JAVA正則表達(dá)式--Pattern和Matcher
現(xiàn)在JDK1.4里終于有了自己的正則表達(dá)式API包，JAVA程序員可以免去找第三方提供的正則表達(dá)式庫(kù)的周折了，我們現(xiàn)在就馬上來(lái)了解一下這個(gè)SUN提供的遲來(lái)恩物-
-對(duì)我來(lái)說(shuō)確實(shí)如此。
1.簡(jiǎn)介：
java.util.regex是一個(gè)用正則表達(dá)式所訂制的模式來(lái)對(duì)字符串進(jìn)行匹配工作的類(lèi)庫(kù)包。
它包括兩個(gè)類(lèi)：Pattern和Matcher Pattern
一個(gè)Pattern是一個(gè)正則表達(dá)式經(jīng)編譯后的表現(xiàn)模式。
Matcher
一個(gè)Matcher對(duì)象是一個(gè)狀態(tài)機(jī)器，它依據(jù)Pattern對(duì)象做為匹配模式對(duì)字符串展開(kāi)匹配檢查。
首先一個(gè)Pattern實(shí)例訂制了一個(gè)所用語(yǔ)法與PERL的類(lèi)似的正則表達(dá)式經(jīng)編譯后的模式，然后一個(gè)Matcher實(shí)例在這個(gè)給定的Pattern實(shí)例的模式控制下進(jìn)行字符串的匹配工作。
以下我們就分別來(lái)看看這兩個(gè)類(lèi)：
2.Pattern類(lèi):
Pattern的方法如下： static Pattern compile(String regex)
將給定的正則表達(dá)式編譯并賦予給Pattern類(lèi)
static Pattern compile(String regex, int flags)
同上，但增加flag參數(shù)的指定，可選的flag參數(shù)包括：CASE
INSENSITIVE,MULTILINE,DOTALL,UNICODE CASE， CANON EQ
int flags()
返回當(dāng)前Pattern的匹配flag參數(shù).
Matcher matcher(CharSequence input)
生成一個(gè)給定命名的Matcher對(duì)象
static boolean matches(String regex, CharSequence input)
編譯給定的正則表達(dá)式并且對(duì)輸入的字串以該正則表達(dá)式為模開(kāi)展匹配,該方法適合于該正則表達(dá)式只會(huì)使用一次的情況，也就是只進(jìn)行一次匹配工作，因?yàn)檫@種情況下并不需要生成一個(gè)Matcher實(shí)例。
String pattern()
返回該P(yáng)atter對(duì)象所編譯的正則表達(dá)式。
String[] split(CharSequence input)
將目標(biāo)字符串按照Pattern里所包含的正則表達(dá)式為模進(jìn)行分割。
String[] split(CharSequence input, int limit)
作用同上，增加參數(shù)limit目的在于要指定分割的段數(shù)，如將limi設(shè)為2，那么目標(biāo)字符串將根據(jù)正則表達(dá)式分為割為兩段。
一個(gè)正則表達(dá)式，也就是一串有特定意義的字符，必須首先要編譯成為一個(gè)Pattern類(lèi)的實(shí)例，這個(gè)Pattern對(duì)象將會(huì)使用matcher()方法來(lái)生成一個(gè)Matcher實(shí)例，接著便可以使用該
Matcher實(shí)例以編譯的正則表達(dá)式為基礎(chǔ)對(duì)目標(biāo)字符串進(jìn)行匹配工作，多個(gè)Matcher是可以共用一個(gè)Pattern對(duì)象的。
現(xiàn)在我們先來(lái)看一個(gè)簡(jiǎn)單的例子，再通過(guò)分析它來(lái)了解怎樣生成一個(gè)Pattern對(duì)象并且編譯一個(gè)正則表達(dá)式，最后根據(jù)這個(gè)正則表達(dá)式將目標(biāo)字符串進(jìn)行分割：
import java.util.regex.*;
public class Replacement{
public static void main(String[] args) throws Exception {
// 生成一個(gè)Pattern,同時(shí)編譯一個(gè)正則表達(dá)式
Pattern p = Pattern.compile("[/]+");
//用Pattern的split()方法把字符串按"/"分割
String[] result = p.split(
"Kevin has seen《LEON》seveal times,because it is a good film."
+"/
凱文已經(jīng)看過(guò)《這個(gè)殺手不太冷》幾次了，因?yàn)樗且徊?
+"好電影。/名詞:凱文。");
for (int i=0; i<result.length; i++)
System.out.println(result[i]);
Kevin has seen《LEON》seveal times,because it is a good film.
凱文已經(jīng)看過(guò)《這個(gè)殺手不太冷》幾次了，因?yàn)樗且徊亢秒娪啊?
名詞:凱文。
很明顯，該程序?qū)⒆址?/"進(jìn)行了分段，我們以下再使用
split(CharSequence input, int
limit)方法來(lái)指定分段的段數(shù)，程序改動(dòng)為：
tring[] result = p.split("Kevin has seen《LEON》seveal times,because
it is a good film./
凱文已經(jīng)看過(guò)《這個(gè)殺手不太冷》幾次了，因?yàn)樗且徊亢秒娪啊?名詞:凱文。"，2);
這里面的參數(shù)"2"表明將目標(biāo)語(yǔ)句分為兩段。
輸出結(jié)果則為：
Kevin has seen《LEON》seveal times,because it is a good film.
凱文已經(jīng)看過(guò)《這個(gè)殺手不太冷》幾次了，因?yàn)樗且徊亢秒娪啊?名詞:凱文。
由上面的例子，我們可以比較出java.util.regex包在構(gòu)造Pattern對(duì)象以及編譯指定的正則表達(dá)式的實(shí)現(xiàn)手法與我們?cè)谏弦黄兴榻B的Jakarta-ORO
包在完成同樣工作時(shí)的差別，Jakarta-ORO
包要先構(gòu)造一個(gè)PatternCompiler類(lèi)對(duì)象接著生成一個(gè)Pattern對(duì)象，再將正則表達(dá)式用該P(yáng)atternCompiler類(lèi)的compile()方法來(lái)將所需的正則表達(dá)式編譯賦予Pattern類(lèi)：
PatternCompiler orocom=new Perl5Compiler();
Pattern pattern=orocom.compile("REGULAR EXPRESSIONS");
PatternMatcher matcher=new Perl5Matcher();
但是在java.util.regex包里，我們僅需生成一個(gè)Pattern類(lèi)，直接使用它的compile()方法就可以達(dá)到同樣的效果:
Pattern p = Pattern.compile("[/]+");
因此似乎java.util.regex的構(gòu)造法比Jakarta-ORO更為簡(jiǎn)潔并容易理解。
3.Matcher類(lèi):
Matcher方法如下： Matcher appendReplacement(StringBuffer sb,
String replacement)
將當(dāng)前匹配子串替換為指定字符串，并且將替換后的子串以及其之前到上次匹配子串之后的字符串段添加到一個(gè)StringBuffer對(duì)象里。
StringBuffer appendTail(StringBuffer sb)
將最后一次匹配工作后剩余的字符串添加到一個(gè)StringBuffer對(duì)象里。
int end()
返回當(dāng)前匹配的子串的最后一個(gè)字符在原目標(biāo)字符串中的索引位置
。
int end(int group)
返回與匹配模式里指定的組相匹配的子串最后一個(gè)字符的位置。
boolean find()
嘗試在目標(biāo)字符串里查找下一個(gè)匹配子串。
boolean find(int start)
重設(shè)Matcher對(duì)象，并且嘗試在目標(biāo)字符串里從指定的位置開(kāi)始查找下一個(gè)匹配的子串。
String group()
返回當(dāng)前查找而獲得的與組匹配的所有子串內(nèi)容
String group(int group)
返回當(dāng)前查找而獲得的與指定的組匹配的子串內(nèi)容
int groupCount()
返回當(dāng)前查找所獲得的匹配組的數(shù)量。
boolean lookingAt()
檢測(cè)目標(biāo)字符串是否以匹配的子串起始。
boolean matches()
嘗試對(duì)整個(gè)目標(biāo)字符展開(kāi)匹配檢測(cè)，也就是只有整個(gè)目標(biāo)字符串完全匹配時(shí)才返回真值。
Pattern pattern()
返回該Matcher對(duì)象的現(xiàn)有匹配模式，也就是對(duì)應(yīng)的Pattern
對(duì)象。
String replaceAll(String replacement)
將目標(biāo)字符串里與既有模式相匹配的子串全部替換為指定的字符串。
String replaceFirst(String replacement)
將目標(biāo)字符串里第一個(gè)與既有模式相匹配的子串替換為指定的字符串。
Matcher reset()
重設(shè)該Matcher對(duì)象。
Matcher reset(CharSequence input)
重設(shè)該Matcher對(duì)象并且指定一個(gè)新的目標(biāo)字符串。
int start()
返回當(dāng)前查找所獲子串的開(kāi)始字符在原目標(biāo)字符串中的位置。
int start(int group)
返回當(dāng)前查找所獲得的和指定組匹配的子串的第一個(gè)字符在原目標(biāo)字符串中的位置。
（光看方法的解釋是不是很不好理解？不要急，待會(huì)結(jié)合例子就比較容易明白了）
一個(gè)Matcher實(shí)例是被用來(lái)對(duì)目標(biāo)字符串進(jìn)行基于既有模式（也就是一個(gè)給定的Pattern所編譯的正則表達(dá)式）進(jìn)行匹配查找的，所有往Matcher的輸入都是通過(guò)CharSequence接口提供的，這樣做的目的在于可以支持對(duì)從多元化的數(shù)據(jù)源所提供的數(shù)據(jù)進(jìn)行匹配工作。
我們分別來(lái)看看各方法的使用：
★matches()/lookingAt ()/find()：
一個(gè)Matcher對(duì)象是由一個(gè)Pattern對(duì)象調(diào)用其matcher()方法而生成的，一旦該Matcher對(duì)象生成,它就可以進(jìn)行三種不同的匹配查找操作：
matches()方法嘗試對(duì)整個(gè)目標(biāo)字符展開(kāi)匹配檢測(cè)，也就是只有整個(gè)目標(biāo)字符串完全匹配時(shí)才返回真值。
lookingAt
()方法將檢測(cè)目標(biāo)字符串是否以匹配的子串起始。
find()方法嘗試在目標(biāo)字符串里查找下一個(gè)匹配子串。
以上三個(gè)方法都將返回一個(gè)布爾值來(lái)表明成功與否。
★replaceAll ()/appendReplacement()/appendTail()：
Matcher類(lèi)同時(shí)提供了四個(gè)將匹配子串替換成指定字符串的方法：
replaceAll()
replaceFirst()
appendReplacement()
appendTail()
replaceAll()與replaceFirst()的用法都比較簡(jiǎn)單，請(qǐng)看上面方法的解釋。我們主要重點(diǎn)了解一下appendReplacement()和appendTail()方法。
appendReplacement(StringBuffer sb, String replacement)
將當(dāng)前匹配子串替換為指定字符串，并且將替換后的子串以及其之前到上次匹配子串之后的字符串段添加到一個(gè)StringBuffer對(duì)象里，而appendTail(StringBuffer
sb)
方法則將最后一次匹配工作后剩余的字符串添加到一個(gè)StringBuffer對(duì)象里。
例如，有字符串fatcatfatcatfat,假設(shè)既有正則表達(dá)式模式為"cat"，第一次匹配后調(diào)用appendReplacement(sb,"dog"),那么這時(shí)StringBuffer
sb的內(nèi)容為fatdog，也就是fatcat中的cat被替換為dog并且與匹配子串前的內(nèi)容加到sb里，而第二次匹配后調(diào)用appendReplacement(sb,"dog")，那么sb的內(nèi)容就變?yōu)閒atdogfatdog，如果最后再調(diào)用一次appendTail（sb）,那么sb最終的內(nèi)容將是fatdogfatdogfat。
還是有點(diǎn)模糊？那么我們來(lái)看個(gè)簡(jiǎn)單的程序：
//該例將把句子里的"Kelvin"改為"Kevin"
import java.util.regex.*;
public class MatcherTest{
public static void main(String[] args)
throws Exception {
//生成Pattern對(duì)象并且編譯一個(gè)簡(jiǎn)單的正則表達(dá)式"Kelvin"
Pattern p = Pattern.compile("Kevin");
//用Pattern類(lèi)的matcher()方法生成一個(gè)Matcher對(duì)象
Matcher m = p.matcher("Kelvin Li and Kelvin Chan are both working in
Kelvin Chen‘s KelvinSoftShop company");
StringBuffer sb = new StringBuffer();
int i=0;
//使用find()方法查找第一個(gè)匹配的對(duì)象
boolean result = m.find();
//使用循環(huán)將句子里所有的kelvin找出并替換再將內(nèi)容加到sb里
while(result) {
i++;
m.appendReplacement(sb, "Kevin");
System.out.println("第"+i+"次匹配后sb的內(nèi)容是："+sb);
//繼續(xù)查找下一個(gè)匹配對(duì)象
result = m.find();
看了上面這個(gè)例程是否對(duì)appendReplacement()，appendTail()兩個(gè)方法的使用更清楚呢，如果還是不太肯定最好自己動(dòng)手寫(xiě)幾行代碼測(cè)試一下。
★group()/group(int group)/groupCount()：
該系列方法與我們?cè)谏掀榻B的Jakarta-ORO中的MatchResult
.group()方法類(lèi)似(有關(guān)Jakarta-ORO請(qǐng)參考上篇的內(nèi)容)，都是要返回與組匹配的子串內(nèi)容，下面代碼將很好解釋其用法：
import java.util.regex.*;
public class GroupTest{
public static void main(String[] args)
throws Exception {
Pattern p = Pattern.compile("(ca)(t)");
Matcher m = p.matcher("one cat,two cats in the yard");
StringBuffer sb = new StringBuffer();
boolean result = m.find();
System.out.println("該次查找獲得匹配組的數(shù)量為："+m.groupCount());
for(int i=1;i<=m
Matcher對(duì)象的其他方法因比較好理解且由于篇幅有限，請(qǐng)讀者自己編程驗(yàn)證。
4．一個(gè)檢驗(yàn)Email地址的小程序：
最后我們來(lái)看一個(gè)檢驗(yàn)Email地址的例程，該程序是用來(lái)檢驗(yàn)一個(gè)輸入的EMAIL地址里所包含的字符是否合法，雖然這不是一個(gè)完整的EMAIL地址檢驗(yàn)程序，它不能檢驗(yàn)所有可能出現(xiàn)的情況，但在必要時(shí)您可以在其基礎(chǔ)上增加所需功能。
import java.util.regex.*;
public class Email {
public static void main(String[] args) throws Exception {
String input = args[0];
//檢測(cè)輸入的EMAIL地址是否以
非法符號(hào)"."或"@"作為起始字符
Pattern p = Pattern.compile("^\.|^\@");
Matcher m = p.matcher(input);
if (m
//檢測(cè)是否以"www."為起始
p = Pattern.compile("^www\.");
m = p.matcher(input);
if (m
//檢測(cè)是否包含非法字符
p = Pattern.compile("[^A-Za-z0-9\.\@_\-~#]+");
m = p.matcher(input);
StringBuffer sb = new StringBuffer();
boolean result = m.find();
boolean deletedIllegalChars = false;
while(result) {
//如果找到了非法字符那么就設(shè)下標(biāo)記
deletedIllegalChars = true;
//如果里面包含非法字符如冒號(hào)雙引號(hào)等，那么就把他們消去，加到SB里面
m.appendReplacement(sb, "");
result = m.find();
那么輸出結(jié)果將會(huì)是：EMAIL地址不能以‘www.‘起始
如果輸入的EMAIL為@k...@163.net
則輸出為：EMAIL地址不能以‘.‘或‘@‘作為起始字符
當(dāng)輸入為：cgjmail...@163.net
那么輸出就是：
輸入的EMAIL地址里包含有冒號(hào)、逗號(hào)等非法字符，請(qǐng)修改
您現(xiàn)在的輸入為: cgjmail...@163.net
修改后合法的地址應(yīng)類(lèi)似: cgjm...@163.net
5．總結(jié)：
本文介紹了jdk1.4.0-beta3里正則表達(dá)式庫(kù)--java.util.regex中的類(lèi)以及其方法，如果結(jié)合與上一篇中所介紹的Jakarta-ORO
API作比較，讀者會(huì)更容易掌握該API的使用，當(dāng)然該庫(kù)的性能將在未來(lái)的日子里不斷擴(kuò)展，希望獲得最新信息的讀者最好到及時(shí)到SUN的網(wǎng)站去了解。
6．結(jié)束語(yǔ)：
本來(lái)計(jì)劃再多寫(xiě)一篇介紹一下需付費(fèi)的正則表達(dá)式庫(kù)中較具代表性的作品，但覺(jué)得既然有了免費(fèi)且優(yōu)秀的正則表達(dá)式庫(kù)可以使用，何必還要去找需付費(fèi)的呢，相信很多讀者也是這么想的:，所以有興趣了解更多其他的第三方正則表達(dá)式庫(kù)的朋友可以自己到網(wǎng)上查找或者到我在參考資料里提供的網(wǎng)址去看看。
參考資料
java.util.regex的幫助文檔
Dana Nourie 和Mike McCloskey所寫(xiě)的Regular Expressions and the
Java™ Programming Language
需要更多的第三方正則表達(dá)式資源以及基于它們所開(kāi)發(fā)的應(yīng)用程序請(qǐng)看http://www.meurrens.org/ip-Links/java/regex/index.html
關(guān)于作者
陳廣佳 Kevin
Chen,汕頭大學(xué)電子信息工程系工科學(xué)士，臺(tái)灣大新出版社珠海區(qū)開(kāi)發(fā)部，現(xiàn)正圍繞中日韓電子資料使用JAVA開(kāi)發(fā)電子詞典等相關(guān)項(xiàng)目?？赏ㄟ^(guò)E-mail:cgjm...@163.net于他聯(lián)系。
聯(lián)系客服
