Java 正则表达式详解.doc

Java 正则表达式详解类型:转载如果你曾经用过 Perl 或任何其他内建正则表达式支持的语言,你一定知道用正则表达式处理文本和匹配模式是多么简单。如果你不熟悉这个术语,那么“正则表达式”(Regular Expression )就是一个字符构成的串,它定义了一个用来搜索匹配字符串的模式。许多语言,包括 Perl 、PHP 、Python 、JavaScript 和JScript ,都支持用正则表达式处理文本,一些文本编辑器用正则表达式实现高级“搜索-替换”功能。那么Jav a又怎样呢? 本文写作时,一个包含了用正则表达式进行文本处理的 Java 规范需求(Specification Request )已经得到认可,你可以期待在 JDK 的下一版本中看到它。然而,如果现在就需要使用正则表达式,又该怎么办呢?你可以从 下载源代码开放的 Jakarta-ORO 库。本文接下来的内容先简要地介绍正则表达式的入门知识,然后以 Jakarta-ORO API 为例介绍如何使用正则表达式。一、正则表达式基础知识我们先从简单的开始。假设你要搜索一个包含字符“cat ”的字符串,搜索用的正则表达式就是“cat ”。如果搜索对大小写不敏感,单词“catalog ”、“Catherine ”、“sophisticated ”都可以匹配。也就是说: 句点符号假设你在玩英文拼字游戏,想要找出三个字母的单词,而且这些单词必须以“t”字母开头,以“n”字母结束。另外,假设有一本英文字典,你可以用正则表达式搜索它的全部内容。要构造出这个正则表达式,你可以使用一个通配符——句点符号“.”。这样, 完整的表达式就是“ ”,它匹配“tan ”、“ten ”、“tin ”和“ton ”,还匹配“t#n ”、“tpn ”甚至“tn”,还有其他许多无意义的组合。这是因为句点符号匹配所有字符,包括空格、 Tab 字符甚至换行符: 方括号符号为了解决句点符号匹配范围过于广泛这一问题,你可以在方括号( “[]”)里面指定看来有意义的字符。此时,只有方括号里面指定的字符才参与匹配。也就是说,正则表达式“t[aeio]n ”只匹配“tan ”、“Ten ”、“tin ”和“ton ”。但“Toon ”不匹配,因为在方括号之内你只能匹配单个字符: “或”符号如果除了上面匹配的所有单词之外,你还想要匹配“toon ”,那么,你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon ”,使用“t(a|e|i|o|oo)n ”正则表达式。这里不能使用方扩号,因为方括号只允许匹配单个字符;这里必须使用圆括号“()”。圆括号还可以用来分组,具体请参见后面介绍。 表示匹配次数的符号表一显示了表示匹配次数的符号,这些符号用来确定紧靠该符号左边的符号出现的次数: 假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是 999-99-9999 。用来匹配它的正则表达式如图一所示。在正则表达式中,连字符( “-”)有着特殊的意义,它表示一个范围,比如从 0到9。因此,匹配社会安全号码中的连字符号时,它的前面要加上一个转义字符“\”。图一:匹配所有 123-12-1234 形式的社会安全号码假设进行搜索的时候,你希望连字符号可以出现,也可以不出现——即,999-99-9999 和 999999999 都属于正确的格式。这时,你可以在连字符号后面加上“?”数量限定符号, 如图二所示: 图二:匹配所有 123-12-1234 和123121234 形式的社会安全号码下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“[0-9]{4} ”,再加上字母部分“[A-Z]{2} ”。图三显示了完整的正则表达式。图三:匹配典型的美国汽车牌照号码,如 8836KV “否”符号“^”符号称为“否”符号。如果用在方括号内, “^”表示不想要匹配的字符。例如, 图四的正则表达式匹配所有单词,但以“X”字母开头的单词除外。图四:匹配所有单词,但“X”开头的除外 圆括号和空白符号假设要从格式为“June 26, 1951 ”的生日日期中提取出月份部分,用来匹配该日期的正则表达式可以如图五所示: 图五:匹配所有 Moth DD,YYYY 格式的日期新出现的“\s”符号是空白符号,匹配所有的空白字符,包括 Tab 字符。如果字符串正确匹配,接下来如何提取出月份部分呢?只需在月份周围加上一个圆括号创建一个组, 然后用 ORO API (本文后面详细讨论)提取出它的值。修改后的正则表达式如图六所示: 图六:匹配所有 Month DD,YYYY 格式的日期,定义月份值为第一个组 其它符号为简便起