上節(jié)介紹了正則表達(dá)式的語法，本節(jié)介紹相關(guān)的Java API。
正則表達(dá)式相關(guān)的類位于包java.util.regex下，有兩個(gè)主要的類，一個(gè)是Pattern，另一個(gè)是Matcher。Pattern表示正則表達(dá)式對(duì)象，它與要處理的具體字符串無關(guān)。Matcher表示一個(gè)匹配，它將正則表達(dá)式應(yīng)用于一個(gè)具體字符串，通過它對(duì)字符串進(jìn)行處理。
字符串類String也是一個(gè)重要的類，我們?cè)?9節(jié)專門介紹過String，其中提到，它有一些方法，接受的參數(shù)不是普通的字符串，而是正則表達(dá)式。此外，正則表達(dá)式在Java中是需要先以字符串形式表示的。
下面，我們先來介紹如何表示正則表達(dá)式，然后探討如何利用它實(shí)現(xiàn)一些常見的文本處理任務(wù)，包括切分、驗(yàn)證、查找、和替換。
表示正則表達(dá)式
轉(zhuǎn)義符 ''\''
正則表達(dá)式由元字符和普通字符組成，字符''\''是一個(gè)元字符，要在正則表達(dá)式中表示''\''本身，需要使用它轉(zhuǎn)義，即''\\''。
在Java中，沒有什么特殊的語法能直接表示正則表達(dá)式，需要用字符串表示，而在字符串中，''\''也是一個(gè)元字符，為了在字符串中表示正則表達(dá)式的''\''，就需要使用兩個(gè)''\''，即''\\''，而要匹配''\''本身，就需要四個(gè)''\''，即''\\\\''，比如說，如下表達(dá)式：
<(\w+)>(.*)
對(duì)應(yīng)的字符串表示就是：
''<(\\w+)>(.*)''
一個(gè)簡(jiǎn)單規(guī)則是，正則表達(dá)式中的任何一個(gè)''\''，在字符串中，需要替換為兩個(gè)''\''。
Pattern對(duì)象
字符串表示的正則表達(dá)式可以被編譯為一個(gè)Pattern對(duì)象，比如：
String regex = ''<(\\w+)>(.*)'';
Pattern pattern = Pattern.compile(regex);
Pattern是正則表達(dá)式的面向?qū)ο蟊硎荆^編譯，簡(jiǎn)單理解就是將字符串表示為了一個(gè)內(nèi)部結(jié)構(gòu)，這個(gè)結(jié)構(gòu)是一個(gè)有窮自動(dòng)機(jī)，關(guān)于有窮自動(dòng)機(jī)的理論比較深入，我們就不探討了。
編譯有一定的成本，而且Pattern對(duì)象只與正則表達(dá)式有關(guān)，與要處理的具體文本無關(guān)，它可以安全地被多線程共享，所以，在使用同一個(gè)正則表達(dá)式處理多個(gè)文本時(shí)，應(yīng)該盡量重用同一個(gè)Pattern對(duì)象，避免重復(fù)編譯。
匹配模式
Pattern的compile方法接受一個(gè)額外參數(shù)，可以指定匹配模式：
public static Pattern compile(String regex, int flags)
上節(jié)，我們介紹過三種匹配模式：?jiǎn)涡心Ｊ?點(diǎn)號(hào)模式)、多行模式和大小寫無關(guān)模式，它們對(duì)應(yīng)的常量分別為：Pattern.DOTALL，Pattern.MULTILINE和Pattern.CASE_INSENSITIVE，多個(gè)模式可以一起使用，通過''|''連起來即可，如下所示：
Pattern.compile(regex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL)
還有一個(gè)模式Pattern.LITERAL，在此模式下，正則表達(dá)式字符串中的元字符將失去特殊含義，被看做普通字符。Pattern有一個(gè)靜態(tài)方法：
public static String quote(String s)
quote()的目的是類似的，它將s中的字符都看作普通字符。我們?cè)谏瞎?jié)介紹過\Q和\E，\Q和\E之間的字符會(huì)被視為普通字符。quote()基本上就是在字符串s的前后加了\Q和\E，比如，如果s為''\\d{6}''，則quote()的返回值就是''\\Q\\d{6}\\E''。
切分
簡(jiǎn)單情況
文本處理的一個(gè)常見需求是根據(jù)分隔符切分字符串，比如在處理CSV文件時(shí)，按逗號(hào)分隔每個(gè)字段，這個(gè)需求聽上去很容易滿足，因?yàn)镾tring類有如下方法：
public String[] split(String regex)
比如：
String str = ''abc,def,hello'';
String[] fields = str.split('','');
System.out.println(''field num: ''+fields.length);
System.out.println(Arrays.toString(fields));
輸出為：
field num: 3
[abc, def, hello]
不過，有一些重要的細(xì)節(jié)，我們需要注意。
轉(zhuǎn)義元字符
split將參數(shù)regex看做正則表達(dá)式，而不是普通的字符，如果分隔符是元字符，比如. $ | ( ) [ { ^ ? * + \，就需要轉(zhuǎn)義，比如按點(diǎn)號(hào)''.''分隔，就需要寫為：
String[] fields = str.split(''\\.'');
如果分隔符是用戶指定的，程序事先不知道，可以通過Pattern.quote()將其看做普通字符串。
將多個(gè)字符用作分隔符
既然是正則表達(dá)式，分隔符就不一定是一個(gè)字符，比如，可以將一個(gè)或多個(gè)空白字符或點(diǎn)號(hào)作為分隔符，如下所示：
String str = ''abc def hello.\n world'';
String[] fields = str.split(''[\\s.]+'');
fields內(nèi)容為：
[abc, def, hello, world]
空白字符串
需要說明的是，尾部的空白字符串不會(huì)包含在返回的結(jié)果數(shù)組中，但頭部和中間的空白字符串會(huì)被包含在內(nèi)，比如：
String str = '',abc,,def,,'';
String[] fields = str.split('','');
System.out.println(''field num: ''+fields.length);
System.out.println(Arrays.toString(fields));
輸出為：
field num: 4
[, abc, , def]
找不到分隔符
如果字符串中找不到匹配regex的分隔符，返回?cái)?shù)組長(zhǎng)度為1，元素為原字符串。
切分?jǐn)?shù)目限制
split方法接受一個(gè)額外的參數(shù)limit，用于限定切分的數(shù)目：
public String[] split(String regex, int limit)
不帶limit參數(shù)的split，其limit相當(dāng)于0。關(guān)于limit的含義，我們通過一個(gè)例子說明下，比如字符串是''a:b:c:''，分隔符是'':''，在limit為不同值的情況下，其返回?cái)?shù)組如下表所示：
Pattern的split方法
Pattern也有兩個(gè)split方法，與String方法的定義類似：
public String[] split(CharSequence input)
public String[] split(CharSequence input, int limit)
與String方法的區(qū)別是：
Pattern接受的參數(shù)是CharSequence，更為通用，我們知道String, StringBuilder, StringBuffer, CharBuffer等都實(shí)現(xiàn)了該接口；
如果regex長(zhǎng)度大于1或包含元字符，String的split方法會(huì)先將regex編譯為Pattern對(duì)象，再調(diào)用Pattern的split方法，這時(shí)，為避免重復(fù)編譯，應(yīng)該優(yōu)先采用Pattern的方法；
如果regex就是一個(gè)字符且不是元字符，String的split方法會(huì)采用更為簡(jiǎn)單高效的實(shí)現(xiàn)，所以，這時(shí)，應(yīng)該優(yōu)先采用String的split方法。
驗(yàn)證
驗(yàn)證就是檢驗(yàn)輸入文本是否完整匹配預(yù)定義的正則表達(dá)式，經(jīng)常用于檢驗(yàn)用戶的輸入是否合法。
String有如下方法：
public boolean matches(String regex)
比如：
String regex = ''\\d{8}'';
String str = ''12345678'';
System.out.println(str.matches(regex));
檢查輸入是否是8位數(shù)字，輸出為true。
String的matches實(shí)際調(diào)用的是Pattern的如下方法：
public static boolean matches(String regex, CharSequence input)
這是一個(gè)靜態(tài)方法，它的代碼為：
public static boolean matches(String regex, CharSequence input) {
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(input);
return m.matches();
}
就是先調(diào)用compile編譯regex為Pattern對(duì)象，再調(diào)用Pattern的matcher方法生成一個(gè)匹配對(duì)象Matcher，Matcher的matches()返回是否完整匹配。
查找
查找就是在文本中尋找匹配正則表達(dá)式的子字符串，看個(gè)例子：
public static void find(){
String regex = ''\\d{4}-\\d{2}-\\d{2}'';
Pattern pattern = Pattern.compile(regex);
String str = ''today is 2017-06-02, yesterday is 2017-06-01'';
Matcher matcher = pattern.matcher(str);
while(matcher.find()){
System.out.println(''find ''+matcher.group()
+'' position: ''+matcher.start()+''-''+matcher.end());
}
}
代碼尋找所有類似''2017-06-02''這種格式的日期，輸出為：
find 2017-06-02 position: 9-19
find 2017-06-01 position: 34-44
Matcher的內(nèi)部記錄有一個(gè)位置，起始為0，find()方法從這個(gè)位置查找匹配正則表達(dá)式的子字符串，找到后，返回true，并更新這個(gè)內(nèi)部位置，匹配到的子字符串信息可以通過如下方法獲?。?/p>
//匹配到的完整子字符串
public String group()
//子字符串在整個(gè)字符串中的起始位置
public int start()
//子字符串在整個(gè)字符串中的結(jié)束位置加1
public int end()
group()其實(shí)調(diào)用的是group(0)，表示獲取匹配的第0個(gè)分組的內(nèi)容。我們?cè)谏瞎?jié)介紹過捕獲分組的概念，分組0是一個(gè)特殊分組，表示匹配的整個(gè)子字符串。除了分組0，Matcher還有如下方法，獲取分組的更多信息：
//分組個(gè)數(shù)
public int groupCount()
//分組編號(hào)為group的內(nèi)容
public String group(int group)
//分組命名為name的內(nèi)容public String group(String name)
//分組編號(hào)為group的起始位置
public int start(int group)
//分組編號(hào)為group的結(jié)束位置加1
public int end(int group)
比如：
public static void findGroup() {
String regex = ''(\\d{4})-(\\d{2})-(\\d{2})'';
Pattern pattern = Pattern.compile(regex);
String str = ''today is 2017-06-02, yesterday is 2017-06-01'';
Matcher matcher = pattern.matcher(str);
while (matcher.find()) {
System.out.println(''year:'' + matcher.group(1)
+ '',month:'' + matcher.group(2)
+ '',day:'' + matcher.group(3));
}
}
輸出為：
year:2017,month:06,day:02
year:2017,month:06,day:01
替換
replaceAll和replaceFirst
查找到子字符串后，一個(gè)常見的后續(xù)操作是替換。String有多個(gè)替換方法：
public String replace(char oldChar, char newChar)
public String replace(CharSequence target, CharSequence replacement)
public String replaceAll(String regex, String replacement)
public String replaceFirst(String regex, String replacement)
第一個(gè)replace方法操作的是單個(gè)字符，第二個(gè)是CharSequence，它們都是將參數(shù)看做普通字符。而replaceAll和replaceFirst則將參數(shù)regex看做正則表達(dá)式，它們的區(qū)別是，replaceAll替換所有找到的子字符串，而replaceFirst則只替換第一個(gè)找到的，看個(gè)簡(jiǎn)單的例子，將字符串中的多個(gè)連續(xù)空白字符替換為一個(gè)：
String regex = ''\\s+'';
String str = ''hello world good'';
System.out.println(str.replaceAll(regex, '' ''));
輸出為：
hello world good
在replaceAll和replaceFirst中，參數(shù)replacement也不是被看做普通的字符串，可以使用美元符號(hào)加數(shù)字的形式，比如$1，引用捕獲分組，我們看個(gè)例子：
String regex = ''(\\d{4})-(\\d{2})-(\\d{2})'';
String str = ''today is 2017-06-02.'';
System.out.println(str.replaceFirst(regex, ''$1/$2/$3''));
輸出為：
today is 2017/06/02.
這個(gè)例子將找到的日期字符串的格式進(jìn)行了轉(zhuǎn)換。所以，字符''$''在replacement中是元字符，如果需要替換為字符''$''本身，需要使用轉(zhuǎn)義，看個(gè)例子：
String regex = ''#'';
String str = ''#this is a test'';
System.out.println(str.replaceAll(regex, ''\\$''));
如果替換字符串是用戶提供的，為避免元字符的的干擾，可以使用Matcher的如下靜態(tài)方法將其視為普通字符串：
public static String quoteReplacement(String s)
String的replaceAll和replaceFirst調(diào)用的其實(shí)是Pattern和Matcher中的方法，比如，replaceAll的代碼為：
public String replaceAll(String regex, String replacement) {
return Pattern.compile(regex).matcher(this).replaceAll(replacement);
}
邊查找邊替換
replaceAll和replaceFirst都定義在Matcher中，除了一次性的替換操作外，Matcher還定義了邊查找、邊替換的方法：
public Matcher appendReplacement(StringBuffer sb, String replacement)
public StringBuffer appendTail(StringBuffer sb)
這兩個(gè)方法用于和find()一起使用，我們先看個(gè)例子：
public static void replaceCat() {
Pattern p = Pattern.compile(''cat'');
Matcher m = p.matcher(''one cat, two cat, three cat'');
StringBuffer sb = new StringBuffer();
int foundNum = 0;
while (m.find()) {
m.appendReplacement(sb, ''dog'');
foundNum++;
if (foundNum == 2) {
break;
}
}
m.appendTail(sb);
System.out.println(sb.toString());
}
在這個(gè)例子中，我們將前兩個(gè)''cat''替換為了''dog''，其他''cat''不變，輸出為：
one dog, two dog, three cat
StringBuffer類型的變量sb存放最終的替換結(jié)果，Matcher內(nèi)部除了有一個(gè)查找位置，還有一個(gè)append位置，初始為0，當(dāng)找到一個(gè)匹配的子字符串后，appendReplacement()做了三件事情：
將append位置到當(dāng)前匹配之前的子字符串a(chǎn)ppend到sb中，在第一次操作中，為''one ''，第二次為'', two '';
將替換字符串a(chǎn)ppend到sb中；
更新append位置為當(dāng)前匹配之后的位置。
appendTail將append位置之后所有的字符append到sb中。
模板引擎
利用Matcher的這幾個(gè)方法，我們可以實(shí)現(xiàn)一個(gè)簡(jiǎn)單的模板引擎，模板是一個(gè)字符串，中間有一些變量，以{name}表示，如下例所示：
String template = ''Hi {name}, your code is {code}.'';
這里，模板字符串中有兩個(gè)變量，一個(gè)是name，另一個(gè)是code。變量的實(shí)際值通過Map提供，變量名稱對(duì)應(yīng)Map中的鍵，模板引擎的任務(wù)就是接受模板和Map作為參數(shù)，返回替換變量后的字符串，示例實(shí)現(xiàn)為：
