Go语言视频零基础入门到精通

javalearner

正则表达式在处理文本方面用处非常大，最早像在Perl和awk语言中，提供了这种机制，java在Java 2中也增加了正则表达式这个包java.util.regex。这个包为用户使用正则表达式，提供了易用而全面的支持。

     我的研究方向是web挖掘。从网页中提取内容,处理文本，当然需要正则表达式这个强大的工具了。

一、首先我们看一下怎么使用正则表达式的一个例子：
A Matcher examines the results of applying a pattern.
我们希望从这句话中找到所有开头为a的单词。

   当然这只是一个简单的例子，你可以使用String提供的split方法，得到单词数组，然后 遍历各个单词看是否是否开头为a
我们现在看看怎么使用正则表达式来处理这个问题：   
  
   
   
     
   

     
   
  

1. import java.util.regex.*;   
   
2.   
   
3. public class FindA{   
   
4.   public static void main(String args[])   
   
5.   throws Exception{   
   
6.   
   
7.     String candidate ="A Matcher examines the results of applying a pattern.";   
   
8.     String regex = "\ba\w*\b";   
   
9.     Pattern p = Pattern.compile(regex);   
   
10.     Matcher m = p.matcher(candidate);   
    
11.     String val = null;   
    
12.     System.out.println("INPUT: " + candidate);   
    
13.     System.out.println("REGEX: " + regex +"
    
14. ");   
    
15.     while (m.find()){   
    
16.       val = m.group();   
    
17.       System.out.println("MATCH: " + val);   
    
18.     }   
    
19.     if (val == null) {   
    
20.       System.out.println("NO MATCHES: ");   
    
21.     }   
    
22.   }   
    
23. }  
    

复制代码

      从这个例子我们可以看到正则表达式涉及到的两个类Matcher和Pattern,我们以后会专门讨论着连个类。现在主要看看使用正则表达式的流程：
首先使用Pattern的一个静态的方法compile来创建Pattern对象，
Pattern p = Pattern.compile(regex);
然后调用Pattern的方法matcher
Matcher m = p.matcher(candidate);
                  [/code] 得到了Matcher对象，Matcher对象保存了许多匹配信息，然后可以通过find()方法查找匹配的部分，如果有匹配的部分，返回真，使用m.group方法得到匹配的各组值，
否则find返回false.
当然这只是一般的过程，还有许多更细的方法，在以后会陆续的总结，下面我们看一下
String regex = "\ba\w*\b";

这个就是一个正则表达式，b,w,*都是正则表达式的meta character原字符，

   表示单词的边界，w表示任意的可构成单词的字母数字，*表示前面的字母(当然可以是更复杂的组之类的了东东)重复0次或0次以上，

a当然还是a了。所以这个regex就匹配单词开头为a的单词了。

二、下面总结一下基本的正则表达式的meta character以及它们含义：
.匹配任意一个字符　$　匹配一行的结尾　^　匹配一行的开头(在[]里面表示否定)

{}　定义了一个范围　 [] 定义了一个字符类　() 定义了一个组

*前面出现0次以上   +　前面匹配一次以上　?前面出现0次或一次　　

　后面的字符不会看作metacharacter  w 字母数字下划线　W 非字母数字下划线

d 单个数字　D单个非数字　| 或，二者之一　&&与操作符 单词边界

下面看看几个简单的例子：

[abc] a、b 或 c（简单类）

[^abc]
任何字符，除了a、b 或 c（否定）

[a-zA-Z] a 到 z 或 A 到 Z，两头的字母包括在内（范围）

[a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）

[a-z&&[def]] d、e 或 f（交集）

[a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去）

[a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去）

三、java.util.regex提供的操作接口：

java.util.regex包提供了操作正则表达式的模型，整个模型优雅而简洁，只有三个类：Pattern、Matcher和

PatternSyntaxException。下面将要总结他们提供的方法，以及如何灵活应用来处理文本。

我们还是从Pattern的静态工厂方法来扩展吧： [/code] static Pattern compile(String regex)                 [/code] ??? 将给定的正则表达式编译到模式中，并创建Pattern对象，这个方法通常是操作正则表达式的第一步，从前面那个例子
我们也可以看到整个的流程。
在看看一个重载的compile方法：

static Pattern compile(String regex, int flags)               [/code] 将给定的正则表达式编译到具有给定标志的模式中。 这个方法参数flags提供了一些特殊的选项来用于特殊的处理，
我们下面看看可使用的选项：   UNIX_LINES：这个主要处理UNIX和其他的操作系统在行结束符不一样的问题，UNIX使用
代表一行的终止，而Windows
则使用了
,
,
,u2028或者u0085作为一行的结束符。

CASE_INSENSITIVE：当我们在匹配的时候要忽略字符大小写时

COMMENTS:允许我们在正则表达式中使用注释，例如  Pattern p =Pattern.compile("A    #matches uppercase US-ASCII char code 65",Pattern.COMMENTS);              [/code] MULTILINE:表明要输入多行，他们有自己的终止字符。
Pattern p = Pattern.compile("^.", Pattern.MULTILINE);            [/code] 如果你的输入的字符串是：This is a sentence.
So is this..
这样我们匹配的字符是This中的T和So中的S，如果不使用MULTILINE，则只会匹配T
程序：

1. import java.util.regex.*;   
   
2.   
   
3. public class Multiline{   
   
4.   public static void main(String args[])   
   
5.   throws Exception{   
   
6.   
   
7.     String candidate ="This is a sentence.
8. So is this..";   
   
9.     String regex = "^.";   
   
10.     Pattern p = Pattern.compile("^.", Pattern.MULTILINE);   
    
11.     //Pattern p = Pattern.compile(regex,Pattern.MULTILINE);   
    
12.     Matcher m = p.matcher(candidate);   
    
13.     String val = null;   
    
14.     System.out.println("INPUT: " + candidate);   
    
15.     System.out.println("REGEX: " + regex +"
    
16. ");   
    
17.     while (m.find()){   
    
18.       val = m.group();   
    
19.       System.out.println("MATCH: " + val);   
    
20.     }   
    
21.     if (val == null) {   
    
22.       System.out.println("NO MATCHES: ");   
    
23.     }   
    
24.   }   
    
25. }  
    

复制代码

DOTALL:使用这个选项之后metacharacter .就可以包括一行的终止字符了，如果没有这个选项， 一行的终止字符，并不会考虑在字符串之内的。 使用这个选项会降低效率
Pattern p = Pattern.compile(".", Pattern.DOTALL);              [/code] 如果我们输入的是Test
，则匹配的字符是5个。   我们可以组合以上选项，只要使用|,进行按位或操作即可  Pattern p =
  Pattern.compile("t # a compound flag example",Pattern.CASE_INSENSITIVE | Pattern.UNICODE_CASE|Pattern.COMMENT);
                  [/code] 我们还要注意点的是Java对转译字符的处理，例如我们要匹配一个数字：
我们不能使用：
Pattern p = Pattern.compile("d");            [/code] 而是：
Pattern p = Pattern.compile("\d");               [/code] 另外如果regex本身形式是错误的，compile方法会抛出java.util.regex.PatternSyntaxException异常。

下面我们总结一下public Matcher matcher(CharSequence input)方法：
     当我们使用compile操作，创建了Pattern对象之后，我们就可以使用Pattern对象的matcher操作，生成 matcher对象了，Matcher对象包含了许多对匹配结果集的操作，我们在总结Matcher对象的时候再说。另外 顺便提一下参数CharSequence，CharBuffer, Segment, String, StringBuffer, StringBuilder 都实现 这个接口，所以参数可以是这些中的任一种类型了。
下面我们看看：
public int flags()
[/code] 这个方法返回了我们前面可以设置的并且已经设置的flags选项，我们通过按位与来判断是否设置了某个选项：
int flgs = myPattern.flags();
boolean isUsingCommentFlag =( Pattern.COMMENTS == (Pattern.COMMENTS & flgs)) ;
[/code]
看看一个简化过程的方法：
public static boolean matches (String regex,CharSequence input)
[/code]
这个方法实际上是：
  Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(candidate);
m.matches()
[/code] 过程的一个简化,我们在后面总结Matcher中的matches方法之后就会理解这个了。 想必我们经常使用把字符串提取出token变成字符串数组的String中的split方法吧，下面我们看看 类似的一个方法：

public String[] split(CharSequence input)

这个方法提供了强大的功能，因为它可以使用正则表达式来作为token的分割：
  Pattern p = new Pattern.compile(",|and");
String fruits[] = p.split("apple,banana and orange");
[/code] split的一个重载的版本：
public String[] split(CharSequence input, int limit)
[/code] 它指定了划分的组数，有以下三种情况：
limit==0
这时候和没有limit参数的那个split效果一样
limit>0
如果你仅仅对前limit个感兴趣，你可以使用limit：
String[] tmp = pattern.split("Hello, Dolly, You, Are, My, Favorite",3);
//tmp[0] is  "Hello",
// tmp[1] is "Dolly";
//tmp[2] is  "You, Are, My, Favorite";
[/code]
limit<0
会尽可能的划分所有的组，即使分割符后面是个空字符，也要单独生成一个token:""
Pattern p = Pattern.compile(",");
String temp[] = p.split("Hello,Dolly,", -1);
//temp[]={"Hello","Dolly",""}
[/code]

  
  
   
   

     
   

     
   
  

复制代码

源码下载：http://file.javaxxz.com/2014/10/28/235849421.zip