第一部分：
-----------------
正則表達(dá)式(REs)通常被錯(cuò)誤地認(rèn)為是只有少數(shù)人理解的一種神秘語言。在表面上它們確實(shí)看起來雜亂無章，如果你不知道它的語法，那么它的代碼在你眼里只是一堆文字垃圾而已。實(shí)際上，正則表達(dá)式是非常簡單并且可以被理解。讀完這篇文章后，你將會(huì)通曉正則表達(dá)式的通用語法。
支持多種平臺(tái)
正則表達(dá)式最早是由數(shù)學(xué)家Stephen Kleene于1956年提出，他是在對自然語言的遞增研究成果的基礎(chǔ)上提出來的。具有完整語法的正則表達(dá)式使用在字符的格式匹配方面上，后來被應(yīng)用到熔融信息技術(shù)領(lǐng)域。自從那時(shí)起，正則表達(dá)式經(jīng)過幾個(gè)時(shí)期的發(fā)展，現(xiàn)在的標(biāo)準(zhǔn)已經(jīng)被ISO(國際標(biāo)準(zhǔn)組織)批準(zhǔn)和被Open Group組織認(rèn)定。
正則表達(dá)式并非一門專用語言，但它可用于在一個(gè)文件或字符里查找和替代文本的一種標(biāo)準(zhǔn)。它具有兩種標(biāo)準(zhǔn)：基本的正則表達(dá)式(BRE)，擴(kuò)展的正則表達(dá)式(ERE)。ERE包括BRE功能和另外其它的概念。
許多程序中都使用了正則表達(dá)式，包括xsh,egrep,sed,vi以及在UNIX平臺(tái)下的程序。它們可以被很多語言采納，如HTML 和XML，這些采納通常只是整個(gè)標(biāo)準(zhǔn)的一個(gè)子集。
比你想象的還要普通
隨著正則表達(dá)式移植到交叉平臺(tái)的程序語言的發(fā)展，這的功能也日益完整，使用也逐漸廣泛。網(wǎng)絡(luò)上的搜索引擎使用它，e-mail程序也使用它，即使你不是一個(gè)UNIX程序員，你也可以使用規(guī)則語言來簡化你的程序而縮短你的開發(fā)時(shí)間。
正則表達(dá)式101
很多正則表達(dá)式的語法看起來很相似，這是因?yàn)槟阋郧澳銢]有研究過它們。通配符是RE的一個(gè)結(jié)構(gòu)類型，即重復(fù)操作。讓我們先看一看ERE標(biāo)準(zhǔn)的最通用的基本語法類型。為了能夠提供具有特定用途的范例，我將使用幾個(gè)不同的程序。
第二部分：
----------------------
字符匹配
正則表達(dá)式的關(guān)鍵之處在于確定你要搜索匹配的東西，如果沒有這一概念，Res將毫無用處。
每一個(gè)表達(dá)式都包含需要查找的指令，如表A所示。
Table A: Character-matching regular expressions
格式說明：
---------------
操作：
解釋：
例子：
結(jié)果：
----------------
.
Match any one character
grep .ord sample.txt
Will match “ford”, “lord”, “2ord”, etc. in the file sample.txt.
-----------------
[ ]
Match any one character listed between the brackets
grep [cng]ord sample.txt
Will match only “cord”, “nord”, and “gord”
---------------------
[^ ]
Match any one character not listed between the brackets
grep [^cn]ord sample.txt
Will match “lord”, “2ord”, etc. but not “cord” or “nord”
grep [a-zA-Z]ord sample.txt
Will match “aord”, “bord”, “Aord”, “Bord”, etc.
grep [^0-9]ord sample.txt
Will match “Aord”, “aord”, etc. but not “2ord”, etc.
重復(fù)操作符
重復(fù)操作符，或數(shù)量詞，都描述了查找一個(gè)特定字符的次數(shù)。它們常被用于字符匹配語法以查找多行的字符，可參見表B。
Table B: Regular expression repetition operators
格式說明：
---------------
操作：
解釋：
例子：
結(jié)果：
----------------
Match any character one time, if it exists
egrep “?erd” sample.txt
Will match “berd”, “herd”, etc. and “erd”
------------------
*
Match declared element multiple times, if it exists
egrep “n.*rd” sample.txt
Will match “nerd”, “nrd”, “neard”, etc.
-------------------
+
Match declared element one or more times
egrep “[n]+erd” sample.txt
Will match “nerd”, “nnerd”, etc., but not “erd”
--------------------
{n}
Match declared element exactly n times
egrep “[a-z]{2}erd” sample.txt
Will match “cherd”, “blerd”, etc. but not “nerd”, “erd”, “buzzerd”, etc.
------------------------
{n,}
Match declared element at least n times
egrep “.{2,}erd” sample.txt
Will match “cherd” and “buzzerd”, but not “nerd”
------------------------
{n,N}
Match declared element at least n times, but not more than N times
egrep “n[e]{1,2}rd” sample.txt
Will match “nerd” and “neerd”
第三部分：
----------------
錨
錨是指它所要匹配的格式，如圖C所示。使用它能方便你查找通用字符的合并。例如，我用vi行編輯器命令:s來代表substitute，這一命令的基本語法是：
s/pattern_to_match/pattern_to_substitute/
Table C: Regular expression anchors
-------------
操作
解釋
例子
結(jié)果
---------------
^
Match at the beginning of a line
s/^/blah /
Inserts “blah “ at the beginning of the line
---------------
$
Match at the end of a line
s/$/ blah/
Inserts “ blah” at the end of the line
---------------
\<
Match at the beginning of a word
s/\
Inserts “blah” at the beginning of the word
egrep “\
Matches “blahfield”, etc.
------------------
\>
Match at the end of a word
s/\>/blah/
Inserts “blah” at the end of the word
egrep “\>blah” sample.txt
Matches “soupblah”, etc.
---------------
\b
Match at the beginning or end of a word
egrep “\bblah” sample.txt
Matches “blahcake” and “countblah”
-----------------
\B
Match in the middle of a word
egrep “\Bblah” sample.txt
Matches “sublahper”, etc.
間隔
Res中的另一可便之處是間隔(或插入)符號。實(shí)際上，這一符號相當(dāng)于一個(gè)OR語句并代表|符號。下面的語句返回文件sample.txt中的“nerd” 和 “merd”的句柄：
egrep “(n|m)erd” sample.txt
間隔功能非常強(qiáng)大，特別是當(dāng)你尋找文件不同拼寫的時(shí)候，但你可以在下面的例子得到相同的結(jié)果：
egrep “[nm]erd” sample.txt
當(dāng)你使用間隔功能與Res的高級特性連接在一起時(shí)，它的真正用處更能體現(xiàn)出來。
第四部分：
----------------
一些保留字符
Res的最后一個(gè)最重要特性是保留字符(也稱特定字符)。例如，如果你想要查找“ne*rd”和“ni*rd”的字符，格式匹配語句“n[ei]*rd”與“neeeeerd” 和 “nieieierd”相符合，但并不是你要查找的字符。因?yàn)?#8216;*’(星號)是個(gè)保留字符，你必須用一個(gè)反斜線符號來替代它，即：“n[ei]\*rd”。其它的保留字符包括：
^ (carat)
. (period)
[ (left bracket}
$ (dollar sign)
( (left parenthesis)
) (right parenthesis)
| (pipe)
* (asterisk)
+ (plus symbol)
(question mark)
{ (left curly bracket, or left brace)
\ backslash
一旦你把以上這些字符包括在你的字符搜索中，毫無疑問Res變得非常的難讀。比如說以下的PHP中的eregi搜索引擎代碼就很難讀了。
eregi("^[_a-z0-9-]+(\.[_a-z0-9-]+)*@[a-z0-9-]+(\.[a-z0-9-]+)*$",$sendto)
你可以看到，程序的意圖很難把握。但如果你拋開保留字符，你常常會(huì)錯(cuò)誤地理解代碼的意思。
總結(jié)
在本文中，我們揭開了正則表達(dá)式的神秘面紗，并列出了ERE標(biāo)準(zhǔn)的通用語法。如果你想閱覽Open Group組織的規(guī)則的完整描述，你可以參見：Regular Expressions，歡迎你在其中的討論區(qū)發(fā)表你的問題或觀點(diǎn)。
另外一篇文章
----------------------------------------
正則表達(dá)式和Java編程語言
-----------------------------------------
類和方法
下面的類根據(jù)正則表達(dá)式指定的模式，與字符序列進(jìn)行匹配。
Pattern類
Pattern類的實(shí)例表示以字符串形式指定的正則表達(dá)式，其語 法類似于Perl所用的語法。
用字符串形式指定的正則表達(dá)式，必須先編譯成Pattern類的 實(shí)例。生成的模式用于創(chuàng)建Matcher對象，它根據(jù)正則表達(dá)式與任 意字符序列進(jìn)行匹配。多個(gè)匹配器可以共享一個(gè)模式，因?yàn)樗欠菍俚摹?br>
用compile方法把給定的正則表達(dá)式編譯成模式，然后用 matcher方法創(chuàng)建一個(gè)匹配器，這個(gè)匹配器將根據(jù)此模式對給定輸 入進(jìn)行匹配。pattern 方法可返回編譯這個(gè)模式所用的正則表達(dá) 式。
split方法是一種方便的方法，它在與此模式匹配的位置將給 定輸入序列切分開。下面的例子演示了：
/*
* 用split對以逗號和/或空格分隔的輸入字符串進(jìn)行切分。
*/
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
System.out.println(result[i]);
}
}
Matcher類
Matcher類的實(shí)例用于根據(jù)給定的字符串序列模式，對字符序 列進(jìn)行匹配。使用CharSequence接口把輸入提供給匹配器，以便 支持來自多種多樣輸入源的字符的匹配。
通過調(diào)用某個(gè)模式的matcher方法，從這個(gè)模式生成匹配器。 匹配器創(chuàng)建之后，就可以用它來執(zhí)行三類不同的匹配操作：
matches方法試圖根據(jù)此模式，對整個(gè)輸入序列進(jìn)行匹配。
lookingAt方法試圖根據(jù)此模式，從開始處對輸入序列進(jìn) 行匹配。
find方法將掃描輸入序列，尋找下一個(gè)與模式匹配的地方。
這些方法都會(huì)返回一個(gè)表示成功或失敗的布爾值。如果匹配成功，通過查詢 匹配器的狀態(tài)，可以獲得更多的信息
這個(gè)類還定義了用新字符串替換匹配序列的方法，這些字符串的內(nèi)容如果需 要的話，可以從匹配結(jié)果推算得出。
appendReplacement方法先添加字符串中從當(dāng)前位置到下一個(gè) 匹配位置之間的所有字符，然后添加替換值。appendTail添加的 是字符串中從最后一次匹配的位置之后開始，直到結(jié)尾的部分。
例如，在字符串blahcatblahcatblah中，第一個(gè) appendReplacement添加blahdog。第二個(gè) appendReplacement添加blahdog，然后 appendTail添加blah，就生成了： blahdogblahdogblah。請參見示例 簡單的單詞替換。
CharSequence接口
CharSequence接口為許多不同類型的字符序列提供了統(tǒng)一的只 讀訪問。你提供要從不同來源搜索的數(shù)據(jù)。用String, StringBuffer 和CharBuffer實(shí)現(xiàn)CharSequence,，這樣就可以很 容易地從它們那里獲得要搜索的數(shù)據(jù)。如果這些可用數(shù)據(jù)源沒一個(gè)合適的，你可 以通過實(shí)現(xiàn)CharSequence接口，編寫你自己的輸入源。
Regex情景范例
以下代碼范例演示了java.util.regex軟件包在各種常見情形 下的用法：
簡單的單詞替換
/*
* 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());
}
}
電子郵件確認(rèn)
以下代碼是這樣一個(gè)例子：你可以檢查一些字符是不是一個(gè)電子郵件地址。 它并不是一個(gè)完整的、適用于所有可能情形的電子郵件確認(rèn)程序，但是可以在 需要時(shí)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.");
}
}
}
從文件中刪除控制字符
/* 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();
}
}
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("http://.*$", 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());
}
}
結(jié)論
現(xiàn)在Java編程語言中的模式匹配和許多其他編程語言一樣靈活了。可以在應(yīng) 用程序中使用正則表達(dá)式，確保數(shù)據(jù)在輸入數(shù)據(jù)庫或發(fā)送給應(yīng)用程序其他部分之 前，格式是正確的，正則表達(dá)式還可以用于各種各樣的管理性工作。簡而言之， 在Java編程中，可以在任何需要模式匹配的地方使用正則表達(dá)式。
JDK1.4之正規(guī)表示式
written by william chen(06/19/2002)
--------------------------------------------------------------------------------
什麼是正規(guī)表示式呢(Reqular Expressions)
就是針對檔案、字串，透過一種很特別的表示式來作search與replace
因?yàn)樵趗nix上有很多系統(tǒng)設(shè)定都是存放在文字檔中，因此網(wǎng)管或程式設(shè)計(jì)常常需要作搜尋與取代
所以發(fā)展出一種特殊的命令叫做正規(guī)表示式
我們可以很簡單的用 "s/<>
因此jdk1.4提供了一組正規(guī)表示式的package供大家使用
若是jdk1.4以下的可以到http://jakarta.apache.org/oro取得相關(guān)功能的package
剛剛列出的一串符號" s/
適用於j2sdk1.4的正規(guī)語法
"." 代表任何字元
正規(guī)式 原字串 符合之字串
. ab a
.. abc ab
"+" 代表一個(gè)或以個(gè)以上的字元
"*" 代表零個(gè)或是零個(gè)以上的字元
正規(guī)式 原字串 符合之字串
+ ab ab
* abc abc
"( )"群組
正規(guī)式 原字串 符合之字串
(ab)* aabab abab
字元類
正規(guī)式 原字串 符合之字串
[a-dA-D0-9]* abczA0 abcA0
[^a-d]* abe0 e0
[a-d]* abcdefgh abab
簡式
\d 等於 [0-9] 數(shù)字
\D 等於 [^0-9] 非數(shù)字
\s 等於 [ \t\n\x0B\f\r] 空白字元
\S 等於 [^ \t\n\x0B\f\r] 非空白字元
\w 等於 [a-zA-Z_0-9] 數(shù)字或是英文字
\W 等於 [^a-zA-Z_0-9] 非數(shù)字與英文字
每一行的開頭或結(jié)尾
^ 表示每行的開頭
$ 表示每行的結(jié)尾
--------------------------------------------------------------------------------
正規(guī)表示式 java.util.regex 相關(guān)的類別
Pattern—正規(guī)表示式的類別
Matcher—經(jīng)過正規(guī)化的結(jié)果
PatternSyntaxExpression—Exception thrown while attempting to compile a regular expression
範(fàn)例1: 將字串中所有符合"<"的字元取代成"lt;"
import java.io.*;
import java.util.regex.*;
/**
* 將字串中所有符合"<"的字元取代成"lt;"
*/
public static void replace01(){
// BufferedReader lets us read line-by-line
Reader r = new InputStreamReader( System.in );
BufferedReader br = new BufferedReader( r );
Pattern pattern = Pattern.compile( "<" ); // 搜尋某字串所有符合‘<‘的字元
try{
while (true) {
String line = br.readLine();
// Null line means input is exhausted
if (line==null)
break;
Matcher a = pattern.matcher(line);
while(a.find()){
System.out.println("搜尋到的字元是" + a.group());
}
System.out.println(a.replaceAll("lt;"));// 將所有符合字元取代成lt;
}
}catch(Exception ex){ex.printStackTrace();};
}
範(fàn)例2:
import java.io.*;
import java.util.regex.*;
/**
* 類似StringTokenizer的功能
* 將字串以","分隔然後比對哪個(gè)token最長
*/
public static void search01(){
// BufferedReader lets us read line-by-line
Reader r = new InputStreamReader( System.in );
BufferedReader br = new BufferedReader( r );
Pattern pattern = Pattern.compile( ",\\s*" );// 搜尋某字串所有","的字元
try{
while (true) {
String line = br.readLine();
String words[] = pattern.split(line);
// Null line means input is exhausted
if (line==null)
break;
// -1 means we haven‘t found a word yet
int longest=-1;
int longestLength=0;
for (int i=0; i
System.out.println("分段:" + words[i] );
if (words[i].length() > longestLength) {
longest = i;
longestLength = words[i].length();
}
}
System.out.println( "長度最長為:" + words[longest] );
}
}catch(Exception ex){ex.printStackTrace();};
}
--------------------------------------------------------------------------------
其他的正規(guī)語法
/^\s* # 忽略每行開始的空白字元
(M(s|r|rs)\.) # 符合 Ms., Mrs., and Mr. (titles)
