目錄
- 介紹
- Java中對正則表達式的支持(各種語言有相應的實現)
- 初步認識 . + * ?
- 全部為true
- 全部為true
- 再升級: 不區分大小寫, 替換查找到的指定字符串
- 實戰1: 抓取網頁中的email地址(爬蟲)
- 實戰2: 代碼統計小程序
- 貪婪模式與非貪婪模式
- Greedy quantifiers 貪婪模式
- Reluctant quantifiers 非貪婪模式(勉強的, 不情愿的)
- Possessive quantifiers 獨占模式
介紹
•正則表達式一般用于字符串匹配, 字符串查找和字符串替換. 別小看它的作用, 在工作學習中靈活運用正則表達式處理字符串能夠大幅度提高效率, 編程的快樂來得就是這么簡單.
•一下子給出一堆匹配的規則可能會讓人恐懼, 下面將由淺入深講解正則表達式的使用.
從簡單例子認識正則表達式匹配
•先上代碼
public class Demo1 {
public static void main(String[] args) {
//字符串abc匹配正則表達式"...", 其中"."表示一個字符
//"..."表示三個字符
System.out.println("abc".matches("..."));
System.out.println("abcd".matches("..."));
}
}
//輸出結果
true
false
•String類中有個matches(String regex)方法, 返回值為布爾類型, 用于告訴這個字符串是否匹配給定的正則表達式.
•在本例中我們給出的正則表達式為..., 其中每個.表示一個字符, 整個正則表達式的意思是三個字符, 顯然當匹配abc的時候結果為true, 匹配abcd時結果為false.
Java中對正則表達式的支持(各種語言有相應的實現)
•在java.util.regex包下有兩個用于正則表達式的類, 一個是Matcher類, 另一個Pattern. Java官方文檔中給出對這兩個類的典型用法, 代碼如下:
public class Demo1 {
public static void main(String[] args) {
//字符串abc匹配正則表達式"...", 其中"."表示一個字符
//"..."表示三個字符
System.out.println("abc".matches("..."));
System.out.println("abcd".matches("..."));
}
}
//輸出結果
true
false
•如果要深究正則表達式背后的原理, 會涉及編譯原理中自動機等知識, 此處不展開描述. 為了達到通俗易懂, 這里用較為形象的語言描述.
•Pattern可以理解為一個模式, 字符串需要與某種模式進行匹配. 比如Demo2中, 我們定義的模式是一個長度為3的字符串, 其中每個字符必須是a~z中的一個.
•我們看到創建Pattern對象時調用的是Pattern類中的compile方法, 也就是說對我們傳入的正則表達式編譯后得到一個模式對象. 而這個經過編譯后模式對象, 會使得正則表達式使用效率會大大提高, 并且作為一個常量, 它可以安全地供多個線程并發使用.
•Matcher可以理解為模式匹配某個字符串后產生的結果. 字符串和某個模式匹配后可能會產生很多個結果, 這個會在后面的例子中講解.
•最后當我們調用m.matches()時就會返回完整字符串與模式匹配的結果
•上面的三行代碼可以簡化為一行代碼
System.out.println("abc".matches("[a-z]{3}"));
•但是如果一個正則表達式需要被重復匹配, 這種寫法效率較低.
初步認識 . + * ?
•在介紹之前首先要說明的是, 正則表達式的具體含義不用強背, 各個符號的含義在Java官方文檔的Pattern類描述中或網上有詳細的定義. 當然能熟用就更好了.
public class Demo3 {
/**
* 為了省略每次寫打印語句, 這里把輸出語句封裝起來
* @param o
*/
private static void p(Object o){
System.out.println(o);
}
/**
* . Any character (may or may not match line terminators), 任意字符
* X? X, once or not at all 零個或一個
* X* X, zero or more times 零個或多個
* X+ X, one or more times 一個或多個
* X{n} X, exactly n times x出現n次
* X{n,} X, at least n times x出現至少n次
* X{n,m} X, at least n but not more than m times 出現n~m次
* @param args
*/
public static void main(String[] args) {
p("a".matches("."));
p("aa".matches("aa"));
p("aaaa".matches("a*"));
p("aaaa".matches("a+"));
p("".matches("a*"));
p("a".matches("a?"));
// \d A digit: [0-9], 表示數字, 但是在java中對"\"這個符號需要使用\進行轉義, 所以出現\\d
p("2345".matches("\\d{2,5}"));
// \\.用于匹配"."
p("192.168.0.123".matches("\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}"));
// [0-2]指必須是0~2中的一個數字
p("192".matches("[0-2][0-9][0-9]"));
}
}
//輸出結果
//全為true
范圍
•[]用于描述一個字符的范圍, 下面是一些例子
public class Demo4 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
//[abc]指abc中的其中一個字母
p("a".matches("[abc]"));
//[^abc]指除了abc之外的字符
p("1".matches("[^abc]"));
//a~z或A~Z的字符, 以下三個均是或的寫法
p("A".matches("[a-zA-Z]"));
p("A".matches("[a-z|A-Z]"));
p("A".matches("[a-z[A-Z]]"));
//[A-Z[REQ]]指A~Z中并且屬于REQ其中之一的字符
p("R".matches("[A-Z[REQ]]"));
}
}
//輸出結果
全部為true
認識\s \w \d - 下面介紹數字和字母的正則表達, 這是編程中使用最多的字符了.
關于\
•這里重點介紹最不好理解的\. 在Java中的字符串中, 如果要用到特殊字符, 必須通過在前面加\進行轉義.
•舉個例子, 考慮這個字符串"老師大聲說:"同學們,快交作業!"". 如果我們沒有轉義字符, 那么開頭的雙引號的結束應該在說:"這里, 但是我們的字符串中需要用到雙引號, 所以需要用轉義字符
•使用轉義字符后的字符串為"老師大聲說:\"同學們,快交作業!\"", 這樣我們的原意才能被正確識別.
•同理如果我們要在字符串中使用\, 也應該在前面加一個\, 所以在字符串中表示為"\\"
•那么如何在正則表達式中表示要匹配\呢, 答案為"\\\\".
•我們分開考慮: 由于正則式中表示\同樣需要轉義, 所以前面的\\表示正則表達式中的轉義字符\, 后面的\\表示正則表達式中\本身, 合起來在正則表達式中表示\.
•如果感覺有點繞的話請看下面代碼
public class Demo5 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
/**
* \d A digit: [0-9] 數字
* \D A non-digit: [^0-9] 非數字
* \s A whitespace character: [ \t\n\x0B\f\r] 空格
* \S A non-whitespace character: [^\s] 非空格
* \w A word character: [a-zA-Z_0-9] 數字字母和下劃線
* \W A non-word character: [^\w] 非數字字母和下劃線
*/
// \\s{4}表示4個空白符
p(" \n\r\t".matches("\\s{4}"));
// \\S表示非空白符
p("a".matches("\\S"));
// \\w{3}表示數字字母和下劃線
p("a_8".matches("\\w{3}"));
p("abc888^%".matches("[a-z]{1,3}\\d+[%^*]+"));
// 匹配 \
p("\\".matches("\\\\"));
}
}
//輸出結果
全部為true
邊界處理
•^在中括號內表示取反的意思[^], 如果不在中括號里則表示字符串的開頭.
public class Demo6 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
/**
* ^ The beginning of a line 一個字符串的開始
* $ The end of a line 字符串的結束
* \b A word boundary 一個單詞的邊界, 可以是空格, 換行符等
*/
p("hello sir".matches("^h.*"));
p("hello sir".matches(".*r$"));
p("hello sir".matches("^h[a-z]{1,3}o\\b.*"));
p("hellosir".matches("^h[a-z]{1,3}o\\b.*"));
}
}
練習:匹配空白行合email地址
•拿到一篇文章, 如何判斷里面有多少個空白行? 用正則表達式能方便地進行匹配, 注意空白行中可能包括空格, 制表符等.
p(" \n".matches("^[\\s[^\n]]*\\n$"));
•解釋: ^[\\s[^\n]]*是空格符號但不是換行符, \\n$最后以換行符結束
•下面是匹配郵箱
p("liuyj24@126.com".matches("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+"));
•解釋: [\\w[.-]]+以一個或多個數字字母下劃線.或-組成, @接著是個@符號, 然后同樣是[\\w[.-]]+, 接著\\.匹配., 最后同樣是[\\w]+
Matcher類的matches(),find()和lookingAt()
•matches()方法會將整個字符串與模板進行匹配.
•find()則是從當前位置開始進行匹配, 如果傳入字符串后首先進行find(), 那么當前位置就是字符串的開頭, 對當前位置的具體分析可以看下面的代碼示例
•lookingAt()方法會從字符串的開頭進行匹配.
public class Demo8 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
Pattern pattern = Pattern.compile("\\d{3,5}");
String s = "123-34345-234-00";
Matcher m = pattern.matcher(s);
//先演示matches(), 與整個字符串匹配.
p(m.matches());
//結果為false, 顯然要匹配3~5個數字會在-處匹配失敗
//然后演示find(), 先使用reset()方法把當前位置設置為字符串的開頭
m.reset();
p(m.find());//true 匹配123成功
p(m.find());//true 匹配34345成功
p(m.find());//true 匹配234成功
p(m.find());//false 匹配00失敗
//下面我們演示不在matches()使用reset(), 看看當前位置的變化
m.reset();//先重置
p(m.matches());//false 匹配整個字符串失敗, 當前位置來到-
p(m.find());// true 匹配34345成功
p(m.find());// true 匹配234成功
p(m.find());// false 匹配00始邊
p(m.find());// false 沒有東西匹配, 失敗
//演示lookingAt(), 從頭開始找
p(m.lookingAt());//true 找到123, 成功
}
}
Matcher類中的start()和end()
•如果一次匹配成功的話start()用于返回匹配開始的位置, end()用于返回匹配結束字符的后面一個位置
public class Demo9 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
Pattern pattern = Pattern.compile("\\d{3,5}");
String s = "123-34345-234-00";
Matcher m = pattern.matcher(s);
p(m.find());//true 匹配123成功
p("start: " + m.start() + " - end:" + m.end());
p(m.find());//true 匹配34345成功
p("start: " + m.start() + " - end:" + m.end());
p(m.find());//true 匹配234成功
p("start: " + m.start() + " - end:" + m.end());
p(m.find());//false 匹配00失敗
try {
p("start: " + m.start() + " - end:" + m.end());
}catch (Exception e){
System.out.println("報錯了...");
}
p(m.lookingAt());
p("start: " + m.start() + " - end:" + m.end());
}
}
//輸出結果
true
start: 0 - end:3
true
start: 4 - end:9
true
start: 10 - end:13
false
報錯了...
true
start: 0 - end:3
替換字符串
•想要替換字符串首先要找到被替換的字符串, 這里要新介紹Matcher類中的一個方法group(), 它能返回匹配到的字符串.
•下面我們看一個例子, 把字符串中的java轉換為大寫.
public class Demo10 {
private static void p(Object o){
System.out.println(o);
}
public static void main(String[] args) {
Pattern p = Pattern.compile("java");
Matcher m = p.matcher("java Java JAVA JAva I love Java and you");
p(m.replaceAll("JAVA"));//replaceAll()方法會替換所有匹配到的字符串
}
}
//輸出結果
JAVA Java JAVA JAva I love Java and you
升級: 不區分大小寫查找并替換字符串
•為了在匹配的時候不區分大小寫, 我們要在創建模板模板時指定大小寫不敏感
public static void main(String[] args) {
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);//指定為大小寫不敏感的
Matcher m = p.matcher("java Java JAVA JAva I love Java and you");
p(m.replaceAll("JAVA"));
}
//輸出結果
JAVA JAVA JAVA JAVA I love JAVA and you
再升級: 不區分大小寫, 替換查找到的指定字符串
•這里演示把查找到第奇數個字符串轉換為大寫, 第偶數個轉換為小寫
•這里會引入Matcher類中一個強大的方法appendReplacement(StringBuffer sb, String replacement), 它需要傳入一個
StringBuffer進行字符串拼接.
public static void main(String[] args) {
Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
Matcher m = p.matcher("java Java JAVA JAva I love Java and you ?");
StringBuffer sb = new StringBuffer();
int index = 1;
while(m.find()){
//m.appendReplacement(sb, (index++ 1) == 0 ? "java" : "JAVA"); 較為簡潔的寫法
if((index 1) == 0){//偶數
m.appendReplacement(sb, "java");
}else{
m.appendReplacement(sb, "JAVA");
}
index++;
}
m.appendTail(sb);//把剩余的字符串加入
p(sb);
}
//輸出結果
JAVA java JAVA java I love JAVA and you ?
分組
•先從一個問題引入, 看下面這段代碼
public static void main(String[] args) {
Pattern p = Pattern.compile("\\d{3,5}[a-z]{2}");
String s = "123aa-5423zx-642oi-00";
Matcher m = p.matcher(s);
while(m.find()){
p(m.group());
}
}
//輸出結果
123aa
5423zx
642oi
•其中正則表達式"\\d{3,5}[a-z]{2}"表示3~5個數字跟上兩個字母, 然后打印出每個匹配到的字符串.
•如果想要打印每個匹配串中的數字, 如何操作呢.
•首先你可能想到把匹配到的字符串再進行匹配, 但是這樣太麻煩了, 分組機制可以幫助我們在正則表達式中進行分組.
•規定使用()進行分組, 這里我們把字母和數字各分為一組"(\\d{3,5})([a-z]{2})"
•然后在調用m.group(int group)方法時傳入組號即可
•注意, 組號從0開始, 0組代表整個正則表達式, 從0之后, 就是在正則表達式中從左到右每一個左括號對應一個組. 在這個表達式中第1組是數字, 第2組是字母.
public static void main(String[] args) {
Pattern p = Pattern.compile("(\\d{3,5})([a-z]{2})");//正則表達式為3~5個數字跟上兩個字母
String s = "123aa-5423zx-642oi-00";
Matcher m = p.matcher(s);
while(m.find()){
p(m.group(1));
}
}
//輸出結果
123
5423
642
實戰1: 抓取網頁中的email地址(爬蟲)
•假設我們手頭上有一些優質的資源, 打算分享給網友, 于是便到貼吧上發出一個留郵箱發資源的帖子. 沒想到網友熱情高漲, 留下了近百個郵箱. 但逐個復制發送太累了, 我們考慮用程序實現.
•這里不展開講發郵件部分, 重點應用已經學到的正則表達式從網頁中截取所有的郵箱地址.
•首先獲取一個帖子的html代碼隨便找了一個, 點擊跳轉, 在瀏覽器中點擊右鍵保存html文件
•接下來看代碼:
public class Demo12 {
public static void main(String[] args) {
BufferedReader br = null;
try {
br = new BufferedReader(new FileReader("C:\\emailTest.html"));
String line = "";
while((line = br.readLine()) != null){//讀取文件的每一行
parse(line);//解析其中的email地址
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}finally {
if(br != null){
try {
br.close();
br = null;
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
private static void parse(String line){
Pattern p = Pattern.compile("[\\w[.-]]+@[\\w[.-]]+\\.[\\w]+");
Matcher m = p.matcher(line);
while(m.find()){
System.out.println(m.group());
}
}
}
//輸出結果
2819531636@qq.com
2819531636@qq.com
2405059759@qq.com
2405059759@qq.com
1013376804@qq.com
...
實戰2: 代碼統計小程序
•最后的一個實戰案例: 統計一個項目中一共有多少行代碼, 多少行注釋, 多少個空白行. 不妨對自己做過的項目進行統計, 發現不知不覺中也是個寫過成千上萬行代碼的人了...
•我在github上挑選了一個項目, 是純java寫的小項目, 方便統計. 點擊跳轉
•下面是具體的代碼, 除了判斷空行用了正則表達式外, 判斷代碼行和注釋行用了String類的api
public class Demo13 {
private static long codeLines = 0;
private static long commentLines = 0;
private static long whiteLines = 0;
private static String filePath = "C:\\TankOnline";
public static void main(String[] args) {
process(filePath);
System.out.println("codeLines : " + codeLines);
System.out.println("commentLines : " + commentLines);
System.out.println("whiteLines : " + whiteLines);
}
/**
* 遞歸查找文件
* @param pathStr
*/
public static void process(String pathStr){
File file = new File(pathStr);
if(file.isDirectory()){//是文件夾則遞歸查找
File[] fileList = file.listFiles();
for(File f : fileList){
String fPath = f.getAbsolutePath();
process(fPath);
}
}else if(file.isFile()){//是文件則判斷是否是.java文件
if(file.getName().matches(".*\\.java$")){
parse(file);
}
}
}
private static void parse(File file) {
BufferedReader br = null;
try {
br = new BufferedReader(new FileReader(file));
String line = "";
while((line = br.readLine()) != null){
line = line.trim();//清空每行首尾的空格
if(line.matches("^[\\s[^\\n]]*$")){//注意不是以\n結尾, 因為在br.readLine()會去掉\n
whiteLines++;
}else if(line.startsWith("/*") || line.startsWith("*") || line.endsWith("*/")){
commentLines++;
}else if(line.startsWith("http://") || line.contains("http://")){
commentLines++;
}else{
if(line.startsWith("import") || line.startsWith("package")){//導包不算
continue;
}
codeLines++;
}
}
} catch (FileNotFoundException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
} finally {
if(null != br){
try {
br.close();
br = null;
} catch (IOException e) {
e.printStackTrace();
}
}
}
}
}
//輸出結果
codeLines : 1139
commentLines : 124
whiteLines : 172
貪婪模式與非貪婪模式
•經過兩個實戰后, 相信大家已經掌握了正則表達式的基本使用了, 下面介紹貪婪模式與非貪婪模式. 通過查看官方api我們發現Pattern類中有如下定義:
Greedy quantifiers 貪婪模式
X? X, once or not at all
X* X, zero or more times
X+ X, one or more times
X{n} X, exactly n times
X{n,} X, at least n times
X{n,m} X, at least n but not more than m times
Reluctant quantifiers 非貪婪模式(勉強的, 不情愿的)
X?? X, once or not at all
X*? X, zero or more times
X+? X, one or more times
X{n}? X, exactly n times
X{n,}? X, at least n times
X{n,m}? X, at least n but not more than m times
Possessive quantifiers 獨占模式
X?+ X, once or not at all
X*+ X, zero or more times
X++ X, one or more times
X{n}+ X, exactly n times
X{n,}+ X, at least n times
X{n,m}+ X, at least n but not more than m times
•這三種模式表達的意思是一樣的, 在前面的講解中我們全部使用的是貪婪模式. 那么其他兩種模式的寫法有什么區別呢? 通過下面的代碼示例進行講解.
public static void main(String[] args) {
Pattern p = Pattern.compile(".{3,10}[0-9]");
String s = "aaaa5bbbb6";//10個字符
Matcher m = p.matcher(s);
if(m.find()){
System.out.println(m.start() + " - " + m.end());
}else {
System.out.println("not match!");
}
}
//輸出結果
0 - 10
•正則表達式的意思是3~10個字符加一個數字. 在貪婪模式下匹配時, 系統會先吞掉10個字符, 這時檢查最后一個是否時數字, 發現已經沒有字符了, 于是吐出來一個字符, 再次匹配數字, 匹配成功, 得到0-10.
•下面是非貪婪模式演示(勉強的, 不情愿的)
public static void main(String[] args) {
Pattern p = Pattern.compile(".{3,10}?[0-9]");//添加了一個?
String s = "aaaa5bbbb6";
Matcher m = p.matcher(s);
if(m.find()){
System.out.println(m.start() + " - " + m.end());
}else {
System.out.println("not match!");
}
}
//輸出結果
0 - 5
•在非貪婪模式下, 首先只會吞掉3個(最少3個), 然后判斷后面一個是否是數字, 結果不是, 在往后吞一個字符, 繼續判斷后面的是否數字, 結果是, 輸出0-5
•最后演示獨占模式, 通常只在追求效率的情況下這么做, 用得比較少
public static void main(String[] args) {
Pattern p = Pattern.compile(".{3,10}+[0-9]");//多了個+
String s = "aaaa5bbbb6";
Matcher m = p.matcher(s);
if(m.find()){
System.out.println(m.start() + " - " + m.end());
}else {
System.out.println("not match!");
}
}
//輸出結果
not match!
•獨占模式會一下吞進10個字符, 然后判斷后一個是否是數字, 不管是否匹配成功它都不會繼續吞或者吐出一個字符.
總結
以上所述是小編給大家介紹的正則表達式在Java中的使用,希望對大家有所幫助，如果大家有任何疑問請給我留言，小編會及時回復大家的。在此也非常感謝大家對腳本之家網站的支持！
如果你覺得本文對你有幫助，歡迎轉載，煩請注明出處，謝謝！
您可能感興趣的文章:- Java使用正則表達式檢索、替換String中特定字符和正則表達式的一切
- Java新手入門學習之正則表達式
- Java正則表達式如何匹配特定html標簽內的內容
- Java中正則表達式split()特殊符號使用詳解
- Java正則表達式Pattern和Matcher原理詳解
- Java使用正則表達式驗證用戶名和密碼的方法
- java正則表達式獲取大括號小括號內容并判斷數字和小數親測可用
- Java常用正則表達式驗證類完整實例【郵箱、URL、IP、電話、身份證等】
- Java正則表達式工具方法匯總
