号 [\t\n\x0B\f\r] \S 非空白符号 [^\t\n\x0B\f\r] \w 单独字符 [a-zA-Z_0-9] \W 非单独字符 [^a-zA-Z_0-9] \f 换页符 \e Escape \b 一个单词的边界 \B 一个非单词的边界 \G 前一个匹配的结束 |
^为限制开头
^java 条件限制为以Java为开头字符 |
加入特定限制条件[]
[a-z] 条件限制在小写a to z范围中一个字符 |
[]中加入^后加再次限制条件[^]
[^a-z] 条件限制在非小写a to z范围中一个字符 |
在限制条件为特定字符出现0次以上时,可以使用*
J* 0个以上J |
在限制条件为特定字符出现1次以上时,可以使用+
J+ 1个以上J |
在限制条件为特定字符出现有0或1次以上时,可以使用?
JA? J或者JA出现 |
限制为连续出现指定次数字符{a}
J{2} JJ |
文字a个以上,并且{a,}
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存) |
文字个以上,b个以下{a,b}
J{3,5} JJJ或JJJJ或JJJJJ |
两者取一|
J|A J或A |
()中规定一个组合类型
比如,我查询<a href=\"index.html\">index</a>中<a href></a>间的数据,可写作<a.*href=\".*\">(.+?)</a>
在使用Pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
Pattern Pattern.compile(String regex, int flag) |
#p#
flag的取值范围如下:
Pattern.CANON_EQ :当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a\u030A"会匹配"?"。默认情况下,不考虑"规范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i): 默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x):在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"\\s",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s) :在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE(?m):在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE(?u):在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d):在这个模式下,只有'\n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。
抛开空泛的概念,下面写出几个简单的Java正则用例:
◆比如,在字符串包含验证时
//查找以Java开头,任意结尾的字符串 |
◆以多条件分割字符串时
Pattern pattern = Pattern.compile("[, |]+"); |
◆文字替换(首次出现字符)
Pattern pattern = Pattern.compile("正则表达式"); |
◆文字替换(全部)
Pattern pattern = Pattern.compile("正则表达式"); |
◆文字替换(置换字符)
Pattern pattern = Pattern.compile("正则表达式"); |
#p#
◆验证是否为邮箱地址
String str="ceponline@yahoo.com.cn"; |
◆去除html标记
attern pattern = Pattern.compile("<.+?>", Pattern.DOTALL); |
◆查找html中对应条件字符串
Pattern pattern = Pattern.compile("href=\"(.+?)\""); |
◆截取http://地址
//截取url |
◆替换指定{}中文字
String str = "Java目前的发展史是由{0}年-{1}年"; public static String replace(final String sourceString,Object[] object) { |
◆以正则条件查询指定目录下文件
//用于缓存文件列表 private ArrayList files = new ArrayList(); //用于承载文件路径 private String _path; //用于承载未合并的正则公式 private String _regexp; class MyFileFilter implements FileFilter { /** * 匹配文件名称 */ public boolean accept(File file) { try { Pattern pattern = Pattern.compile(_regexp); Matcher match = pattern.matcher(file.getName()); return match.matches(); } catch (Exception e) { return true; } } } /** * 解析输入流 * @param inputs */ FilesAnalyze (String path,String regexp){ getFileName(path,regexp); } /** * 分析文件名并加入files * @param input */ private void getFileName(String path,String regexp) { //目录 _path=path; _regexp=regexp; File directory = new File(_path); File[] filesFile = directory.listFiles(new MyFileFilter()); if (filesFile == null) return; for (int j = 0; j < filesFile.length; j++) { files.add(filesFile[j]); } return; } /** * 显示输出信息 * @param out */ public void print (PrintStream out) { Iterator elements = files.iterator(); while (elements.hasNext()) { File file=(File) elements.next(); out.println(file.getPath()); } } public static void output(String path,String regexp) { FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp); fileGroup1.print(System.out); } public static void main (String[] args) { output("C:\\","[A-z|.]*"); }
Java正则的功用还有很多,事实上只要是字符处理,就没有正则做不到的事情存在。(当然,正则解释时较耗时间就是了)
【编辑推荐】