java正则表达式彻底研究_正则表达式教程-查字典教程网

packagetestreg;

importjava.util.regex.Matcher;

importjava.util.regex.Pattern;

/**

*<p>Title:正则表达式的研究</p>

*<p>Description:

*最近在工作中常常用到一些正则表达式的使用问题，到网上去找介绍大多是一鳞半爪。求人不如

*求已。一狠心，自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来

*了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说，书归正传。

*原理：

*正则表达式的原理是有限状态自动机，自动机内部有有限个状态，有一个初始状态，有一个

*结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵，这是很久以前学

*的东东了也记不清了，大家只作参照吧。

*Java中的正则表达式：

*从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包，这个包中主要有

*3个类:Pattern,代表模式，就是正则表达式自身，Matcher，是一个有限状态自动机，其实大多

*数的活还是让Pattern类于了，Matcher往往只是简单的调用Pattern，不知道这是什么模式。这

*两个类写的都很经典，还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所

*用正则表达式不正确时抛出，是运行时异常。

*几个难点：

*1.lineterminator

*lineterminator中文意终结符，是指一个或两个字符组成的字符序列。java中的

*所有lineterminator:

*Anewline(linefeed)character('n'),

*-----------换行符(0A)

*Acarriage-returncharacterfollowedimmediatelybyanewlinecharacter("rn"),

*-----------回车+换行(0D0A)

*Astandalonecarriage-returncharacter('r'),

*-----------回车(0D)

*Anext-linecharacter('u0085'),

*------------下一行符？(？表示我也不知道是什么，请大家明白的给我发mail

*Aline-separatorcharacter('u2028'),or

*------------行分隔符？

*Aparagraph-separatorcharacter('u2029).

*------------段落分隔符？

*IfUNIX_LINESmodeisactivated,thentheonlylineterminatorsrecognizedarenewlinecharacters.

*如果使用unix模式则只有n被认为是lineterminator，也就是在使用pattern时如下：

*Patternp=Pattern.compile("正则表达式",Pattern.UNIX_LINE);

*或Patternp=Pattern.compile("(?d)正则表达式")

*"."匹配除lineterminator以外的所有字符(未指定DOTALL时)

*在指定DOTAll模式时"."匹配所有字符

*2.Quantifiers,Greedy,ReluctantandPossessive.

*这几个词不太好译，原文是GreedyQuantifiers,ReluctantQuantifiersandPossessive

*Quantifiers凭我这点英语我只好译作贪婪的量子，不情愿的量子和占有欲强的量子？这也太搞笑了，

*好在我理解了他们的意思。这点等下我细说。

*3.对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解

*对于上述，原文用range,union,negation,intersection,subtraction等来描述

*range表是范围，union是并集，negation是取反，intersection是交集，subtraction

*是……是减法？？反正是减去一部分的意思

*rangea-z从a到z的小写字母

*negation[^a-f]除了a-f之外所有的，全集是所有字符

*union[a-d[h-i]]a-d并h-i

*subtraction[b-f&&[^cd]]就是b-f中除了cd以外的都是

*intersection[b-f&&[a-z]]就是b-f与a-z中的公共部分

*我总结了一下，其实就是方括号表示一个集合，集合中的元素用列举法表示如[abcd]，但太多

*了怎么为？总不能把从a到z的全列举吧？那就用a-z表示且省略了方括号，交集用&&表示，并集

*省略，差集(对subtraction译成差集还差不多)用交集和取反来表示。所以，以上的可表示为：

*[[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]

*这样是不是和我们的习惯相符了.

*4.各个标志的意义

*在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。

*用法形如：Patternp=Pattern.compile(".*a?",Pattern.UNIX_LINES);

*当同时指定多个标志时可以使用"|"操作符连接如：

*Patternp=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);

*也可以在表达式中指定如：

*Patternp=Pattern.compile("(?d).*a?");

*Patternp=Pattern.compile("(?d)(?s).*a?");

*以上两个定义和前面两个对应等价

*所有的标志如下：

*ConstantEquivalentEmbeddedFlagExpression

Pattern.CANON_EQNoneEnablescanonicalequivalence

Pattern.CASE_INSENSITIVE(?i)Enablescase-insensitivematching

Pattern.COMMENTS(?x)Permitswhitespaceandcommentsinpattern.

Pattern.MULTILINE(?m)Enablesmultilinemode.

Pattern.DOATALL(?s)Enablesdotallmode

Pattern.UNICODE_CASE(?u)EnablesUnicode-awarecasefolding.

Pattern.UNIX_LINES(?d)EnablesUnixlinesmode

CANON_EQ指定使用规范等价模式？这个我理解的也有限，是不是说只要指定了这个模式则

ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等？请教各位。(mailtome)

CASE_INSENSITIVE指定使用大小写不敏感的匹配模式，这个好理解，但要注意这个标志只是

对ascii码有效，要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定

CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)

COMMENTS指定使用注释和忽略空白，也就是".*a"==".*a#thisiscomments"我想这个

*在正则表达式很大，而且是在文件中输入时比较有用，平时我看也用不上。

*MULTILINEInmultilinemodetheexpressions^and$matchjustafter

*orjustbefore,respectively,alineterminatorortheendofthe

*inputsequence.Bydefaulttheseexpressionsonlymatchatthebeginning

*andtheendoftheentireinputsequence

*指定使用多行匹配模式，在默认模式下，^和$分别只匹配一个输入的开始和结束。

*在这种模式下，^和$除了匹配整个输入的开始和结束外还匹配一个lineterminator的后边和

*前边(不是前边和后边，就是说^匹配lineterminator的后边$匹配lineterminator的前边。

*DOATALL如指定了这个模式则"."可匹配任何字符包括lineterminator

*UNIX_LINES指定这个模式时只有n被认为是lineterminator而r和rn都不是

*其他的我一时想不起来了，在具体介绍时再说吧。

*</p>

publicclassTestReg2

{

publicstaticvoidmain(String[]args)

{

Stringstr1="";

Objectstr="";

//注意：r,n,b等转义字符在java字符串常量中要写成r,n,b等，否则编译都过不去

//s匹配r,n,r和空格

System.out.println("s匹配r,n,r和空格"+"tnr".matches("s{4}"));

//S和s互逆

System.out.println("S和s互逆"+"/".matches("S"));

//.不匹配r和n

System.out.println(".不匹配r和n"+"r".matches("."));

System.out.println("n".matches("."));

//w匹配字母，数字和下划线

System.out.println("w匹配字母，数字和下划线"+"a8_".matches("www"));

//W和w互逆

System.out.println("W和w互逆"+"&_".matches("Ww"));

//d匹配数字

System.out.println("d匹配数字"+"8".matches("d"));

//D与d互逆

System.out.println("D与d互逆"+"%".matches("D"));

//两者都匹配但意文不同

System.out.println("======================");

System.out.println("表示00a匹配00a"+"n".matches("n"));

System.out.println("表示n匹配换行"+"n".matches("n"));

System.out.println("======================");

//两者都匹配但意文不同

System.out.println("r".matches("r"));

System.out.println("======================");

//^匹配开头

System.out.println("^匹配开头"+"hell".matches("^hell"));

System.out.println("abcnhell".matches("^hell"));

//$匹配结束

System.out.println("$匹配结束"+"mycarnabc".matches(".*ar$"));

System.out.println("mycar".matches(".*ar$"));

//b匹配界

System.out.println("b匹配界"+"bomb".matches("bbom."));

System.out.println("bomb".matches(".*mbb"));

//B与b互逆

System.out.println("B与b互逆"+"abc".matches("Babc"));

//[a-z]匹配a到z的小写字母

System.out.println("[a-z]匹配a到z的小写字母"+"s".matches("[a-z]"));

System.out.println("S".matches("[A-Z]"));

System.out.println("9".matches("[0-9]"));

//取反

System.out.println("取反"+"s".matches("[^a-z]"));

System.out.println("S".matches("[^A-Z]"));

System.out.println("9".matches("[^0-9]"));

//括号的作用

System.out.println("括号的作用"+"aB9".matches("[a-z][A-Z][0-9]"));

System.out.println("aB9bC6".matches("([a-z][A-Z][0-9])+"));

//或运算

System.out.println("或运算"+"two".matches("two|to|2"));

System.out.println("to".matches("two|to|2"));

System.out.println("2".matches("two|to|2"));

//[a-zA-z]==[a-z]|[A-Z]

System.out.println("[a-zA-z]==[a-z]|[A-Z]"+"a".matches("[a-zA-Z]"));

System.out.println("A".matches("[a-zA-Z]"));

System.out.println("a".matches("[a-z]|[A-Z]"));

System.out.println("A".matches("[a-z]|[A-Z]"));

//体会一下以下四个

System.out.println("体会一下以下四个n==========================");

System.out.println(")".matches("[a-zA-Z)]"));

System.out.println(")".matches("[a-zA-Z)_-]"));

System.out.println("_".matches("[a-zA-Z)_-]"));

System.out.println("-".matches("[a-zA-Z)_-]"));

System.out.println("==========================");

System.out.println("b".matches("[abc]"));

//[a-d[f-h]]==[a-df-h]

System.out.println("[a-d[f-h]]==[a-df-h]"+"h".matches("[a-d[f-h]]"));

System.out.println("a".matches("[a-z&&[def]]"));

//取交集

System.out.println("取交集"+"a".matches("[a-z&&[def]]"));

System.out.println("b".matches("[[a-z]&&[e]]"));

//取并

System.out.println("取并"+"9".matches("[[a-c][0-9]]"));

//[a-z&&[^bc]]==[ad-z]

System.out.println("[a-z&&[^bc]]==[ad-z]"+"b".matches("[a-z&&[^bc]]"));

System.out.println("d".matches("[a-z&&[^bc]]"));

//[a-z&&[^m-p]]==[a-lq-z]

System.out.println("[a-z&&[^m-p]]==[a-lq-z]"+"d".matches("[a-z&&[^m-p]]"));

System.out.println("a".matches("p{Lower}"));

///注意以下体会b的用法(注意，在字符串常量中十目直接写b表退格，所以要写b

System.out.println("*********************************");

System.out.println("aawordaa".matches(".*bwordb.*"));

System.out.println("aworda".matches(".*bwordb.*"));

System.out.println("aawordaa".matches(".*BwordB.*"));

System.out.println("aworda".matches(".*BwordB.*"));

System.out.println("aworda".matches(".*word.*"));

System.out.println("aawordaa".matches(".*word.*"));

//体会一下组的用法

//组的顺序，只数"("第一个为第一组第二个是第二组……

//第0组表示整个表达式

System.out.println("**************testgroup**************");

Patternp=Pattern.compile("(([abc]+)([123]+))([-_%]+)");

Matcherm=p.matcher("aac212-%%");

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

m=p.matcher("cccc2223%_%_-");

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

System.out.println("======testgroup======");

System.out.println(m.group());

System.out.println(m.group(0));

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

System.out.println(m.group(2));

System.out.println(m.group(3));

System.out.println(m.group(4));

System.out.println(m.groupCount());

System.out.println("========testend()=========");

System.out.println(m.end());

System.out.println(m.end(2));

System.out.println("==========teststart()==========");

System.out.println(m.start());

System.out.println(m.start(2));

//testbackslash测试反向引用？

Patternpp1=Pattern.compile("(d)1");//这个表达式表示必须有两相同的数字出现

//1表示引用第一个组n表示引用第n个组(必须用1而不能用1因1在字符串中另有意义(我也知道是什么)

Matchermm1=pp1.matcher("3345");//33匹配但45不匹配

System.out.println("testbackslash测试反向引用");

System.out.println(mm1.find());

//体会以下不同

System.out.println("==============testfind()=========");

System.out.println(m.find());

System.out.println(m.find(2));

System.out.println("这是从第三个字符(index=2)开始找的group结果");

System.out.println(m.group());

System.out.println(m.group(0));

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

System.out.println(m.group(2));

System.out.println(m.group(3));

m.reset();

System.out.println(m.find());

//测试一个模式可多次匹配一个串

System.out.println("测试一个模式可多次匹配一个串");

Patternp1=Pattern.compile("a{2}");

Matcherm1=p1.matcher("aaaaaa");

//这说明Matcher的matchs()方法是对事个字符串的匹配，

System.out.println(m1.matches());

System.out.println(m1.find());

//再测试matchs()

System.out.println("再测试matchs()");

Patternp2=Pattern.compile("(a{2})*");

Matcherm2=p2.matcher("aaaa");

System.out.println(m2.matches());

//所以find是在一个串中找有没有对应的模式，而matchs是完全匹配

//testlookupat()

System.out.println("testlookupat()");

Patternp3=Pattern.compile("a{2}");

Matcherm3=p3.matcher("aaaa");

System.out.println(p3.flags());

System.out.println(m3.lookingAt());

//总结以上matchs()是整个匹配且总是从头开始，find是部分匹配且从上一次匹配结束时开始找

//lookingAt也是从头开始，但是部分匹配

System.out.println("======test空白行========");

System.out.println("n".matches("^[t]*$n"));

//演示appendXXX的用法

System.out.println("=================testappend====================");

Patternp4=Pattern.compile("cat");

Matcherm4=p4.matcher("onecattwocatsintheyard");

StringBuffersb=newStringBuffer();

booleanresult=m4.find();

inti=0;

System.out.println("onecattwocatsintheyard");

while(result)

{m4.appendReplacement(sb,"dog");

System.out.println(m4.group());

System.out.println("第"+i+++"次:"+sb.toString());

result=m4.find();

}

System.out.println(sb.toString());

m4.appendTail(sb);

System.out.println(sb.toString());

//testUNIX_LINES

System.out.println("testUNIX_LINES");

Patternp5=Pattern.compile(".",Pattern.UNIX_LINES);

Matcherm5=p5.matcher("nr");

System.out.println(m5.find());

//testUNIX_LINES

System.out.println("testUNIX_LINES");

Patternp6=Pattern.compile("(?d).");

Matcherm6=p6.matcher("nr");

System.out.println(m6.find());

//testUNIX_LINES

System.out.println("testUNIX_LINES");

Patternp7=Pattern.compile(".");

Matcherm7=p7.matcher("nr");

System.out.println(m7.find());

//testCASE_INSENSITIVE

System.out.println("testCASE_INSENSITIVE");

Patternp8=Pattern.compile("a",Pattern.CASE_INSENSITIVE);

Matcherm8=p8.matcher("aA");

System.out.println(m8.find());

System.out.println("testCASE_INSENSITIVE");

Patternp9=Pattern.compile("(?i)a");

Matcherm9=p9.matcher("aA");

System.out.println(m9.find());

System.out.println("testCASE_INSENSITIVE");

Patternp10=Pattern.compile("a");

Matcherm10=p10.matcher("aA");

System.out.println(m10.find());

//testCOMMENTS

System.out.println("testCOMMENTS");

Patternp11=Pattern.compile("aa#ccc",Pattern.COMMENTS);

Matcherm11=p11.matcher("aaaa#ccc");

System.out.println(m11.find());

System.out.println("testCOMMENTS");

Patternp12=Pattern.compile("(?x)aa#ccc");

Matcherm12=p12.matcher("aaaa#ccc");

System.out.println(m12.find());

//testMULTILINE这个大家多试试参照我上面对多行模式的理解

System.out.println("testMULTILINE");

Patternp13=Pattern.compile("^.?",Pattern.MULTILINE|Pattern.DOTALL);

Matcherm13=p13.matcher("helloohelloo,loveroo");

System.out.println(m13.find());

System.out.println("start:"+m13.start()+"end:"+m13.end());

System.out.println(m13.find());

//System.out.println("start:"+m13.start()+"end:"+m13.end());

System.out.println("testMULTILINE");

Patternp14=Pattern.compile("(?m)^hell.*oo$",Pattern.DOTALL);

Matcherm14=p14.matcher("hello,Worldoonhello,loveroo");

System.out.println(m14.find());

System.out.println("start:"+m14.start()+"end:"+m14.end());

System.out.println(m14.find());

//System.out.println("start:"+m14.start()+"end:"+m14.end());

System.out.println("testMULTILINE");

Patternp15=Pattern.compile("^hell(.|[^.])*oo$");

Matcherm15=p15.matcher("hello,Worldoonhello,loveroo");

System.out.println(m15.find());

System.out.println("start:"+m15.start()+"end:"+m15.end());

System.out.println(m15.find());

//System.out.println("start:"+m15.start()+"end:"+m15.end());

//testDOTALL

System.out.println("testDOTALL");

Patternp16=Pattern.compile(".",Pattern.DOTALL);

Matcherm16=p16.matcher("nr");

System.out.println(m16.find());

System.out.println("testDOTALL");

Patternp17=Pattern.compile(".");

Matcherm17=p17.matcher("nr");

System.out.println(m17.find());

System.out.println("testDOTALL");

Patternp18=Pattern.compile("(?s).");

Matcherm18=p18.matcher("nr");

System.out.println(m18.find());

//testCANON_EQ这个是jdk的例子但我实在不明白是什么意思，向大家请教

System.out.println("testCANON_EQ");

Patternp19=Pattern.compile("au030A",Pattern.CANON_EQ);

System.out.println(Character.getType('u030A'));

System.out.println("is"+Character.isISOControl('u030A'));

System.out.println("is"+Character.isUnicodeIdentifierPart('u030A'));

System.out.println(Character.getType('u00E5'));

System.out.println("is"+Character.isISOControl('u00E5'));

Matcherm19=p19.matcher("u00E5");

System.out.println(m19.matches());

System.out.println(Character.getType('u0085'));

System.out.println("is"+Character.isISOControl('u0085'));

//注意下面三个例子体会Greedy,ReluctantandPossessiveQuantifiers的不同

Patternppp=Pattern.compile(".*foo");

Matchermmm=ppp.matcher("xfooxxxxxxfoo");

/**

*Greedyquantifiers

X?X,onceornotatall

X*X,zeroormoretimes

X+X,oneormoretimes

X{n}X,exactlyntimes

X(n,}X,atleastntimes

X{n,m}X,atleastnbutnotmorethanmtimes

Greedyquantifiers是最常用的一种，如上，它的匹配方式是先匹配尽可能多的字符，当

这样造成整个表达式整体不能匹配时就退一个字符再试比如：

.*foo与xfooxxxxxxfoo的匹配过程，.*先与整个输入匹配，发现这样不行，整个串不能匹配

*于是退最后一个字符"o"再试，还不行，再退直到把foo都退出才发现匹配于是结束。因为这个过程

*总是先从最大匹配开始到找到一个匹配，所以.*与之匹配的总是一个最大的，这个特点和资本家相似

*故名贪婪的

booleanisEnd=false;

intk=0;

System.out.println("==========");

System.out.println("xfooxxxxxxfoo");

while(isEnd==false)

try{

System.out.println("the:"+k++);

System.out.println(mmm.find());

System.out.println(mmm.end());

}catch(Exceptione){

isEnd=true;

}

isEnd=false;

Patternppp1=Pattern.compile(".*?foo");

Matchermmm1=ppp1.matcher("xfooxxxxxxfoo");

/**

*Reluctantquantifiers

X??X,onceornotatall

X*?X,zeroormoretimes

X+?X,oneormoretimes

X{n}?X,exactlyntimes

X(n,}?X,atleastntimes

X{n,m}?X,atleastnbutnotmorethanmtimes

Reluctantquantifiers的匹配方式正好相反，它总是先从最小匹配开始，如果这时导致

整个串匹配失败则再吃进一个字符再试，如：

.*?foo与xfooxxxxxxfoo的匹配过程，首先，.*与空串匹配，这时整个串匹配失败，于是

*再吃一个x,这时发现整个串匹配成功，当再调用find时从上次匹配结束时开始找，先吃一个

*空串，不行，再吃一个x，不行，……直到把中间所有x都吃掉才发现匹配成功。这种方式总

*是从最小匹配开始所以它能找到最多次数的匹配，但第一匹配都是最小的。它的行为有点象雇佣

*工人，总是尽可能少的于活，故名勉强的。

k=0;

System.out.println("?????????????????????");

System.out.println("xfooxxxxxxfoo");

while(isEnd==false)

try{

System.out.println("the:"+k++);

System.out.println(mmm1.find());

System.out.println(mmm1.end());

}catch(Exceptione){

isEnd=true;

}

isEnd=false;

Patternpp2=Pattern.compile(".*+foo");

Matchermm2=pp2.matcher("xfooxxxxxxfoo");

/**

Possessivequantifiers

X?+X,onceornotatall

X*+X,zeroormoretimes

X++X,oneormoretimes

X{n}+X,exactlyntimes

X(n,}+X,atleastntimes

X{n,m}+X,atleastnbutnotmorethanmtimes

Possessivequantifiers这种匹配方式与Greedy方式相似，所不同的是它不够聪明，当

它一口吃掉所有可以吃的字符时发现不匹配则认为整个串都不匹配，它不会试着吐出几个。它的行

为和大地主相似，贪婪但是愚蠢，所以名曰强占的。

intii=0;

System.out.println("+++++++++++++++++++++++++++");

System.out.println("xfooxxxxxxfoo");

while(isEnd==false)

try{

System.out.println("the:"+ii++);

System.out.println(mm2.find());

System.out.println(mm2.end());

}catch(Exceptione){

isEnd=true;

}