正则表达式

1.2.1正则表达式语法

要想学会正则表达式，理解元字符是一个必须攻克的难关，这里先给出常用元字符的语法，如表1.1所示。即使不能完全看懂也没有关系，我们会在后边通过更多例子帮助读者理解。

表 1.1正则表达式语法

1.2.2 Java中的正则表达式API

在JDK1.3及之前的JDK版本中并没有包含正则表达式的类，如果要在Java中使用正则表达式必须使用第三方提供的正则表达式库，最有名的就是Jakarta-ORO，Jakarta-ORO库以前叫做OROMatcher，是Daniel Savarese赠送给Jakarta Project的一个开源包。

使用的时候首先要创建一个实现了PatternCompiler接口的实例变量以创建一个“模式编译器”，Jakarta-ORO中实现了这个接口的类就是Perl5Compiler，这个类做到了与Perl5的正则表达式完全兼容。

PatternCompiler compiler=new Perl5Compiler();

接着调用“模式编译器”的compile方法编译正则表达式：

Pattern pattern= compiler.compile("b[iue]g ");

接着创建一个实现了PatternMatcher接口的实例变量以创建一个“模式匹配器”，Jakarta-ORO中实现了这个接口的类就是Perl5Matcher：

PatternMatcher matcher=new Perl5Matcher();

然后就可以调用PatternMatcher 接口中的contains、matches等方法来进行模式匹配了。

Jakarta-ORO的使用是非常简便的，而且效率非常高，支持的正则表达式语法也是非常全的，唯一的缺点就是它不是JDK中的标准包。从JDK1.4开始提供了支持正则表达式API，它们位于java.util.regex包中，由于已经有了标准API，所以本书将会用java.util.regex进行正则表达式的相关操作。

java.util.regex中定义了一些表达式的简写，可以使得表达式显得更加简洁清晰：

/t：制表符，等同于/u0009

/n：换行符，等同于/u000A

/d：代表一个数字，等同于[0-9]

/D：代表非数字，等同于[^0-9]

/s：代表换行符、Tab制表符等空白字符

/S：代表非空白字符

/w：字母字符，等同于[a-zA-Z_0-9]

/W：非字母字符，等同于[^/w]

1.2.3java.util.regex的使用

java.util.regex中包括了两个类：Pattern和Matcher，与Jakarta-ORO不同的是这两个类都是终态类，并且没有定义相关接口。一个Pattern对象就是一个正则表达式经编译后的表现模式，也就是前边所说的“模式编译器”；一个Matcher对象是一个状态机器，它根据Pattern对象做为匹配模式对字符串展开匹配检查，也就是前边说的“模式匹配器”。因为模式的编译过程是最先进行且与匹配过程独立的，所以这保证了进行批量字符串匹配时候的运行效率。

Pattern类有如下重要的方法：

(1)public static Pattern compile(String regex)：将给定的正则表达式编译并返回编译后的Pattern对象。

(2)public static Pattern compile(String regex,int flags)：将给定的正则表达式编译并返回编译后的Pattern对象，flag参数表示匹配时的选项，可选的flag参数包括：CASE_INSENSITIVE,COMMENTS，MULTILINE,DOTALL,UNICODE_CASE，CANON_EQ。

(3)public int flags()：返回flag选项参数.

(4)public static boolean matches(String regex,CharSequence input)：直接判断字符序列input是否匹配正则表达式regex。前面曾经提到当需要使用一个正则表达式进行多次匹配的时候，对正则表达式进行预编译能够加快运行速度，但是如果这个匹配只进行一次的话，就可以调用这个matches方法直接判断是否匹配，这样就方便多了。这段代码内部的实现代码就是：Pattern.compile(regex).matcher(input).matches()；

Matcher 类有如下重要的方法：

(1)public boolean matches()：生成一个给定命名的Matcher对象

(2)public String pattern()：返回该Pattern对象所编译的正则表达式。

(3)public String[] split(CharSequence input)

将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割。

(4)public String[] split(CharSequence input,int limit) 将目标字符序列input按照Pattern里所包含的正则表达式为模式进行分割，参数limit作用是指定要分割的段数，如将limi设为2，那么目标字符序列将根据正则表达式分为割为两段。

(5)public String group(int group) ：得到匹配结果中提取的第group个分组的值。此方法在字符串提取中经常用到。

(6)public String replaceAll(String replacement)：用指定的字符串替换匹配的子串。

下面看一下简单的正则表达式的例子。

【 例1-1 】 简单的字符匹配

代码 1.4简单的正则表达式字符匹配

运行结果为：

true

因为“b*g”匹配的字符0至多个“b”后面有一个“g”，所以“bbbbbbg”匹配。

这里采用简化形式，并匹配另外一个字符串：

boolean b = Pattern.matches("b*g","bug");

System.out.println(b);

false

正则表达式不仅能进行字符串的匹配，还能进行字符串的提取、替换。下面就演示一个字符串提取的例子：

【 例1-2 】 从文件路径中提取出文件名(包含后缀)

比如从“c:/dir1/dir2/name.txt”中提取出“name.txt”。

代码 1.5字符串提取

运行结果：name.txt

正则表达式“ .+/(.+)$”的含义就是：被匹配的字符串以任意字符序列开始，后边紧跟着字符“/”，最后以任意字符序列结尾，“()”代表分组操作，这里就是把文件名做为分组，匹配完毕我们就可以通过Matcher 类的group方法取到我们所定义的分组了。需要注意的这里的分组的索引值是从1开始的，所以取第一个分组的方法是m.group(1)而不是m.group(0)。