在Groovy中编写正则表达式

本文介绍了如何在Groovy中编写正则表达式。Groovy对正则表达式中需要处理的Pattern和Matcher对象做了简单封装，添加了一些额外的实用方法，并给出一个简化的新的语法和3个新的操作符。

AD： 2013云计算架构师峰会精彩课程曝光

与Java相比， 在Groovy中编写正则表达式（regexes）简直是一种乐趣。在Java中， regexes编程不仅需处理Pattern和Matcher对象，而且还要编写繁琐的样板代码（boilerplate coding）。而Groovy对这两个Java对象做了简单封装，添加了一些额外的实用方法，并给出一个简化的新的语法和3个新的操作符。

Groovy中，您可用slashy（斜线）语法“/../”定义字符串。这样以来便可避免在Java正则表达式中使用过多的反斜线。例如：

assert (/Hello World/ in String)  
assert (/Hi \there/ == 'Hi \\there')  

Groovy新增的第1个正则表达式操作符便是模式操作符（~），它使得字符串被编译成一个Pattern实例。例如：

p = ~/\b[a-zA-Z]\b/ 

也可使用Java实现，如：

import java.util.regex.*  
Pattern p = Pattern.compile("\\b[a-zA-Z]\\b");  

表3.1中列出了常用的正则表达式模式及含义。完整的正则表达式清单可参考Pattern API文档，http://java.sun.com/j2se/1.5.0/docs/api/java/util/regex/Pattern.html。

表3.1 常用的正则表达式模式

模式 含义

a?
尽可能匹配1次a，也可以不匹配

a*
表达式尽可能的多匹配a，最少可以不匹配

a+
尽可能的多匹配a，至少匹配1次

a|b
匹配a或b

(ab)
分组

.
匹配任意一个字符

[abc]
匹配a，b或c

[^abc]
匹配除了a，b或c的任意一个字符

[a-z]
匹配a到z之间的任意一个字母

\d
任意一个数字，0-9 中的任意一个

\s
空格、制表符、换页符等空白字符的其中任意一个

\w
任意一个字母或数字或下划线，也就是 A-Z,a-z,0-9,_ 中任意一个

\b
匹配一个单词边界，也就是单词和空格之间的位置，不匹配任何字符

^
与字符串开始的地方匹配，不匹配任何字符

$
与字符串结束的地方匹配，不匹配任何字符

第2个操作符是查找操作符（=~），它负责从左边的字符串和右边的模式来创建一个Matcher对象。

import java.util.regex.Matcher  
def matcher = "Groovy" =~ /G.*/  
assert matcher in Matcher  
assert matcher.matches()  

同理，其Java实现，如：

import java.util.regex.*;  
Pattern pattern = Pattern.compile("G.*");  
Matcher matcher = pattern.matcher("Groovy");  
matcher.matches();  

您可把Matcher对象看作一个二维矩阵。第1维表示每一个与模式相匹配的字符串；第2维表示每个匹配内的捕获组（capture group），详见清单3.2中的例子。

清单3.2 Using Regexes Groups with Matcher

def text = """  
Lorem 1:30 PM ipsum dolor 12:00 PM sit amet, consectetuer adipiscing elit.  
"""  
 
def HOUR = /10|11|12|[0-9]/  
def MINUTE = /[0-5][0-9]/  
def AM_PM = /AM|PM/  
def time = /($HOUR):($MINUTE) ($AM_PM)/  
 
def matcher = text =~ time  
 
assert matcher[0] == ["1:30 PM", "1", "30", "PM"] //First Match  
 
assert matcher[0][0] == "1:30 PM" //First match group in the first match  
assert matcher[0][1] == "1" //Second match group in the first match (HOUR)  
assert matcher[0][2] == "30" //Third match group in the first match (MINUTE)  
assert matcher[0][3] == "PM" //Fourth match group in the first match (AM_PM)  
   
assert matcher[1] == ["12:00 PM", "12", "00", "PM"] //Second Match  
assert matcher[1][0] == "12:00 PM" //First match group in the second match  
assert matcher[1][1] == "12" //Second match group in the second match (HOUR)  
assert matcher[1][2] == "00" //Third match group in the second match (MINUTE)  
assert matcher[1][3] == "PM" //Fourth match group in the second match (AM_PM) 

最后一个是匹配操作符（==~），该操作符返回一个Boolean值，说明操作符左侧的整个字符串是否右侧的模式相匹配，例如：

assert "Groovy" ==~ /G.*/  
assert 123 ==~ /\d+/  
assert !123 ==~ /\D+/  

正则表达式也可与String的replace*形式的方法（如replaceFirst等）结合使用。例如：

//把第一次出现的数字替换为“To”   
assert "Welcome To Groovy" == "Welcome 2 Groovy".replaceFirst(/\d/, "To")  

GDK String还提供了一个可接受闭包的replace方法，该闭包可用来操作每个捕捉组（captured group），例如

//把所有的“Groovy”转换为大写形式  
"Hello GROOVY, GROOVY rocks" == "Hello Groovy, Groovy rocks" 
.replaceAll("Groovy") {Object[] it ->it[0].toUpperCase()}  

您可以使用grep方法，该方法利用正则表达式筛选一个集合，并返回集合中满足给定过滤条件的元素。例如：

//返回集合中以“G”开头的元素  
assert ["Groovy"] == ["Groovy","Rocks"].grep(~/G.*/)