正则表达式和Java编程语言

副标题#e#

应用措施经常需要有文本处理惩罚成果，好比单词查找、电子邮件确认或XML文档 集成。这凡是会涉及到模式匹配。Perl、sed或awk等语言通过利用正则表达式来 改进模式匹配，正则表达式是一串字符，它所界说的模式可用来查找匹配的文本。为了利用Java^TM编程语言举办模式匹配，需 要利用带有很多charAt子字串的StringTokenizer类，读取字母或标记以便处理惩罚文本。这经常导致巨大或缭乱的代码。

此刻纷歧样了。

2平台尺度版（J2SE^TM）1.4版包括一个名 为java.util.regex的新软件包，使得利用正则表达式成为大概。 今朝的成果包罗元字符的利用，它赋予正则表达式极大的机动性

本文归纳综合地先容了正则表达式的利用，并具体表明如何操作java.util.regex软件包来利用正则表达式，用以下常见景象作为 例子：

简朴的单词替换

电子邮件确认

从文件中删除节制字符

查找文件

为了编译这些例子中的代码和在应用措施中利用正则表达式，需要安装 J2SE 1.4版。

结构正则表达式

正则表达式是一种字符模式，它描写的是一组字符串。你可以利用java.util.regex软件包，查找、显示或修改输入序列中呈现的 某个模式的一部门或全部。

正则表达式最简朴的形式是一个准确的字符串，好比“Java”或 “programming”。正则表达式匹配还答允你查抄一个字符串是否切合某个详细的 句法形式，好比是不是一个电子邮件地点。

为了编写正则表达式，普通字符和非凡字符都要利用：

$	^	.	*
+	?	[‘	‘]
.

正则表达式中呈现的任何其他字符都是普通字符，除非它前面有个\。

非凡字符有着出格的用处。譬喻，.可匹配除了换行符之外的任意字符。与s.n这样的正则表达式匹配的是任何三个字符的、以s开始以n竣事的字符串，包罗sun和son。

在正则表达式中有很多非凡字符，可以查找一行开头的单词，忽略巨细写或 巨细写敏感的单词，尚有非凡字符可以给出一个范畴，好比a-e表 示从a到e的任何字母。

#p#副标题#e#

利用这个新软件包的正则表达式用法与Perl雷同，所以假如你熟悉Perl中正则表达式的利用，就可以在Java语言中利用同样的表达式语法。假如你不熟悉正则 表达式，下面是一些入门的例子：

结构	匹配于
字符
x	字符 x
\\	反斜线字符
\0n	八进制值的字符0n (0 <= n <= 7)
\0nn	八进制值的字符 0nn (0 <= n <= 7)
\0mnn	八进制值的字符0mnn 0mnn (0 <= m <= 3, 0 <= n <= 7)
\xhh	十六进制值的字符0xhh
\uhhhh	十六进制值的字符0xhhhh
\t	制表符(‘\u0009’)
\n	换行符 (‘\u000A’)
\r	回车符 (‘\u000D’)
\f	换页符 (‘\u000C’)
\a	响铃符 (‘\u0007’)
\e	转义符 (‘\u001B’)
\cx	T对应于x的节制字符 x
字符类
[abc]	a, b, or c (简朴类)
[^abc]	除了a、b或c之外的任意 字符（求反）
[a-zA-Z]	a到z或A到Z ，包括（范畴)
[a-z-[bc]]	a到z，除了b和c ： [ad-z]（减去）
[a-z-[m-p]]	a到z，除了m到 p： [a-lq-z]
[a-z-[^def]]	d, e, 或 f
预界说的字符类
.	任意字符（也许能与行终止符匹配，也许不能）
\d	数字: [0-9]
\D	非数字: [^0-9]
\s	空格符: [ \t\n\x0B\f\r]
\S	非空格符: [^\s]
\w	单词字符: [a-zA-Z_0-9]
\W	非单词字符: [^\w]

有关进一步的详情和例子，请参阅 Pattern类的文档。

类和要领

下面的类按照正则表达式指定的模式，与字符序罗列办匹配。

#p#副标题#e#

Pattern类

Pattern类的实例暗示以字符串形式指定的正则表达式，其语 法雷同于Perl所用的语法。

#p#分页标题#e#

用字符串形式指定的正则表达式，必需先编译成Pattern类的 实例。生成的模式用于建设Matcher工具，它按照正则表达式与任 意字符序罗列办匹配。多个匹配器可以共享一个模式，因为它长短专属的。

用compile要领把给定的正则表达式编译成模式，然后用 matcher要领建设一个匹配器，这个匹配器将按照此模式对给定输 入举办匹配。pattern 要领可返回编译这个模式所用的正则表达 式。

split要领是一种利便的要领，它在与此模式匹配的位置将给 定输入序列切分隔。下面的例子演示了：

/*
* 用split对以逗号和/或空格脱离的输入字符串举办切分。
*/
import java.util.regex.*;
public class Splitter {
public static void main(String[] args) throws Exception {
// Create a pattern to match breaks
Pattern p = Pattern.compile("[,\\s]+");
// Split input with the pattern
String[] result =
p.split("one,two, three four , five");
for (int i=0; i<result.length; i++)
System.out.println(result[i]);
}
}

Matcher类

Matcher类的实例用于按照给定的字符串序列模式，对字符序 罗列办匹配。利用CharSequence接口把输入提供应匹配器，以便 支持来自多种多样输入源的字符的匹配。

通过挪用某个模式的matcher要领，从这个模式生成匹配器。匹配器建设之后，就可以用它来执行三类差异的匹配操纵：

matches要领试图按照此模式，对整个输入序罗列办匹配。

lookingAt要领试图按照此模式，从开始处对输入序列进 行匹配。

find要领将扫描输入序列，寻找下一个与模式匹配的处所。

这些要领城市返回一个暗示乐成或失败的布尔值。假如匹配乐成，通过查询 匹配器的状态，可以得到更多的信息

这个类还界说了用新字符串替换匹配序列的要领，这些字符串的内容假如需 要的话，可以从匹配功效推算得出。

appendReplacement要领先添加字符串中从当前位置到下一个 匹配位置之间的所有字符，然后添加替换值。appendTail添加的 是字符串中从最后一次匹配的位置之后开始，直到末了的部门。

譬喻，在字符串blahcatblahcatblah中，第一个 appendReplacement添加blahdog。第二个 appendReplacement添加blahdog，然后 appendTail添加blah，就生成了： blahdogblahdogblah。请拜见示例 简朴的单词替换。

CharSequence接口

CharSequence接口为很多差异范例的字符序列提供了统一的只 读会见。你提供要从差异来历搜索的数据。用String, StringBuffer 和CharBuffer实现CharSequence,，这样就可以很 容易地从它们哪里得到要搜索的数据。假如这些可用数据源没一个符合的，你可 以通过实现CharSequence接口，编写你本身的输入源。

Regex情景典型

以下代码典型演示了java.util.regex软件包在各类常见景象 下的用法：

#p#副标题#e#

#p#分页标题#e#

简朴的单词替换

/*
* This code writes "One dog, two dogs in the yard."
* to the standard-output stream:
*/
import java.util.regex.*;
public class Replacement {
public static void main(String[] args)
			 throws Exception {
// Create a pattern to match cat
Pattern p = Pattern.compile("cat");
// Create a matcher with an input string
Matcher m = p.matcher("one cat," +
		   " two cats in the yard");
StringBuffer sb = new StringBuffer();
boolean result = m.find();
// Loop through and create a new String
// with the replacements
while(result) {
m.appendReplacement(sb, "dog");
result = m.find();
}
// Add the last segment of input to
// the new String
m.appendTail(sb);
System.out.println(sb.toString());
}
}

电子邮件确认

以下代码是这样一个例子：你可以查抄一些字符是不是一个电子邮件地点。 它并不是一个完整的、合用于所有大概景象的电子邮件确认措施，可是可以在 需要时加上它。

/*
* Checks for invalid characters
* in email addresses
*/
public class EmailValidation {
public static void main(String[] args) 
					 throws Exception {
String input = "@sun.com";
//Checks for email addresses starting with
//inappropriate symbols like dots or @ signs.
Pattern p = Pattern.compile("^\\.|^\\@");
Matcher m = p.matcher(input);
if (m.find())
System.err.println("Email addresses don't start" +
				" with dots or @ signs.");
//Checks for email addresses that start with
//www. and prints a message if it does.
p = Pattern.compile("^www\\.");
m = p.matcher(input);
if (m.find()) {
System.out.println("Email addresses don't start" +
	" with \"www.\", only web pages do.");
}
p = Pattern.compile("[^A-Za-z0-9\\.\\@_\\-~#]+");
m = p.matcher(input);
StringBuffer sb = new StringBuffer();
boolean result = m.find();
boolean deletedIllegalChars = false;
while(result) {
deletedIllegalChars = true;
m.appendReplacement(sb, "");
result = m.find();
}
// Add the last segment of input to the new String
m.appendTail(sb);
input = sb.toString();
if (deletedIllegalChars) {
System.out.println("It contained incorrect characters" +
			   " , such as spaces or commas.");
}
}
}

#p#副标题#e#

从文件中删除节制字符

/* This class removes control characters from a named
*  file.
*/
import java.util.regex.*;
import java.io.*;
public class Control {
public static void main(String[] args) 
					 throws Exception {
//Create a file object with the file name
//in the argument:
File fin = new File("fileName1");
File fout = new File("fileName2");
//Open and input and output stream
FileInputStream fis = 
			  new FileInputStream(fin);
FileOutputStream fos = 
			new FileOutputStream(fout);
BufferedReader in = new BufferedReader(
		   new InputStreamReader(fis));
BufferedWriter out = new BufferedWriter(
		  new OutputStreamWriter(fos));
// The pattern matches control characters
Pattern p = Pattern.compile("{cntrl}");
Matcher m = p.matcher("");
String aLine = null;
while((aLine = in.readLine()) != null) {
m.reset(aLine);
//Replaces control characters with an empty
//string.
String result = m.replaceAll("");
out.write(result);
out.newLine();
}
in.close();
out.close();
}
}

#p#副标题#e#

文件查找

/*
* Prints out the comments found in a .java file.
*/
import java.util.regex.*;
import java.io.*;
import java.nio.*;
import java.nio.charset.*;
import java.nio.channels.*;
public class CharBufferExample {
public static void main(String[] args) throws Exception {
// Create a pattern to match comments
Pattern p =
Pattern.compile("//.*$", Pattern.MULTILINE);
// Get a Channel for the source file
File f = new File("Replacement.java");
FileInputStream fis = new FileInputStream(f);
FileChannel fc = fis.getChannel();
// Get a CharBuffer from the source file
ByteBuffer bb =
fc.map(FileChannel.MAP_RO, 0, (int)fc.size());
Charset cs = Charset.forName("8859_1");
CharsetDecoder cd = cs.newDecoder();
CharBuffer cb = cd.decode(bb);
// Run some matches
Matcher m = p.matcher(cb);
while (m.find())
System.out.println("Found comment: "+m.group());
}
}

结论

此刻Java编程语言中的模式匹配和很多其他编程语言一样机动了。可以在应 用措施中利用正则表达式，确保数据在输入数据库或发送给应用措施其他部门之 前，名目是正确的，正则表达式还可以用于各类百般的打点性事情。简而言之， 在Java编程中，可以在任何需要模式匹配的处所利用正则表达式。