正则表达式

来源:互联网 发布:留存算法 编辑:程序博客网 时间:2024/05/17 09:05
 

正则代表式里的一些特殊符号:

\\ 反斜杠
\t 间隔 ('\u0009')
\n 换行 ('\u000A')
\r 回车 ('\u000D')
\d 数字 等价于[0-9]
\D 非数字 等价于[^0-9]
\s 空白符号 [\t\n\x0B\f\r]
\S 非空白符号 [^\t\n\x0B\f\r]
\w 单独字符 [a-zA-Z_0-9]
\W 非单独字符 [^a-zA-Z_0-9]
\f 换页符
\e Escape
\b 一个单词的边界
\B 一个非单词的边界
\G 前一个匹配的结束

以上特殊符号可能不容易理解,下面会通过几个例子来表达他的使用.

 

限制字符

^为限制开头
^head     条件限制为以head为开头字符
$为限制结尾
end$     条件限制为以end为结尾字符
.为限制除\r\n外的一个任意字符
body..     条件限制body后除换行外任意两个字符

以java中的正则示例代码为例:

import java.util.regex.*;
public class Test {
 public static void main(String[] args) {
  String regexp = "^head\\sbody..end$";
  String str = "head body  end";
  Pattern pattern = Pattern.compile(regexp);
  Matcher matcher = pattern.matcher(str);
  System.out.println(matcher.matches());
 }
}

如果改动body后的两个字符,不会有问题(但不能是\n和\r),改动其他位置的字符,都会返回错误.

 

特定限制条件「[]」
[a-z]     条件限制在小写a to z范围中一个字符
[A-Z]     条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9]     条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)

[]中加入^后加再次限制条件「[^]」
[^a-z]     条件限制在非小写a to z范围中一个字符
[^A-Z]     条件限制在非大写A to Z范围中一个字符
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符
[^0-9]     条件限制在非小写0 to 9范围中一个字符
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)

有数字基础应该能看懂以上的说明,

 

在限制条件为特定字符出现0次以上时,可以使用「*」
A*     任意个A,也可以没有
.*     任意个除\r\n外的字符,也可以没有
A.*B    A与B之间可以有任意个除\r\n外的字符,也可以没有.

示例java代码:
String regexp = "A.*B";
String str = "AB";
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());
可以试着改变str,在A和B之间增加一个字符,看看返回值是否还是true,除去A或B返回值又是什么

 

在限制条件为特定字符出现1次以上时,可以使用「+」
A+     1个以上A
.+     1个以上任意字符
A.+B     J与D之间1个以上任意字符

与「+」和「*」的差别在于「+」表示必须有一个,而「*」则代表可以没有.

 

在限制条件为特定字符出现有0或1次以上时,可以使用「?」
AB?     代表A或者AB

 

限制为连续出现指定次数字符「{a}」
A{2}     AA
B{3}     BBB
文字a个以上,并且「{a,}」
A{3,}     可以是AAA,也可以是AAAA,也可以是AAAAA,也可以是AAAAAAAA.....(3次以上A并存)
a文字个以上,b个以下「{a,b}」
A{3,5}    AAA或AAAA或AAAAA
两者取一「|」
B|A     B或A
Java|Hello     Java或Hello

运用以上的知识,写一个验证手机号码的正则代表例子:

写程序之前先要想好要表达的事物是一个什么样的规律.
首先电话的区号,是3位或4位的,但第一位都会是0,
而电话号码,最低是应该是5位数(其实我也不太清楚),最高是8位数(以后会不会出现9位数的,就不知道了)
区号和号码之间用「-」分开.

然后是我们的java代码:

String regexp = "0*[1-9]{2,3}-[1-9]{5,8}";
String str = "21-12345678";
Pattern pattern = Pattern.compile(regexp);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());

一个简单的基本电话号码验证就写完了,可以用自己的固定电话试试看,但实际运用中的正则表达式要考虑的东西更多,也会更复杂.

 
「()」中规定一个组合类型
比如,我查询<a href=\"index.html\">index</a>中<a href></a>间的数据,可写作<a.*href=\".*\">(.+?)</a>

在使用Pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
Pattern Pattern.compile(String regex, int flag)

flag的取值范围如下:
Pattern.CANON_EQ     当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a\u030A"会匹配"?"。默认情况下,不考虑"规范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i)     默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x)     在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"\\s",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s)     在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE
(?m)     在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE
(?u)     在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d)     在这个模式下,只有'\n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。


抛开空泛的概念,下面写出几个简单的Java正则用例:

◆比如,在字符串包含验证时

//查找以Java开头,任意结尾的字符串
  Pattern pattern = Pattern.compile("^Java.*");
  Matcher matcher = pattern.matcher("Java不是人");
  boolean b= matcher.matches();
  //当条件满足时,将返回true,否则返回false
  System.out.println(b);


◆以多条件分割字符串时
Pattern pattern = Pattern.compile("[, |]+");
String[] strs = pattern.split("Java Hello World  Java,Hello,,World|Sun");
for (int i=0;i<strs.length;i++) {
    System.out.println(strs[i]);
}

◆文字替换(首次出现字符)
Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceFirst("Java"));

◆文字替换(全部)
Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World");
//替换第一个符合正则的数据
System.out.println(matcher.replaceAll("Java"));


◆文字替换(置换字符)
Pattern pattern = Pattern.compile("正则表达式");
Matcher matcher = pattern.matcher("正则表达式 Hello World,正则表达式 Hello World ");
StringBuffer sbr = new StringBuffer();
while (matcher.find()) {
    matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());

◆验证是否为邮箱地址

String str="ceponline@yahoo.com.cn";
Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);
Matcher matcher = pattern.matcher(str);
System.out.println(matcher.matches());

◆去除html标记
Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");
String string = matcher.replaceAll("");
System.out.println(string);

◆查找html中对应条件字符串
Pattern pattern = Pattern.compile("href=\"(.+?)\"");
Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");
if(matcher.find())
  System.out.println(matcher.group(1));
}

◆截取http://地址
//截取url
Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");
Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBuffer buffer = new StringBuffer();
while(matcher.find()){            
    buffer.append(matcher.group());      
    buffer.append("\r\n");            
System.out.println(buffer.toString());
}
      
◆替换指定{}中文字

String str = "Java目前的发展史是由{0}年-{1}年";
String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};
System.out.println(replace(str,object));

public static String replace(final String sourceString,Object[] object) {
            String temp=sourceString;  
            for(int i=0;i<object.length;i++){
                      String[] result=(String[])object[i];
               Pattern    pattern = Pattern.compile(result[0]);
               Matcher matcher = pattern.matcher(temp);
               temp=matcher.replaceAll(result[1]);
            }
            return temp;
}


◆以正则条件查询指定目录下文件

 //用于缓存文件列表
        private ArrayList files = new ArrayList();
        //用于承载文件路径
        private String _path;
        //用于承载未合并的正则公式
        private String _regexp;
      
        class MyFileFilter implements FileFilter {

            
              public boolean accept(File file) {
                try {
                  Pattern pattern = Pattern.compile(_regexp);
                  Matcher match = pattern.matcher(file.getName());              
                  return match.matches();
                } catch (Exception e) {
                  return true;
                }
              }
            }
      
      
        FilesAnalyze (String path,String regexp){
            getFileName(path,regexp);
        }
      
      
        private void getFileName(String path,String regexp) {
            //目录
              _path=path;
              _regexp=regexp;
              File directory = new File(_path);
              File[] filesFile = directory.listFiles(new MyFileFilter());
              if (filesFile == null) return;
              for (int j = 0; j < filesFile.length; j++) {
                files.add(filesFile[j]);
              }
              return;
            }
  
      
        public void print (PrintStream out) {
            Iterator elements = files.iterator();
            while (elements.hasNext()) {
                File file=(File) elements.next();
                    out.println(file.getPath());  
            }
        }

        public static void output(String path,String regexp) {

            FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);
            fileGroup1.print(System.out);
        }
  
        public static void main (String[] args) {
            output("C:\\","[A-z|.]*");
        }