正則表達(dá)式是一種文本模式,包括普通字符(例如,a 到 z 之間的字母)和特殊字符(稱為“元字符”)。模式描述在搜索文本時(shí)要匹配的一個(gè)或多個(gè)字符串。
下面是正則表達(dá)式的一些示例:
表達(dá)式 | 匹配 |
---|---|
/^\s*$/ | 匹配空行。 |
/\d{2}-\d{5}/ | 驗(yàn)證由兩位數(shù)字、一個(gè)連字符再加 5 位數(shù)字組成的 ID 號(hào)。 |
/<\s*(\S+)(\s[^>]*)?>[\s\S]*<\s*\/\1\s*>/ | 匹配 HTML 標(biāo)記。 |
下表包含了元字符的完整列表以及它們?cè)谡齽t表達(dá)式上下文中的行為:
字符 | 說明 |
---|---|
\ | 將下一字符標(biāo)記為特殊字符、文本、反向引用或八進(jìn)制轉(zhuǎn)義符。例如,“n”匹配字符“n”。“\n”匹配換行符。序列“\\”匹配“\”,“\(”匹配“(”。 |
^ | 匹配輸入字符串開始的位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性,^ 還會(huì)與“\n”或“\r”之后的位置匹配。 |
$ | 匹配輸入字符串結(jié)尾的位置。如果設(shè)置了 RegExp 對(duì)象的 Multiline 屬性,$ 還會(huì)與“\n”或“\r”之前的位置匹配。 |
* | 零次或多次匹配前面的字符或子表達(dá)式。例如,zo* 匹配“z”和“zoo”。* 等效于 {0,}。 |
+ | 一次或多次匹配前面的字符或子表達(dá)式。例如,“zo+”與“zo”和“zoo”匹配,但與“z”不匹配。+ 等效于 {1,}。 |
? | 零次或一次匹配前面的字符或子表達(dá)式。例如,“do(es)?”匹配“do”或“does”中的“do”。? 等效于 {0,1}。 |
{n} | n 是非負(fù)整數(shù)。正好匹配 n 次。例如,“o{2}”與“Bob”中的“o”不匹配,但與“food”中的兩個(gè)“o”匹配。 |
{n,} | n 是非負(fù)整數(shù)。至少匹配 n 次。例如,“o{2,}”不匹配“Bob”中的“o”,而匹配“foooood”中的所有 o。'o{1,}' 等效于 'o+'。'o{0,}' 等效于 'o*'。 |
{n,m} | m 和 n 是非負(fù)整數(shù),其中 n <= m。至少匹配 n 次,至多匹配 m 次。例如,“o{1,3}”匹配“fooooood”中的頭三個(gè) o。'o{0,1}' 等效于 'o?'。注意:您不能將空格插入逗號(hào)和數(shù)字之間。 |
? | 當(dāng)此字符緊隨任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后時(shí),匹配模式是“非貪心的”。“非貪心的”模式匹配搜索到的、盡可能短的字符串,而默認(rèn)的“貪心的”模式匹配搜索到的、盡可能長(zhǎng)的字符串。例如,在字符串“oooo”中,“o+?”只匹配單個(gè)“o”,而“o+”匹配所有“o”。 |
. | 匹配除“\n”之外的任何單個(gè)字符。若要匹配包括“\n”在內(nèi)的任意字符,請(qǐng)使用諸如“[\s\S]”之類的模式。 |
(pattern) | 匹配 pattern 并捕獲該匹配的子表達(dá)式??梢允褂?$0...$9 屬性從結(jié)果“匹配”集合中檢索捕獲的匹配。若要匹配括號(hào)字符 ( ),請(qǐng)使用“\(”或者“\)”。 |
(?:pattern) | 匹配 pattern 但不捕獲該匹配的子表達(dá)式,即它是一個(gè)非捕獲匹配,不存儲(chǔ)供以后使用的匹配。這對(duì)于用“或”字符 (|) 組合模式部件的情況很有用。例如,與“industry|industries”相比,“industr(?:y| ies)”是一個(gè)更加經(jīng)濟(jì)的表達(dá)式。 |
(?=pattern) | 執(zhí)行正向預(yù)測(cè)先行搜索的子表達(dá)式,該表達(dá)式匹配處于匹配 pattern 的字符串的起始點(diǎn)的字符串。它是一個(gè)非捕獲匹配,即不能捕獲供以后使用的匹配。例如,“Windows (?=95| 98| NT| 2000)”與“Windows 2000”中的“Windows”匹配,但不與“Windows 3.1”中的“Windows”匹配。預(yù)測(cè)先行不占用字符,即發(fā)生匹配后,下一匹配的搜索緊隨上一匹配之后,而不是在組成預(yù)測(cè)先行的字符后。 |
(?!pattern) | 執(zhí)行反向預(yù)測(cè)先行搜索的子表達(dá)式,該表達(dá)式匹配不處于匹配 pattern 的字符串的起始點(diǎn)的搜索字符串。它是一個(gè)非捕獲匹配,即不能捕獲供以后使用的匹配。例如,“Windows (?!95| 98| NT| 2000)”與“Windows 3.1”中的“Windows”匹配,但不與“Windows 2000”中的“Windows”匹配。預(yù)測(cè)先行不占用字符,即發(fā)生匹配后,下一匹配的搜索緊隨上一匹配之后,而不是在組成預(yù)測(cè)先行的字符后。 |
x| y | 與 x 或 y 匹配。例如,“z| food”與“z”或“food”匹配。“(z| f)ood”與“zood”或“food”匹配。 |
[xyz] | 字符集。匹配包含的任一字符。例如,“[abc]”匹配“plain”中的“a”。 |
[^xyz] | 反向字符集。匹配未包含的任何字符。例如,“[^abc]”匹配“plain”中的“p”。 |
[a-z] | 字符范圍。匹配指定范圍內(nèi)的任何字符。例如,“[a-z]”匹配“a”到“z”范圍內(nèi)的任何小寫字母。 |
[^a-z] | 反向范圍字符。匹配不在指定的范圍內(nèi)的任何字符。例如,“[^a-z]”匹配任何不在“a”到“z”范圍內(nèi)的任何字符。 |
\b | 匹配一個(gè)字邊界,即字與空格間的位置。例如,“er\b”匹配“never”中的“er”,但不匹配“verb”中的“er”。 |
\B | 非字邊界匹配。“er\B”匹配“verb”中的“er”,但不匹配“never”中的“er”。 |
\cx | 匹配由 x 指示的控制字符。例如,\cM 匹配一個(gè) Control-M 或回車符。x 的值必須在 A-Z 或 a-z 之間。如果不是這樣,則假定 c 就是“c”字符本身。 |
\d | 數(shù)字字符匹配。等效于 [0-9]。 |
\D | 非數(shù)字字符匹配。等效于 [^0-9]。 |
\f | 換頁符匹配。等效于 \x0c 和 \cL。 |
\n | 換行符匹配。等效于 \x0a 和 \cJ。 |
\r | 匹配一個(gè)回車符。等效于 \x0d 和 \cM。 |
\s | 匹配任何空白字符,包括空格、制表符、換頁符等。與 [ \f\n\r\t\v] 等效。 |
\S | 匹配任何非空白字符。等價(jià)于 [^ \f\n\r\t\v]。 |
\t | 制表符匹配。與 \x09 和 \cI 等效。 |
\v | 垂直制表符匹配。與 \x0b 和 \cK 等效。 |
\w | 匹配任何字類字符,包括下劃線。與“[A-Za-z0-9_]”等效。 |
\W | 任何非字字符匹配。與“[^A-Za-z0-9_]”等效。 |
\xn | 匹配 n,此處的 n 是一個(gè)十六進(jìn)制轉(zhuǎn)義碼。十六進(jìn)制轉(zhuǎn)義碼必須正好是兩位數(shù)長(zhǎng)。例如,“\x41”匹配“A”。“\x041”與“\x04”&“1”等效。允許在正則表達(dá)式中使用 ASCII 代碼。 |
\num | 匹配 num,此處的 num 是一個(gè)正整數(shù)。到捕獲匹配的反向引用。例如,“(.)\1”匹配兩個(gè)連續(xù)的相同字符。 |
\n | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義碼或反向引用。如果 \n 前面至少有 n 個(gè)捕獲子表達(dá)式,那么 n 是反向引用。否則,如果 n 是八進(jìn)制數(shù) (0-7),那么 n 是八進(jìn)制轉(zhuǎn)義碼。 |
\nm | 標(biāo)識(shí)一個(gè)八進(jìn)制轉(zhuǎn)義碼或反向引用。如果 \nm 前面至少有 nm 個(gè)捕獲子表達(dá)式,那么 nm 是反向引用。如果 \nm 前面至少有 n 個(gè)捕獲,那么 n 是反向引用,后面跟 m。如果前面的條件均不存在,那么當(dāng) n 和 m 是八進(jìn)制數(shù) (0-7) 時(shí),\nm 匹配八進(jìn)制轉(zhuǎn)義碼 nm。 |
\nml | 當(dāng) n 是八進(jìn)制數(shù) (0-3),m 和 l 是八進(jìn)制數(shù) (0-7) 時(shí),匹配八進(jìn)制轉(zhuǎn)義碼 nml。 |
\un | 匹配 n,其中 n 是以四位十六進(jìn)制數(shù)表示的 Unicode 字符。例如,\u00A9 匹配版權(quán)符號(hào) (©)。 |
如果你曾經(jīng)用過Perl或任何其他內(nèi)建正則表達(dá)式支持的語言,你一定知道用正則表達(dá)式處理文本和匹配模式是多么簡(jiǎn)單。如果你不熟悉這個(gè)術(shù)語,那么“正則表達(dá)式”(Regular Expression)就是一個(gè)字符構(gòu)成的串,它定義了一個(gè)用來搜索匹配字符串的模式。 |
許多語言,包括Perl、PHP、Python、JavaScript和JScript,都支持用正則表達(dá)式處理文本,一些文本編輯器用正則表達(dá)式實(shí)現(xiàn)高級(jí)“搜索-替換”功能。那么Java又怎樣呢?本文寫作時(shí),一個(gè)包含了用正則表達(dá)式進(jìn)行文本處理的Java規(guī)范需求(Specification Request)已經(jīng)得到認(rèn)可,你可以期待在JDK的下一版本中看到它。 |
然而,如果現(xiàn)在就需要使用正則表達(dá)式,又該怎么辦呢?你可以從Apache.org下載源代碼開放的Jakarta-ORO庫。本文接下來的內(nèi)容先簡(jiǎn)要地介紹正則表達(dá)式的入門知識(shí),然后以Jakarta-ORO API為例介紹如何使用正則表達(dá)式。 |
一、正則表達(dá)式基礎(chǔ)知識(shí) |
我們先從簡(jiǎn)單的開始。假設(shè)你要搜索一個(gè)包含字符“cat”的字符串,搜索用的正則表達(dá)式就是“cat”。如果搜索對(duì)大小寫不敏感,單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說: |
![]() |
1.1 句點(diǎn)符號(hào) |
假設(shè)你在玩英文拼字游戲,想要找出三個(gè)字母的單詞,而且這些單詞必須以“t”字母開頭,以“n”字母結(jié)束。另外,假設(shè)有一本英文字典,你可以用正則表達(dá)式搜索它的全部?jī)?nèi)容。要構(gòu)造出這個(gè)正則表達(dá)式,你可以使用一個(gè)通配符——句點(diǎn)符號(hào)“.”。這樣,完整的表達(dá)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?yàn)榫潼c(diǎn)符號(hào)匹配所有字符,包括空格、Tab字符甚至換行符: |
![]() |
1.2 方括號(hào)符號(hào) |
為了解決句點(diǎn)符號(hào)匹配范圍過于廣泛這一問題,你可以在方括號(hào)(“[]”)里面指定看來有意義的字符。此時(shí),只有方括號(hào)里面指定的字符才參與匹配。也就是說,正則表達(dá)式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配,因?yàn)樵诜嚼ㄌ?hào)之內(nèi)你只能匹配單個(gè)字符: |
![]() |
1.3 “或”符號(hào) |
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(yùn)算。要匹配“toon”,使用“t(a|e|i|o|oo)n”正則表達(dá)式。這里不能使用方擴(kuò)號(hào),因?yàn)榉嚼ㄌ?hào)只允許匹配單個(gè)字符;這里必須使用圓括號(hào)“()”。圓括號(hào)還可以用來分組,具體請(qǐng)參見后面介紹。 |
![]() |
1.4 表示匹配次數(shù)的符號(hào) |
表一顯示了表示匹配次數(shù)的符號(hào),這些符號(hào)用來確定緊靠該符號(hào)左邊的符號(hào)出現(xiàn)的次數(shù): |
|
假設(shè)我們要在文本文件中搜索美國的社會(huì)安全號(hào)碼。這個(gè)號(hào)碼的格式是999-99-9999。用來匹配它的正則表達(dá)式如圖一所示。在正則表達(dá)式中,連字符(“-”)有著特殊的意義,它表示一個(gè)范圍,比如從0到9。因此,匹配社會(huì)安全號(hào)碼中的連字符號(hào)時(shí),它的前面要加上一個(gè)轉(zhuǎn)義字符“\”。 |
|
圖一:匹配所有123-12-1234形式的社會(huì)安全號(hào)碼 |
假設(shè)進(jìn)行搜索的時(shí)候,你希望連字符號(hào)可以出現(xiàn),也可以不出現(xiàn)——即,999-99-9999和999999999都屬于正確的格式。這時(shí),你可以在連字符號(hào)后面加上“?”數(shù)量限定符號(hào),如圖二所示: |
|
圖二:匹配所有123-12-1234和123121234形式的社會(huì)安全號(hào)碼 |
下面我們?cè)賮砜戳硗庖粋€(gè)例子。美國汽車牌照的一種格式是四個(gè)數(shù)字加上二個(gè)字母。它的正則表達(dá)式前面是數(shù)字部分“[0-9]{4}”,再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達(dá)式。 |
|
圖三:匹配典型的美國汽車牌照號(hào)碼,如8836KV |
1.5 “否”符號(hào) |
“^”符號(hào)稱為“否”符號(hào)。如果用在方括號(hào)內(nèi),“^”表示不想要匹配的字符。例如,圖四的正則表達(dá)式匹配所有單詞,但以“X”字母開頭的單詞除外。 |
|
圖四:匹配所有單詞,但“X”開頭的除外 |
1.6 圓括號(hào)和空白符號(hào) |
假設(shè)要從格式為“June 26, 1951”的生日日期中提取出月份部分,用來匹配該日期的正則表達(dá)式可以如圖五所示: |
|
圖五:匹配所有Moth DD,YYYY格式的日期 |
新出現(xiàn)的“\s”符號(hào)是空白符號(hào),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(gè)圓括號(hào)創(chuàng)建一個(gè)組,然后用ORO API(本文后面詳細(xì)討論)提取出它的值。修改后的正則表達(dá)式如圖六所示: |
|
圖六:匹配所有Month DD,YYYY格式的日期,定義月份值為第一個(gè)組 |
1.7 其它符號(hào) |
為簡(jiǎn)便起見,你可以使用一些為常見正則表達(dá)式創(chuàng)建的快捷符號(hào)。如表二所示: |
表二:常用符號(hào) |
|
例如,在前面社會(huì)安全號(hào)碼的例子中,所有出現(xiàn)“[0-9]”的地方我們都可以使用“\d”。修改后的正則表達(dá)式如圖七所示: |
|
圖七:匹配所有123-12-1234格式的社會(huì)安全號(hào)碼 |
二、Jakarta-ORO庫 |
有許多源代碼開放的正則表達(dá)式庫可供Java程序員使用,而且它們中的許多支持Perl 5兼容的正則表達(dá)式語法。我在這里選用的是Jakarta-ORO正則表達(dá)式庫,它是最全面的正則表達(dá)式API之一,而且它與Perl 5正則表達(dá)式完全兼容。另外,它也是優(yōu)化得最好的API之一。 |
Jakarta-ORO庫以前叫做OROMatcher,Daniel Savarese大方地把它贈(zèng)送給了Jakarta Project。你可以按照本文最后參考資源的說明下載它。 |
我首先將簡(jiǎn)要介紹使用Jakarta-ORO庫時(shí)你必須創(chuàng)建和訪問的對(duì)象,然后介紹如何使用Jakarta-ORO API。 |
▲ PatternCompiler對(duì)象 |
首先,創(chuàng)建一個(gè)Perl5Compiler類的實(shí)例,并把它賦值給PatternCompiler接口對(duì)象。Perl5Compiler是PatternCompiler接口的一個(gè)實(shí)現(xiàn),允許你把正則表達(dá)式編譯成用來匹配的Pattern對(duì)象。 |
![]() |
▲ Pattern對(duì)象 |
要把正則表達(dá)式編譯成Pattern對(duì)象,調(diào)用compiler對(duì)象的compile()方法,并在調(diào)用參數(shù)中指定正則表達(dá)式。例如,你可以按照下面這種方式編譯正則表達(dá)式“t[aeio]n”: |
![]() |
默認(rèn)情況下,編譯器創(chuàng)建一個(gè)大小寫敏感的模式(pattern)。因此,上面代碼編譯得到的模式只匹配“tin”、“tan”、 “ten”和“ton”,但不匹配“Tin”和“taN”。要?jiǎng)?chuàng)建一個(gè)大小寫不敏感的模式,你應(yīng)該在調(diào)用編譯器的時(shí)候指定一個(gè)額外的參數(shù): |
![]() |
創(chuàng)建好Pattern對(duì)象之后,你就可以通過PatternMatcher類用該P(yáng)attern對(duì)象進(jìn)行模式匹配。 |
▲ PatternMatcher對(duì)象 |
PatternMatcher對(duì)象根據(jù)Pattern對(duì)象和字符串進(jìn)行匹配檢查。你要實(shí)例化一個(gè)Perl5Matcher類并把結(jié)果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個(gè)實(shí)現(xiàn),它根據(jù)Perl 5正則表達(dá)式語法進(jìn)行模式匹配: |
![]() |
使用PatternMatcher對(duì)象,你可以用多個(gè)方法進(jìn)行匹配操作,這些方法的第一個(gè)參數(shù)都是需要根據(jù)正則表達(dá)式進(jìn)行匹配的字符串: |
· boolean matches(String input, Pattern pattern):當(dāng)輸入字符串和正則表達(dá)式要精確匹配時(shí)使用。換句話說,正則表達(dá)式必須完整地描述輸入字符串。 |
· boolean matchesPrefix(String input, Pattern pattern):當(dāng)正則表達(dá)式匹配輸入字符串起始部分時(shí)使用。 |
· boolean contains(String input, Pattern pattern):當(dāng)正則表達(dá)式要匹配輸入字符串的一部分時(shí)使用(即,它必須是一個(gè)子串)。 |
另外,在上面三個(gè)方法調(diào)用中,你還可以用PatternMatcherInput對(duì)象作為參數(shù)替代String對(duì)象;這時(shí),你可以從字符串中最后一次匹配的位置開始繼續(xù)進(jìn)行匹配。當(dāng)字符串可能有多個(gè)子串匹配給定的正則表達(dá)式時(shí),用PatternMatcherInput對(duì)象作為參數(shù)就很有用了。用PatternMatcherInput對(duì)象作為參數(shù)替代String時(shí),上述三個(gè)方法的語法如下: |
· boolean matches(PatternMatcherInput input, Pattern pattern) |
· boolean matchesPrefix(PatternMatcherInput input, Pattern pattern) |
· boolean contains(PatternMatcherInput input, Pattern pattern) |
三、應(yīng)用實(shí)例 |
下面我們來看看Jakarta-ORO庫的一些應(yīng)用實(shí)例。 |
3.1 日志文件處理 |
任務(wù):分析一個(gè)Web服務(wù)器日志文件,確定每一個(gè)用戶花在網(wǎng)站上的時(shí)間。在典型的BEA WebLogic日志文件中,日志記錄的格式如下: |
![]() |
分析這個(gè)日志記錄,可以發(fā)現(xiàn),要從這個(gè)日志文件提取的內(nèi)容有兩項(xiàng):IP地址和頁面訪問時(shí)間。你可以用分組符號(hào)(圓括號(hào))從日志記錄提取出IP地址和時(shí)間標(biāo)記。 |
首先我們來看看IP地址。IP地址有4個(gè)字節(jié)構(gòu)成,每一個(gè)字節(jié)的值在0到255之間,各個(gè)字節(jié)通過一個(gè)句點(diǎn)分隔。因此,IP地址中的每一個(gè)字節(jié)有至少一個(gè)、最多三個(gè)數(shù)字。圖八顯示了為IP地址編寫的正則表達(dá)式: |
|
圖八:匹配IP地址 |
IP地址中的句點(diǎn)字符必須進(jìn)行轉(zhuǎn)義處理(前面加上“\”),因?yàn)镮P地址中的句點(diǎn)具有它本來的含義,而不是采用正則表達(dá)式語法中的特殊含義。句點(diǎn)在正則表達(dá)式中的特殊含義本文前面已經(jīng)介紹。 |
日志記錄的時(shí)間部分由一對(duì)方括號(hào)包圍。你可以按照如下思路提取出方括號(hào)里面的所有內(nèi)容:首先搜索起始方括號(hào)字符(“[”),提取出所有不超過結(jié)束方括號(hào)字符(“]”)的內(nèi)容,向前尋找直至找到結(jié)束方括號(hào)字符。圖九顯示了這部分的正則表達(dá)式。 |
|
圖九:匹配至少一個(gè)字符,直至找到“]” |
現(xiàn)在,把上述兩個(gè)正則表達(dá)式加上分組符號(hào)(圓括號(hào))后合并成單個(gè)表達(dá)式,這樣就可以從日志記錄提取出IP地址和時(shí)間。注意,為了匹配“- -”(但不提取它),正則表達(dá)式中間加入了“\s-\s-\s”。完整的正則表達(dá)式如圖十所示。 |
|
圖十:匹配IP地址和時(shí)間標(biāo)記 |
現(xiàn)在正則表達(dá)式已經(jīng)編寫完畢,接下來可以編寫使用正則表達(dá)式庫的Java代碼了。 |
為使用Jakarta-ORO庫,首先創(chuàng)建正則表達(dá)式字符串和待分析的日志記錄字符串: |
![]() |
這里使用的正則表達(dá)式與圖十的正則表達(dá)式差不多完全相同,但有一點(diǎn)例外:在Java中,你必須對(duì)每一個(gè)向前的斜杠(“\”)進(jìn)行轉(zhuǎn)義處理。圖十不是Java的表示形式,所以我們要在每個(gè)“\”前面加上一個(gè)“\”以免出現(xiàn)編譯錯(cuò)誤。遺憾的是,轉(zhuǎn)義處理過程很容易出現(xiàn)錯(cuò)誤,所以應(yīng)該小心謹(jǐn)慎。你可以首先輸入未經(jīng)轉(zhuǎn)義處理的正則表達(dá)式,然后從左到右依次把每一個(gè)“\”替換成“\\”。如果要復(fù)檢,你可以試著把它輸出到屏幕上。 |
初始化字符串之后,實(shí)例化PatternCompiler對(duì)象,用PatternCompiler編譯正則表達(dá)式創(chuàng)建一個(gè)Pattern對(duì)象: |
![]() |
現(xiàn)在,創(chuàng)建PatternMatcher對(duì)象,調(diào)用PatternMatcher接口的contain()方法檢查匹配情況: |
![]() |
接下來,利用PatternMatcher接口返回的MatchResult對(duì)象,輸出匹配的組。由于logEntry字符串包含匹配的內(nèi)容,你可以看到類如下面的輸出: |
![]() |
3.2 HTML處理實(shí)例一 |
下面一個(gè)任務(wù)是分析HTML頁面內(nèi)FONT標(biāo)記的所有屬性。HTML頁面內(nèi)典型的FONT標(biāo)記如下所示: |
![]() |
程序?qū)凑杖缦滦问剑敵雒恳粋€(gè)FONT標(biāo)記的屬性: |
![]() |
在這種情況下,我建議你使用兩個(gè)正則表達(dá)式。第一個(gè)如圖十一所示,它從字體標(biāo)記提取出“"face="Arial, Serif" size="+2" color="red"”。 |
|
圖十一:匹配FONT標(biāo)記的所有屬性 |
第二個(gè)正則表達(dá)式如圖十二所示,它把各個(gè)屬性分割成名字-值對(duì)。 |
|
圖十二:匹配單個(gè)屬性,并把它分割成名字-值對(duì) |
分割結(jié)果為: |
![]() |
現(xiàn)在我們來看看完成這個(gè)任務(wù)的Java代碼。首先創(chuàng)建兩個(gè)正則表達(dá)式字符串,用Perl5Compiler把它們編譯成Pattern對(duì)象。編譯正則表達(dá)式的時(shí)候,指定Perl5Compiler.CASE_INSENSITIVE_MASK選項(xiàng),使得匹配操作不區(qū)分大小寫。 |
接下來,創(chuàng)建一個(gè)執(zhí)行匹配操作的Perl5Matcher對(duì)象。 |
![]() |
假設(shè)有一個(gè)String類型的變量html,它代表了HTML文件中的一行內(nèi)容。如果html字符串包含F(xiàn)ONT標(biāo)記,匹配器將返回true。此時(shí),你可以用匹配器對(duì)象返回的MatchResult對(duì)象獲得第一個(gè)組,它包含了FONT的所有屬性: |
![]() |
接下來創(chuàng)建一個(gè)PatternMatcherInput對(duì)象。這個(gè)對(duì)象允許你從最后一次匹配的位置開始繼續(xù)進(jìn)行匹配操作,因此,它很適合于提取FONT標(biāo)記內(nèi)屬性的名字-值對(duì)。創(chuàng)建PatternMatcherInput對(duì)象,以參數(shù)形式傳入待匹配的字符串。然后,用匹配器實(shí)例提取出每一個(gè)FONT的屬性。這通過指定PatternMatcherInput對(duì)象(而不是字符串對(duì)象)為參數(shù),反復(fù)地調(diào)用PatternMatcher對(duì)象的contains()方法完成。PatternMatcherInput對(duì)象之中的每一次迭代將把它內(nèi)部的指針向前移動(dòng),下一次檢測(cè)將從前一次匹配位置的后面開始。 |
本例的輸出結(jié)果如下: |
![]() |
3.3 HTML處理實(shí)例二 |
下面我們來看看另一個(gè)處理HTML的例子。這一次,我們假定Web服務(wù)器從widgets.acme.com移到了newserver.acme.com。現(xiàn)在你要修改一些頁面中的鏈接: |
![]() |
執(zhí)行這個(gè)搜索的正則表達(dá)式如圖十三所示: |
|
圖十三:匹配修改前的鏈接 |
如果能夠匹配這個(gè)正則表達(dá)式,你可以用下面的內(nèi)容替換圖十三的鏈接: |
![]() |
注意#字符的后面加上了$1。Perl正則表達(dá)式語法用$1、$2等表示已經(jīng)匹配且提取出來的組。圖十三的表達(dá)式把所有作為一個(gè)組匹配和提取出來的內(nèi)容附加到鏈接的后面。 |
現(xiàn)在,返回Java。就象前面我們所做的那樣,你必須創(chuàng)建測(cè)試字符串,創(chuàng)建把正則表達(dá)式編譯到Pattern對(duì)象所必需的對(duì)象,以及創(chuàng)建一個(gè)PatternMatcher對(duì)象:![]() |
接下來,用com.oroinc.text.regex包Util類的substitute()靜態(tài)方法進(jìn)行替換,輸出結(jié)果字符串: |
![]() |
Util.substitute()方法的語法如下: |
![]() |
這個(gè)調(diào)用的前兩個(gè)參數(shù)是以前創(chuàng)建的PatternMatcher和Pattern對(duì)象。第三個(gè)參數(shù)是一個(gè)Substiution對(duì)象,它決定了替換操作如何進(jìn)行。本例使用的是Perl5Substitution對(duì)象,它能夠進(jìn)行Perl5風(fēng)格的替換。第四個(gè)參數(shù)是想要進(jìn)行替換操作的字符串,最后一個(gè)參數(shù)允許指定是否替換模式的所有匹配子串(Util.SUBSTITUTE_ALL),或只替換指定的次數(shù)。 |
【結(jié)束語】在這篇文章中,我為你介紹了正則表達(dá)式的強(qiáng)大功能。只要正確運(yùn)用,正則表達(dá)式能夠在字符串提取和文本修改中起到很大的作用。另外,我還介紹了如何在Java程序中通過Jakarta-ORO庫利用正則表達(dá)式。至于最終采用老式的字符串處理方式(使用StringTokenizer,charAt,和substring),還是采用正則表達(dá)式,這就有待你自己決定了。 |