javaRegex教程

如果你曾經用過Perl或任何其他內建Regex支援的語言，你一定知道用Regex處理文本和匹配模式是多麼簡單。如果你不熟悉這個術語，那麼“Regex”（Regular Expression）就是一個字元構成的串，它定義了一個用來搜尋匹配字串的模式。

許多語言，包括Perl、PHP、Python、JavaScript和JScript，都支援用Regex處理文本，一些文字編輯器用Regex實現進階“搜尋-替換”功能。那麼Java又怎樣呢？本文寫作時，一個包含了用Regex進行文本處理的Java規範需求（Specification Request）已經得到認可，你可以期待在JDK的下一版本中看到它。

然而，如果現在就需要使用Regex，又該怎麼辦呢？你可以從Apache.org下載原始碼開放的Jakarta-ORO庫。本文接下來的內容先簡要地介紹Regex的入門知識，然後以Jakarta-ORO API為例介紹如何使用Regex。

一、Regex基礎知識

我們先從簡單的開始。假設你要搜尋一個包含字元“cat”的字串，搜尋用的Regex就是“cat”。如果搜尋對大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說：

1.1 句點符號

假設你在玩英文拼字遊戲，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Regex搜尋它的全部內容。要構造出這個Regex，你可以使用一個萬用字元——句點符號“.”。這樣，完整的運算式就是“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元，包括空格、Tab字元甚至分行符號：

1.2 方括弧符號

為瞭解決句點符號匹配範圍過於廣泛這一問題，你可以在方括弧（“[]”）裡面指定看來有意義的字元。此時，只有方括弧裡面指定的字元才參與匹配。也就是說，Regex“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因為在方括弧之內你只能匹配單個字元：

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”，那麼，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”Regex。這裡不能使用方擴號，因為方括弧只允許匹配單個字元；這裡必須使用圓括弧“()”。圓括弧還可以用來分組，具體請參見後面介紹。