为了更好地理解和构造正则表达式,本文先介绍上下文无关文法(CFG,简称文法)。
1.基本运算符① 克林闭包(Kleene Closure):" * "表示有0个或多个该符号
x → y*
② 并(Union): " | "表示或
x → y | z
③ 连接(Concatenation):用空格" "表示
x → y z
其中,三种运算符与括号的优先级为(1)括号(2)克林闭包(3)连接(4)并
2.上下文无关文法(CFG)对于一个上下文无关文法CFG G,G是一个四元组 G = (V,T,P,S)
① V: 变元 (Variable) 的有穷集, 变元也称为非终结符
② T: 终结符 (Terminal) 的有穷集, 且 V ∩ T = ∅
③ P: 产生式 (Production) 的有穷集,每个产生式包括:
(1)一个变元, 称为产生式的头 (head)
(2)一个产生式符号 →, 读作定义为
(3) 一个(V ∪ T )∗中的符号串, 称为体 (body)
④ S ∈V: 初始符号 (Start symbol), 文法开始的地方
当变元有多个产生式时,可以表示为
x → a | b | c3.上下文无关文法文法举例
例如,用上下文无关文法表示jwts.hit.edu.cn,jwes.hit.edu.cn和xg.hit.edu.cn
S → A 'hit.edu.cn' A → 'jwts' | 'jwes' | 'xg'4. 更多常用的运算符
①“ ?”表示字符出现0次或1次
x → y?
② “+”表示至少字符出现一次
x → y+ // 等价于 x → y y*
③ 字符出现次数的表示方式
x → y{3} // 3个y连接,等价于 x → y y y
x → y{1,3} // 1到3个y连接,等价于 x → y | y y | y y y
x → y{,4} // 最多4个y连接,等价于 x → | y | y y | y y y | y y y y
x → y{2,} // 至少两个y连接,等价于x → y y y*
④ 单字符表示的字符范围
x → [aeiou] // 等价于 x → 'a' | 'e' | 'i' | 'o' | 'u' x → [a-ckx-z] // 等价于 x → 'a' | 'b' | 'c' | 'k' | 'x' | 'y' | 'z' x → [^a-c] //表示除了a、b、c外的所有字符二、 正则表达式 1.文法转正则表达式
对于一个文法CFG G=(V,T,P,S),若将每个变元V(初始符号S除外)替换为其右侧的体,可以得到一个初始符号S的产生式,且右侧的体只有终结符和运算符,则该文法可以表示为正则表达式
① 用初始符号S仅含终结符和运算发的产生式表示文法
② 对文法的体去除引号和空格
③ 对特殊符号进行转义,用反斜杠“”
例如
. ( ) * + | [ ] \2.常见的特殊符号
. // 表示任意单个字符 d // 表示任意数字,等价于[0-9]3.文法转正则表达式举例
① 例如上述文法可以表示为
S → ('jwts' | 'jwes' | 'xg') 'hit.edu.cn'
②去除引号和空格
(jwts|jwes|xg)hit.edu.cn
③ 对特殊符号进行转义
(jwts|jwes|xg)hit.edu.cn
注意,当要用JAVA中字符串表示正则表达式时,对反斜杠"",还必须进一步转义,以保护反斜杠“”不被解释为Java字符串转义字符。双反斜杠转义的频繁需求使得正则表达式的可读性仍然较低。
最终表示为JAVA中字符串结果为
"(jwts|jwes|xg)hit\.edu\.cn"三、正则表达式的基本运用 对数据进行处理
① 输入数据字符串
② 调用Pattern.compile()对regex正则表达式进行编译
③ 调用matcher(),利用Pattern对输入的字符串进行解析
④ 调用 matcher.group()得到输入字符串中的对应部分
String s = "jwts.hit.edu.cn";
Pattern regex = Pattern.compile("(jwts|jwes|xg)hit\.edu\.cn");
Matcher m = regex.matcher(s);
if (m.matches()) {
System.out.println(m.group());
System.out.println(m.group(1));
}
最终输出为:
jwts.hit.edu.cn
jwts



