文章出处:http://topic.csdn.net/u/20080627/14/8a91b33a-f35c-4303-85b5-e0a8da462202.html
1 多行匹配 2 不以某某开头 ,比如不以www开头 3 不区分大小写 4 2个单元的或操作,比如 www | 3w 都可以这种
火龙果回答:
1:多行匹配 在默认的情况下 . 是不能匹配行结束符的(行结束符有 6 个,具体的可以看看 Pattern 的 API DOC) 同样,可以像不匹配大小写匹配那样使用编译参数:Pattern.DOTALL 如果还得区分大小写的话,还得加上上面说到的 Pattern.CASE_INSENSITIVE 这个,举个例子:
- importjava.util.regex.Matcher;
- importjava.util.regex.Pattern;publicclassTest{
-
- staticvoidmain(String[]args){
- Stringstr=
- "<table>n"+
- "<tr>n"+
- "<td>n"+
- "HelloWorld!n"+
- "</td>n"+
- "</tr>n"+
- "</table>";
- Stringregex="<td>(.+?)</td>";
- Patternpattern=Pattern.compile(regex);
- Matchermatcher=pattern.matcher(str);
- while(matcher.find()){
- System.out.println(matcher.group(1).trim());
- }
- }
上面这个是不能从 str 抽取出东西的,因为 td 的后面带有换行符,我们只要更改一下: Pattern pattern = Pattern.compile(regex,Pattern.DOTALL); 这样就行了,如果 td 还得不区分大小写的话,再改成:
Pattern pattern=Pattern.compile(regex,Pattern.DOTALL|Pattern.CASE_INSENSITIVE);
这样的话,td 哪怕是大写的这个表达式都能把 td 之间的字符区抽取出来。 当然和 Pattern.CASE_INSENSITIVE 一样,Pattern.DOTALL 也有内嵌标志表达式,即 (?s) s 的意思表示 single-line 就是忽略换行符什么的,只看成单行进行处理。 这个表达式使用内嵌 (?s) 的话可以改为:
String regex="(?s)<td>(.+?)</td>"; 如果还要不区分大小写的话,再加上 i 标志: String regex="(?s)(?i)<td>(.+?)</td>"; 但这样显得很拖沓,可以把它们合并起来: String regex="(?is)<td>(.+?)</td>";//秩序无所谓
最后需要说明一下的是,我曾看到过由于不明白 DOTALL,为了让 . 匹配行结束符,直接把表达式写成:
String regex="<td>((.|s)+?)</td>;
这样做是极其危险的,由于选择结构的匹配效率问题,这样做在比较长的字符串时会造成堆栈溢出, 使程序崩溃,如果使用 DOTALL 或者 (?s) 的话就不会出现这种情况。
2:不以某某开头 ,比如不以www开头 String[]strs={
"abc1232","wwwadsf",
"awwwfas","wwadfsf",250)"> "","ww","","www"
};
Stringregex="(?:(?!^www).)*";
for(Stringstr:strs){
System.out.printf("%-7s%s%n",str,str.matches(regex));
(?!X) 专业名称为 Negative Lookahead,表示字符间缝隙后面不允许出现的字符, 即匹配字符间的缝隙,如果缝隙后的字符不是 X 的话,那这个缝隙就匹配成功。 举个例子,aab 和 aac,现有表达式 aa(?!b) 这时我们能匹配到的字符串是 aac, 因为 aa 的后面的缝隙之后不允许出现字符 b,因此只有 aac 进行了匹配。 再来看个示例: Stringstr="AQuickBrownFoxJumpsOverTheLazyDog";
String[]strs=str.split("(?<!^)(?=[A-Z])");
for(Strings:strs){
System.out.println(s);
根据大写字母拆分字符串。当然了,这个使用字符串进行分析同样也能进行拆分, 但是使用正则表达式来拆的话更为便捷直观一些。 在进行这种拆分时,由于在拆分后的字符数不能减少,因此只能使用零宽度的 lookaround 功能进行匹配,lookaround 包括四个,即:
(?=X) (?!X) (?<=X) (?<!X)
来看一下这个表达式:(? <!^)(?=[A-Z]) 前面说到过 (?!) 表示缝隙后面不允许出现的东西,而 (? <!) 表示缝隙前不允许出现的东西。 (?=) 表示缝隙后允许出现的东西,(? <=) 表示缝隙前允许出现的东西。 这个表达式在拆分时,根据零宽度匹配缝隙进行拆分的,这个缝隙必须满足以下条件: (? <!^) 表示缝隙不允许前不能是行开始,即缝隙不能出现在首字母的前面。 (?=[A-Z]) 表示缝隙后面允许出现 A-Z 的大写字母。 这时这个表达式就匹配了下面带有 | 的缝隙:
A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog PS:不加 (?<!^) 的话,会变成: |A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog
根据 split 的功能,正则表达式处理程序就根据上面的 | 将字符串给拆分开来了。 3,不区分大小写 不加任何限制的匹配是匹配分大小写的,但是正则表达式中可以进行改变, 有两种方式:参数式和内嵌式。 来看个示例:
Stringstr="Book";
Patternpattern=Pattern.compile("book");
System.out.println(matcher.matches());
上面的这个表达式 book 是不能匹配字符串 Book 的,这时我们只要给定编译时的参数就可以了: Pattern pattern = Pattern.compile("book",Pattern.CASE_INSENSITIVE); Pattern.CASE_INSENSITIVE 这是一个 int 类型的常量,值为 2。表示表达式忽略大小写进行区配。 如果我们不采用 Pattern 和 Matcher 两个类来匹配的话,只是使用 String 的 matches 方法的话, 我们就不能指定表达式的编译参数了,这时就需要采用内嵌标志表达式了,与 Pattern.CASE_INSENSITIVE 对应的内嵌标志表达式是 (?i),它有四种形式: 1,(?i) 2,(?-i) 3,(?i:X) 4,(?-i:X) 不带有 - 的是开标志,带有 - 的是关标志。 把上面的代码改成这样:
Stringregex="(?i)book";
System.out.println(str.matches(regex));
我们就达到了同样的效果,当然这样并不是最好的,因为字符串中只有 B 是大写的, 我们没有必要把所有的字符都进行不区分大小写匹配,我们可以在打开标志,用 (?i) 的 第二种形式马上关掉它: String regex = "(?i)b(?-i)ook"; 这样的话,只有 b 是区分大小写了,而 (?-i) 后面的还是得区分大小写匹配的。这样写 可能看上去很不顺眼,我们还能使用第 3 种形式直接指定某些字符是不区分大小写的。 String regex = "(?i:b)ook"; 这样的表达式与上面的那个在语义上是相同的。就效率上肯定是优于一下子开,一下子关的。 可见内嵌标志表达式要比指定编译参数的功能强大许多。 使用建议:如果能确定某些字符的大小写时,尽量使用已确定的字符,对于不确定的可以采用 (?i:X) 的方式指定。因此打开不区分大小写开关时,对匹配的性能是有一定影响的。 思考一下:String regex = "(?i)b(?-i:oo)k"; 这个表达式的意思? 另外:第 1 和第 4,我没看明白需要了解什么,请在下面的楼层中具体地说明一下。
4:2个单元的或操作 | 称为多选结构,用于匹配 | 之中的任何一个,拿你的例子来说明:
"<imgsrc="http://www.google.com/1.gif"/>n"+
"<imgsrc="http://3w.google.com/1.gif"/>n"+
"<imgsrc="http://abc.baidu.com/1.gif"/>";
Stringregex="<imgssrc="http://(?:ww|3)w.google.com/1.gif"/>";
System.out.println(matcher.group());
注意到其中的 (?:ww |3) 在进行多选匹配时尽量找出多选中的规律,以减少多选的字符, www 和 3w 在最后一个字符可以共用,前面的不一样。 (?: ) 的意思表示组成一组,如果没有 (?: ) 这样的话,表达式就变成了:
String regex="<imgssrc="http://ww|3w.google.com/1.gif"/>";
这样的语义完全变掉了, | 是在一组中进行选择,由于上面的那个表达式中没有组,就把整个表 达式作为了一组,使用 | 的话,就进行了整个表达式的多选结构了。这个表达式的意思是: 匹配 <img ssrc="http://ww 或者是 3w.google.com/1.gif"/>,这样的结果并不是我们所要的。 我们仅仅需要在 ww 和 3 之间进行选择,这时只要把 ww 和 3 放在一组中进行多选择就可以了, 变成 (?:ww |3)。 还有,在多选结构中尽量把出现频率高的放在前面,这样可以加快匹配速度。 多选结构的效率在传统型的引擎中是效率低下的,如果是单个字符的选择,比如 a $ & 之中的一个, 那就不要使用 (?:a |$ |&) 了,可以直接使用字符类 [a$&] 就可以了。
5:split分割字母和数字,简单正则缝隙
classTest01{
Stringstr="one123";
Stringregex="(?<=one)(?=123)";
String[]strs=str.split(regex);
for(inti=0;i<strs.length;i++){
System.out.printf("strs[%d]=%s%n",i,strs[i]);
}
(编辑:李大同)
【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!
|