Java的正则表达式深入分析

一.regex（正则表达式）：Regularexpressions（代替了StringTokenizer）；字符串处理利器；在unix流行，perl使用regex更牛。
主要用在字符串匹配、查找和替换。例如：匹配IP（范围小于256）使用正则很好搞；从网页中揪出大量email地址发送垃圾邮件；从网页里揪出链接。包含Matcher（用模式匹配字符串后产生的结果）和pattern。
复制代码 代码如下:

 
         System.out.println("abc".matches("..."));//每个"."表示一个字符

复制代码 代码如下:
 
         System.out.println("ab54564654sbg48746bshj".replaceAll("[0-9]", "-"));//每个"."表示一个字符

二、
复制代码 代码如下:

         Pattern p = Pattern.compile("[a-z]{3}");
         Matcher m = p.matcher("ggs");//创建匹配给定输入与此模式的匹配器。内部实际上是创建了一个优先状态的自动机(编译原理)
         //matcher和matches里待匹配的字符串实际上是CharSequence（接口）,不过String实现了该接口，存在多态
         System.out.println(m.matches());//若是"ggss"就不匹配了
         //可一直接"ggs".matches("[a-z]{3}"),不过上面的有好处，至少效率高了，而且Pattern和Matcher提供了很多功能

三、在regex“. * +”中叫meta Character；ctrl + shift + "/"表示注释，换成""表示去掉注释。
复制代码 代码如下:
"a".matches(".");//true,"."表示任意一个字符,汉字也行
         "aa".matches("aa");//true,也就是说普通字符串也可以作为正则表达式
        
         "aaaa".matches("a*");
         "".matches("a*");//true
         "aaa".matches("a?");//true，一次或者0次
         "".matches("a?");//true
         "a".matches("a?");//true
         "544848154564113".matches("\d{3,100}");//true
         //这个是最简单的IP判断，不过若是超过255则判断不出来
         "192.168.0.aaa".matches("\d{1,3}\.\d{1,3}\.\d{1,3}\d{1,3}");
         "192".matches("[0-2][0-9][0-9]");

四、[abc]表示匹配任意一个字符；[^abc]表示出了abc以外的其他字母（必须还是字母，若是空串也返回false）字符;[a-zA-Z]等价于"[a-z]|[A-Z]"是否是某个大小写字母；[A-Z&&[ABS]]表示大写字母中取ABS中任一个。
复制代码 代码如下:
//发现|和||没区别，&和&&有区别，不知道这么理解对不对
         System.out.println("C".matches("[A-Z&&[ABS]]"));//false
         System.out.println("C".matches("[A-Z&[ABS]]"));//true
         System.out.println("A".matches("[A-Z&&[ABS]]"));//true
         System.out.println("A".matches("[A-Z&[ABS]]"));//true
         System.out.println("C".matches("[A-Z|[ABS]]"));//true
         System.out.println("C".matches("[A-Z||[ABS]]"));//true

五、w 单词字符：[a-zA-Z_0-9] 进行用户名匹配时;s 空白字符：[ tnx0Bfr]； S 非空白字符：[^s] ；W 非单词字符：[^w] 。
复制代码 代码如下:
" ntr".matches("\s{4}");//true
         " ".matches("\S");//false
         "a_8".matches("\w{3}");//true
         //“+”表示一次或者多次
         "abc888&^%".matches("[a-z]{1,3}\d+[&^#%]+");//true
        
         System.out.println("\".matches("\\"));//true

六、POSIX 字符类（仅 US-ASCII）
复制代码 代码如下:
　p{Lower} 小写字母字符：[a-z] ;p{Upper} 大写字母字符：[A-Z] ;p{ASCII} 所有 ASCII：[x00-x7F] ;p{Alpha} 字母字符：[p{Lower}p{Upper}] ;p{Digit} 十进制数字：[0-9] 。

七、边界匹配器
^ 行的开头
　　$ 行的结尾
　　b 单词边界
　　B 非单词边界
　　A 输入的开头
　　G 上一个匹配的结尾
　　Z 输入的结尾，仅用于最后的结束符（如果有的话）
　　z 输入的结尾
复制代码 代码如下:
"hello world".matches("^h.*");//^行的开头
         "hello world".matches(".*ld$");//$行的结尾
         "hello world".matches("^h[a-z]{1,3}o\b.*");//b单词边界
         "helloworld".matches("^h[a-z]{1,3}o\b.*");

 " n".matches("^[\s&&[^\n]]*\n$");//判断空白行，空白行开头是空白符

八、还可以在find方法下使用m.start()和m.end()返回开始位置和结束位置的下一个；若是找不到则出错。
复制代码 代码如下:
Pattern p = Pattern.compile("\d{3,5}");
         String s = "133-34444-333-00";
         Matcher m = p.matcher(s);
         m.matches();//matches匹配全部字符串
         m.reset();
        
         m.find();
         m.find();
         m.find();//尝试查找与该模式匹配的输入序列的下一个子序列
         m.find();
        
         m.lookingAt();
         m.lookingAt();
         m.lookingAt();
         m.lookingAt();

九、字符串替换
复制代码 代码如下:
import java.util.regex.Matcher;
 import java.util.regex.Pattern;

 public class TestRegexReplacement {

     public static void main(String[] args) {

         Pattern p = Pattern.compile("java",Pattern.CASE_INSENSITIVE);//后面的参数是整形,表示“大小写不敏感”
         Matcher m = p.matcher("Java java hxsyl Ilovejava java JaVaAcmer");
         while(m.find()) {
             System.out.println(m.group());//m.group会输出所有的java（忽略大小写）

         }

        
         String s = m.replaceAll("Java");//String也有该方法
         System.out.println(s);

         m.reset();//一定要加，因为find和matcher相互影响
         StringBuffer sb = new StringBuffer();
         int i = 0;
        
         while(m.find()) {
             i++;
             //不能直接写成i&1必须转化为boolean
             if((i&1)==1) {
                 m.appendReplacement(sb, "Java");
             }else {
                 m.appendReplacement(sb, "java");
             }
         }

         m.appendTail(sb);//把找到的最后一个java后边的剩余字符串加上
         System.out.println(sb);//不加reset的话只输出了Acmer
     }
 }

十、分组
复制代码 代码如下:

         Pattern p = Pattern.compile("(\d{3,5})([a-z]{2})");
         String s = "123aaa-77878bb-646dd-00";
         Matcher m = p.matcher(s);
         while(m.find()) {
             System.out.println(m.group());
             System.out.println(m.group(1));//输出每对符合的 数字
             System.out.println(m.group(2));//输出每对符合的 字母
         }

十一、抓取网页中的email
复制代码 代码如下:
import java.io.BufferedReader;
 import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.IOException;
 import java.util.regex.Matcher;
 import java.util.regex.Pattern;

 
 public class EmailSpider {

     public static void main(String[] args) {
         // TODO Auto-generated method stub
         try {
             BufferedReader br = new BufferedReader(new FileReader("F:\regex.html"));
             String line = "";
             try {
                 while((line=br.readLine())!=null) {
                     solve(line);
                 }
             } catch (IOException e) {
                 // TODO Auto-generated catch block
                 e.printStackTrace();
             }

         } catch (FileNotFoundException e) {
             // TODO Auto-generated catch block
             e.printStackTrace();
         }

 
     }

     private static void solve(String line) {
         // TODO Auto-generated method stub
         //正则表达式要是不满足相应功能的话不会出错，因为他是字符串
         Pattern p = Pattern.compile("[\w[.-]]+@[\w[.-]]+\.[\w]+");
         Matcher m = p.matcher(line);

         while(m.find()) {
             System.out.println(m.group());
         }

     }

 }

十二、代码统计
复制代码 代码如下:
View Code
 
 import java.io.BufferedReader;
 import java.io.File;
 import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.IOException;

 public class CoderCount {

     static long normalLines = 0;
     static long commentLines = 0;
     static long whiteLines = 0;

     public static void main(String[] args) {
         File f = new File("D:\share\src");
         File[] codeFiles = f.listFiles();
         for(File child : codeFiles){
             if(child.getName().matches(".*\.java$")) {
                 solve(child);
             }
         }

         System.out.println("normalLines:" + normalLines);
         System.out.println("commentLines:" + commentLines);
         System.out.println("whiteLines:" + whiteLines);

     }

     private static void solve(File f) {
         BufferedReader br = null;
         boolean comment = false;
         try {
             br = new BufferedReader(new FileReader(f));
             String line = "";
             while((line = br.readLine()) != null) {
                
                 line = line.trim();
                 //readLine读出字符串后就把后面的换行去掉啦
                 if(line.matches("^[\s&&[^\n]]*$")) {
                     whiteLines ++;
                 } else if (line.startsWith("")) {
                     commentLines ++;
                     comment = true;   
                 } else if (line.startsWith("")) {
                     commentLines ++;
                 } else if (true == comment) {
                     commentLines ++;
                     if(line.endsWith("*/")) {
                         comment = false;
                     }
                 } else if (line.startsWith("//")) {
                     commentLines ++;
                 } else {
                     normalLines ++;
                 }
             }
         } catch (FileNotFoundException e) {
             e.printStackTrace();
         } catch (IOException e) {
             e.printStackTrace();
         } finally {
             if(br != null) {
                 try {
                     br.close();
                     br = null;
                 } catch (IOException e) {
                     e.printStackTrace();
                 }
             }
         }
     }

 }

十三、Quantifiers
包括？*+；默认全是Greedy，还有Reluctant和Possessive(独占性的)。
复制代码 代码如下:
//加上分组是为了看得更清晰一些
     Pattern p = Pattern.compile("(.{3,10})+[0-9]");
     String s = "aaaa5bbbb6";//长度是10
     Matcher m = p.matcher(s);
    
     if(m.find()) {
         System.out.println(m.start() + "----" + m.end());
     }else {
         System.put.println("Not match!");
     }

十四、补充（非捕获组）
复制代码 代码如下:
//非捕获组的意思和字面相反，意思是若是符合则捕获
     Pattern p = Pattern.compile("(?=a).{3}");
    
     String s = "444a66b";
     Matcher m = p.matcher(s);
     while(m.find()) {
         System.out.println(m.group());
     }

十五、Back Reference
复制代码 代码如下:
Pattern p = Pattern.compile("(\d\d)\1");
    
     String s = "1212";
     Matcher m = p.matcher(s);
     System.out.println(m.matches());

十六、flags的简写
"."是不匹配换行的，记住CASE_INSENSITIVE就行了，简写“通过嵌入式标志表达式  (?i) 也可以启用不区分大小写的匹配”。