jsp Regex教程

package regex;

import java.io.IOException;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

/**
* 注意,Matcher才是正則式的主要操作類,它裡麵包含了抽取替換最重要的方法.Pattern不是主要的類.
* replaceAll用來全部替換.replaceFirst或replaceEnd可以做遞迴替換.
*
* @author gaoyibo
*
*/
public class RegexAPITest {

    public static final int TITLE_LEN = 50;
    public static final int DESC_LEN = 80;
    // u4e00-u9fa5表示中文,uFF00-uFFFF表示全形 其它表示一些特殊字元.
    public static String regexStr = "{([u4e00-u9fa5A-Za-z0-9'",;.:?!、<>‘“，；。：？！＜＞：suFF00-uFFFF]*)}";

    public static enum IdeaContentType {
        TITLE, DESC1, DESC2, ACCESS_URL, SHOW_URL
    }

    /**
     * 需求描述:admin中廣告搜尋,稽核線索搜尋,行業審核中需要用到替換預設關鍵詞. 替換的規則是:
     * 1.對於title,如果替換後的長度超過50,對於desc1,desc2,如果替換後的長度超過80,則不做替換,使用預設關鍵詞並且顯示為綠色字型;
     * 2.如果未超過,則使用指定的關鍵詞替換並且使用紅色字型.
     *
     * @author gaoyibo
     * @param source
     *            要替換的title or desc1 or desc2
     * @param key
     *            指定的關鍵詞
     * @param type
     * @return
     */
    public static String replaceDefaultKey(String source, String key,
            IdeaContentType type) {
        String result = "";
        if (source == null || source.length() <= 0)
            return result;
        Matcher matcher = Pattern.compile(regexStr).matcher(source);
        if (!matcher.find()) {
            return source;
        }
        String replaceFormatKey = "<font color='red'>" + key + "</font>";
        // 先根據全部替換之後的值的長度判斷,如果超長,就不用[格式化後的key]去替換source裡面的預設關鍵詞.如果未超長,則替換.
        result = Pattern.compile(regexStr).matcher(source).replaceAll(key);
        switch (type) {
        case TITLE:
            // 不替換,使用預設關鍵詞,但預設關鍵詞要格式化
            if (result.length() > TITLE_LEN) {
                return doReplace(source);
            }
            // 替換
            return matcher.replaceAll(replaceFormatKey);
        case DESC1:
            if (result.length() > DESC_LEN) {
                return doReplace(source);
            }
            return matcher.replaceAll(replaceFormatKey);
        case DESC2:
            if (result.length() > DESC_LEN) {
                return doReplace(source);
            }
            return matcher.replaceAll(replaceFormatKey);
        default:
            return source;
        }

    }

    /**
     * 遞迴方法,每次格式化第一個匹配到的預設關鍵詞.
     *
     * @author gaoyibo
     * @param source
     * @return
     */
    public static String doReplace(String source) {
        Matcher matcher = Pattern.compile(regexStr).matcher(source);
        while (matcher.find()) {
            // 匹配內容的提取.
            String keytmp = matcher.group();
            String defaultFormatKey = "<font color='green'>"
                    + keytmp.substring(1, keytmp.length() - 1) + "</font>";

            // 第一個匹配內容替換,替換之後,再遞迴.
            return doReplace(matcher.replaceFirst(defaultFormatKey)); // 將當前的預設關鍵詞格式化之後,將返回的字串遞迴.直到所有的預設關鍵詞都被格式化.
        }
        return source;
    }

    public static void main(String[] args) throws IOException {
        // 下面的字串裡面有多個預設關鍵詞的萬用字元,每個預設關鍵詞都不一樣.
        String testStr = "asd:{重1:}23：{：}saA{d中ks1}asdadsa{DK2}asda{dk}sad2ｒｔｙ34";
        System.out.println(replaceDefaultKey(testStr, "kkkkkk",
                IdeaContentType.TITLE));

    }

}

1. 在 java.util.regex 包中有哪三個公用的類？描述一下它們的作用。
2. 考慮一下字串“foo”，它的開始索引是多少？結束索引是多少？解釋一下這些編號的意思。
3. 一般字元和元字元有什麼不同？各給出它們的一個例子。
4. 如何把元字元表現成像一般字元那樣？
5. 附有方括弧的字元集稱為什嗎？它有什麼作用？
6. 這裡是三個預定義的字元類：d、s和w。描述一下它們各表示什嗎？並使用方括弧的形式將它們重寫。
7. 對於d、s和w，寫出兩個簡單的運算式，匹配它們相反的字元集。
8. 思考Regex(dog){3}，識別一下其中的兩個子運算式。這個運算式會匹配什麼字串？

〖練習〗
1. 使用反向引用寫一個運算式，用於匹配一個人的名字，假設這個人的 first 名字與 last 名字是相同的。

【問題答案】
1. 問：在 java.util.regex 包中有哪三個公用的類？描述一下它們的作用。

答：
編譯後的 Pattern 執行個體表示Regex。
Matcher 執行個體是解析模式和靠著輸入的字串完成匹配操作的引擎。
PatternSyntaxException 定義一個未檢查異常，指示Regex中的語法錯誤。
2. 問：考慮一下字串“foo”，它的開始索引是多少？結束索引是多少？解釋一下這些編號的意思。

答：字串中的每一個字元位於其自身的儲存格中。索引位置在兩個儲存格之間。字串“foo”開始於索引 0，結束於索引 3，即便是這些字元僅佔用了 0、1 和 2 號儲存格。
3. 問：一般字元和元字元有什麼不同？各給出它們的一個例子。
答：Regex中的一般字元匹配其本身。元字元是一個特殊的字元，會影響被匹配模式的方式。字母A是一個一般字元。標點符號.是一個元字元，其匹配任意的單字元。
4. 問：如何把元字元表現成像一般字元那樣？
答：有兩種方法：
在元字元前加上反斜線（）；
把元字元置於Q（開始）E（結束）的參考資料表達式中。
5. 問：附有方括弧的字元集稱為什嗎？它有什麼作用？
答：是一個字元類。通過方括弧間的運算式，匹配指定字元類中的任意一個字元。
6. 問：這裡是三個預定義的字元類：d、s和w。描述一下它們各表示什嗎？並使用方括弧的形式將它們重寫。
答：d 匹配任一數字[0-9]
　　s 匹配任意空白字元[ tn-x0Bfr]
　　w 匹配任意單詞字元[a-zA-Z_0-9]
7. 問：對於d、s和w，寫出兩個簡單的運算式，匹配它們相反的字元集。
答：d D [^d]
　　s S [^s]
　　w W [^w]
8. 問：思考Regex(dog){3}，識別一下其中的兩個子運算式。這個運算式會匹配什麼字串？
答：運算式由擷取的群組(dog)和接著的貪婪量詞{3}所組成。它匹配字串“dogdogdog”。
【練習答案】
1. 練習：使用反向引用寫一個運算式，用於匹配一個人的名字，假設這個人的 first 名字與 last 名字是相同的。
解答：([A-Z][a-zA-Z]*)s1
注釋返回目錄[1]  本文全文譯自 Java Tutorial 的 Regular Expressions，標題是譯者自擬的。——譯者注

[2]  Unix 工具，用於檔案中的字串尋找，它是最早的Regex工具之一。——譯者注

[3]  若要退出可以使用 Ctrl + C 來中斷。——譯者注

[4]  圖中的“索引 3”指示是譯者所加，原文中並沒有。——譯者注

[5]  這種方式在 JDK 6.0 以前版本使用需要注意，在字元類中使用這種結構是有 bug 的，不過在 JDK 6.0 中已經修正。——譯者注

[6]  若E前沒有Q時會產生 PatternSyntaxException 異常指示語法錯誤。——譯者注

[7]  第一次匹配時僅匹配字串的開始部分，與A類似。（引自 Jeffrey E.F.Friedl, Mastering Regular Expressions, 3rd ed., §3.5.3.3, O'Reilly, 2006.）——譯者注

[8]  u030A，即字元 å 上半部分的小圓圈（ ̊ ）（該字元在 IE 瀏覽器上無法正確顯示，在 Firefox 瀏覽器上可以正常地顯示）。——譯者注

[9]  JDK 5.0 新增的方法，JDK 1.4 中不能使用。——譯者注

[10]  JDK 1.4 和 JDK 5.0 適用的版本在所附的原始碼中。適用於 JDK 1.4 的檔案名稱為 RegexTestHarness2V4.java，JDK 1.5 的檔案名稱為 RegexTestHarness2V5.java。——譯者注

[11]  第三版是本書的最新版本。第三版的中譯本《精通Regex》已由電子工業出版社於 2007 年 7 月出版。——譯者注

 

 

發現appendReplacement與appendTail方法搭配也能起到上面遞迴方法的作用.如下例:
    public static String doReplace2(String source) {        Matcher matcher = Pattern.compile(regexStr).matcher(source);        StringBuffer sb = new StringBuffer();        while (matcher.find()) {            String keytmp = matcher.group();            String defaultFormatKey = "<font color='green'>"                    + keytmp.substring(1, keytmp.length() - 1) + "</font>";            matcher.appendReplacement(sb, defaultFormatKey);        }        matcher.appendTail(sb);        return sb.toString();    }