Java 中正則表達式總結

　　在JDK1.3及之前的JDK版本中并沒有包含正則表達式的類，如果要在Java中使用正則表達式必須使用第三方提供的正則表達式庫，最有名的就是Jakarta-ORO，Jakarta-ORO庫以前叫做OROMatcher，是Daniel Savarese贈送給Jakarta Project的一個開源包。使用的時候首先要創建一個實現了PatternCompiler接口的實例變量以創建一個“模式編譯器”，Jakarta-ORO中實現了這個接口的類就是Perl5Compiler，這個類做到了與Perl5的正則表達式完全兼容。Jakarta-ORO的使用是非常簡便的，而且效率非常高，支持的正則表達式語法也是非常全的，唯一的缺點就是它不是JDK中的標準包。從JDK1.4開始提供了支持正則表達式API，它們位于java.util.regex包中，由于已經有了標準API，所以本書將會用java.util.regex進行正則表達式的相關操作。

　　一、正則表達式基礎知識

　　1.1 句點符號

　　假設你在玩英文拼字游戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結束。另外，假設有一本英文字典，你可以用正則表達式搜索它的全部內容。要構造出這個正則表達式，你可以使用一個通配符——句點符號“.”。這樣，完整的表達式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無意義的組合。這是因為句點符號匹配所有字符，包括空格、Tab字符甚至換行符：

　　1.2 方括號符號

　　為了解決句點符號匹配范圍過于廣泛這一問題，你可以在方括號(“[]”)里面指定看來有意義的字符。此時，只有方括號里面指定的字符才參與匹配。也就是說，正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因為在方括號之內你只能匹配單

　　個字符：

　　1.3 “或”符號

　　如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達式。這里不能使用方擴號，因為方括號只允許匹配單個字符;這里必須使用圓括號“()”。圓括號還可以用來分組。

　　1.4 表示匹配次數的符號

　　下表顯示了正則表達式的語法：

　　表 1.1 正則表達式語法

　　元字符說明

　　.匹配任何單個字符。例如正則表達式“b.g”能匹配如下字符串：“big”、“bug”、“b g”，但是不匹配“buug”。

　　$匹配行結束符。例如正則表達式“EJB$”能夠匹配字符串“I like EJB”的末尾，但是不能匹配字符串“J2EE Without EJBs!”。

　　^匹配一行的開始。例如正則表達式“^Spring”能夠匹配字符串“Spring is a J2EE framework”的開始，但是不能匹配“I use Spring in my project”。

　　*匹配0至多個在它之前的字符。例如正則表達式“zo*”能匹配“z”以及“zoo”;正則表達式“.*”意味著能夠匹配任意字符串。

　　/轉義符，用來將元字符當作普通的字符來進行匹配。例如正則表達式/$被用來匹配美元符號，而不是行尾;正則表達式/.用來匹配點字符，而不是任何字符的通配符。

　　[]匹配括號中的任何一個字符。例如正則表達式“b[aui]g”匹配bug、big和bug，但是不匹配beg?？梢栽诶ㄌ栔惺褂眠B字符“-”來指定字符的區間來簡化表示，例如正則表達式[0-9]可以匹配任何數字字符，這樣正則表達式“a[]c”就可以匹配“a0c”、“a1c”、“a2c”等字符串;還可以制定多個區間，例如“[A-Za-z]”可以匹配任何大小寫字母。還有一個相配合使用的元字符“^”，用在這里并不像前邊的那個“^”一樣表示匹配行開始，而是表示“排除”，要想匹配除了指定區間之外的字符，就可以在左邊的括號和第一個字符之間使用^字符，例如“[^163A-Z]”將能偶匹配除了1、6、3和所有大寫字母之外的任何字符。

　　( )將 () 之間括起來的表達式定義為“組”(group)，并且將匹配這個表達式的字符保存到一個臨時區域,這個元字符在字符串提取的時候非常有用。

　　|將兩個匹配條件進行邏輯“或”運算。'z|food' 能匹配 "z" 或 "food"。'(z|f)ood' 則匹配"zood" 或 "food"。

　　+匹配前面的子表達式一次或多次。例如正則表達式9+匹配9、99、999等。

　　?匹配前面的子表達式零次或一次。例如，"do(es)?" 可以匹配 "do" 或 "does" 中的"do" 。此元字符還有另外一個用途，就是表示非貪婪模式匹配，后邊將有介紹

　　{n}匹配確定的 n 次。例如，“e{2}”不能匹配“bed”中的“d”，但是能匹配“seed”中的兩個“e”。

　　{n,}至少匹配n次。例如，“e{2,}”不能匹配“bed”中的“e”，但能匹配“seeeeeeeed”中的所有“e”。

　　{n,m}最少匹配 n 次且最多匹配 m 次。“e{1,3}”將匹配“seeeeeeeed”中的前三個“e”。

　　假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符(“-”)有著特殊的意義，它表示一個范圍，比如從0到9。因此，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉義字符“/”。

　　假設進行搜索的時候，你希望連字符號可以出現，也可以不出現——即，999-99-9999和999999999都屬于正確的格式。這時，你可以在連字符號后面加上“?”數量限定符號。

　　美國汽車牌照的一種格式是四個數字加上二個字母。它的正則表達式前面是數字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。

　　1.5 “否”符號

　　“^”符號稱為“否”符號。如果用在方括號內，“^”表示不想要匹配的字符。例如，圖四的正則表達式匹配所有單詞，但以“X”字母開頭的單詞除外。

　　1.6 圓括號和空白符號

　　“/s”符號是空白符號，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢?只需在月份周圍加上一個圓括號創建一個組，然后用ORO API提取出它的值。

　　1.7 其它符號

　　為簡便起見，你可以使用一些為常見正則表達式創建的快捷符號。如以下所示：

　　/t：制表符，等同于/u0009

　　/n：換行符，等同于/u000A

　　/d：代表一個數字，等同于[0-9]

　　/D：代表非數字，等同于[^0-9]

　　/s：代表換行符、Tab制表符等空白字符

　　/S：代表非空白字符

　　/w：字母字符，等同于[a-zA-Z_0-9]

　　/W：非字母字符，等同于[^/w]

　　例如，在前面社會安全號碼的例子中，所有出現“[0-9]”的地方我們都可以使用“/d”。

　　以下是我整理出來的程序：供參考：

　　[java] view plaincopypackage org.luosijin.test;

　　import java.util.regex.Matcher;

　　import java.util.regex.Pattern;

　　/**

　　* 正則表達式

　　* @version V5.0

　　* @author 羅嗣金

　　* @date 2009-11-9

　　*/

　　public class Regex {

　　/**

　　* @param args

　　* @author 羅嗣金

　　* @date 2009-11-9 下午11:27:28

　　*/

　　public static void main(String[] args) {

　　Pattern pattern = Pattern.compile("b*g");

　　Matcher matcher = pattern.matcher("bbg");

　　System.out.println(matcher.matches());

　　System.out.println(pattern.matches("b*g","bbg"));

　　//驗證郵政編碼

　　System.out.println(pattern.matches("[0-9]{6}", "200038"));

　　System.out.println(pattern.matches("//d{6}", "200038"));

　　//驗證電話號碼

　　System.out.println(pattern.matches("[0-9]{3,4}//-?[0-9]+", "02178989799"));

　　getDate("Nov 10,2009");

　　charReplace();

　　//驗證身份證:判斷一個字符串是不是身份證號碼，即是否是15或18位數字。

　　System.out.println(pattern.matches("^//d{15}|//d{18}$", "123456789009876"));

　　getString("D:/dir1/test.txt");

　　getChinese("welcome to china,江西奉新,welcome,你!");

　　validateEmail("luosijin123@163.com");

　　}

　　/**

　　* 日期提取:提取出月份來

　　* @param str

　　* @author 羅嗣金

　　* @date 2009-11-9 下午11:56:06

　　*/

　　public static void getDate(String str){

　　String regEx="([a-zA-Z]+)|//s+[0-9]{1,2},//s*[0-9]{4}";

　　Pattern pattern = Pattern.compile(regEx);

　　Matcher matcher = pattern.matcher(str);

　　if(!matcher.find()){

　　System.out.println("日期格式錯誤!");

　　return;

　　}

　　System.out.println(matcher.group(1)); //分組的索引值是從1開始的，所以取第一個分組的方法是m.group(1)而不是m.group(0)。

　　}

　　/**

　　* 字符替換:本實例為將一個字符串中所有包含一個或多個連續的“a”的地方都替換成“A”。

　　*

　　* @author 羅嗣金

　　* @date 2009-11-10 上午12:06:03

　　*/

　　public static void charReplace(){

　　String regex = "a+";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher("okaaaa LetmeAseeaaa aa booa");

　　String s = matcher.replaceAll("A");

　　System.out.println(s);

　　}

　　/**

　　* 字符串提取

　　* @param str

　　* @author 羅嗣金

　　* @date 2009-11-10 上午12:20:48

　　*/

　　public static void getString(String str){

　　String regex = ".+/(.+)$";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(str);

　　if(!matcher.find()){

　　System.out.println("文件路徑格式不正確!");

　　return;

　　}

　　System.out.println(matcher.group(1));

　　}

　　/**

　　* 中文提取

　　* @param str

　　* @author 羅嗣金

　　* @date 2009-11-10 上午12:27:17

　　*/

　　public static void getChinese(String str){

　　String regex = "[//u4E00-//u9FFF]+";//[//u4E00-//u9FFF]為漢字

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(str);

　　StringBuffer sb = new StringBuffer();

　　while(matcher.find()){

　　sb.append(matcher.group());

　　}

　　System.out.println(sb);

　　}

　　/**

　　* 驗證Email

　　* @param email

　　* @author 羅嗣金

　　* @date 2009-11-10 上午12:34:50

　　*/

　　public static void validateEmail(String email){

　　String regex = "[0-9a-zA-Z]+@[0-9a-zA-Z]+//.[0-9a-zA-Z]+";

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(email);

　　if(matcher.matches()){

　　System.out.println("這是合法的Email");

　　}else{

　　System.out.println("這是非法的Email");

　　}

　　}

　　}