学点Java正则表达式

正则表达式用来指定字符串模式。当你需要定位匹配某种模式的字符串时就可以使用正则表达式。例如，我们下面的一个例程就是在一个HTML文件中通过查找字符串模式<a href="...">来定位所有的超链接。

当然，为了指定一种模式，使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时，你需要使用一种特殊的语法。

这里有一个简单例子。正则表达式
[Jj]ava.
匹配下列形式的任何字符串：

• 首字母是J或j

• 后续的三个字母是ava

• 字符串的剩余部分由一个或多个任意字符组成

例如，字符串“Javaness”匹配这个特殊的正则表达式，但是字符串“Core Java”却不匹配。

如你所见，你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途，使用少量的简单构造（straightforward constructs）就已足够。

• 字符类是可选自符的集合，用‘[’封装，比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围（Unicode落在两个边界之间的所有字符），^表示求补（指定字符外的所有字符）。

• 有许多预定以的字符类，像\d（数字）或\p{Sc}（Unicode货币符号），见表12-8和12-9。

• 大多数字符与它们自身匹配，像上例中的ava字符。

• 符号.匹配任何字符（可能行终止符（line terminators）除外，这依赖于标识设置（flag settings））

• \用作转义符，比如\.匹配一个句点，\\匹配一个反斜杠。

• ^和$分别匹配行头和行尾

• 如果X和Y都是正则表达式，则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”

• 可以将量词（quantifIEr）用到表达式中，X 表示X重复1次或多次，X* 表示X重复0次或多次，X? 表示X重复0次或1次

• 默认地，一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀？（称为reluctant或stingy 匹配，用以匹配最小的重复数），和 （称为possessive或贪婪匹配，用以即使在总体匹配失败的情况下也匹配最大的重复数）来更改这种属性。

• 可以使用分组来定义子表达式。将分组封装在（）中，如([ -]?)([0-9] )。然后你可以让模式匹配符（the pattern matcher）返回每个分组的匹配，或者使用\n来回引分组（refer back to a group with \n），其中n是组号（以\1起始）

这里有一个稍微有点复杂却又很有用的正则表达式－－它用来描述十进制和十六进制的整数。
[ -]?[0-9] |0[Xx][0-9A-Fa-f]

不幸的是，在使用正则表达式的各种程序和库之间，它的语法还没有完全标准化。对基本的构造上已达成了共识，但在细节方面有许多令人“抓狂”的区别（many maddening differences）。Java的正则表达式类使用了与Perl语言类似的语法，但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息，请参考Pattern类的API文档，或者Jeffrey E. F. FrIEdl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)（刚去第二书店查了一下，东南大学出版社已经引入了其第二版，影印）

表12-8 正则表达式语法

---

语法 解释

---

字符
c 字符c
\unnnn, \xnn, \0n, \0nn, \0nnn 带有十六或八进制值的代码单元
\t, \n, \r, \f, \a, \e 控制字符，依次是制表符，换行符，回车符，换页符，报警符和转义符
\cc 控制字符中出现的相应字符c

---

字符类
[C1C2. . .] C1、C2……中的任何字符。Ci可以是字符，字符范围（C1-C2）或者字符类。
[^. . .] 字符类的补集
[ . . . && . . .] 两个字符类的交集

---

预定义字符类
. 除行终止符外的任何字符（如果DOTALL标志置位，则表示任何字符）
\d 数字[0-9]

标签：

版权申明：本站文章部分自网络，如有侵权，请联系：west999com@outlook.com
特别注意：本站所有转载文章言论不代表本站观点，本站所提供的摄影照片，插画，设计作品，如需使用，请与原作者联系，版权归原作者所有