Java語言中的Regex

標籤：

Regex是什嗎？

Regex是一種強大而靈活的文本處理工具。初學Regex時，其文法是一個痛點，但它確實是一種簡潔、動態語言。Regex提供了一種完全通用的方式，能夠解決各種字串處理相關的問題：匹配、選擇、編輯以及驗證。一般來說，Regex就是以某種方式來描述字串。

日常例子

在文本中尋找“halu126”，我們通常會在尋找框中輸入“halu126”，這就是一個最簡單的Regex的例子，使用精確的匹配這樣的字串，如果我 們即想在文本中找到“halu126”，又想找到“Halu126”，卻不想找到“aaaHalu126bbbb”中的“Halu126”，該怎麼辦？

在linux中我們想查想列出所有的Java源檔案，通常會在終端中輸入：ls -all *.java，其中“*”是叫做萬用字元，而Regex比萬用字元更牛，它能更精確的描述你的需求。

Regex的構造摘要

構造	匹配
字元
X	字元X
\\\\	反斜線字元
\t	定位字元
\n	分行符號
\r	斷行符號符
字元類
[abc]	a、b 或 c（簡單類）
[^abc]	任何字元，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，兩頭的字母包括在內（範圍）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（並集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（減去）
預定義字元類
.	任何字元
\d	數字：[0-9]
\D	非數字：[^0-9]
\s	空白字元：[\t\n\x0B\f\r]
\S	非空白字元：[^\s]
\w	單詞字元：[a-zA-Z_0-9]
\W	非單詞字元：[^\w]
邊界匹配器
^	行的開頭
$	行的結尾
\b	單詞邊界
\B	非（單詞邊界）
量詞
X?	X，一次或一次也沒有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好n次
X{n,}	X，至少n次
X{n,m}	X，至少n次，但是不超過m次
Logical運算子
XY	X後跟Y
X|Y	X或者Y
(X)	X，作為擷取的群組

組和捕獲

擷取的群組可以通過從左至右計算其開括弧來編號。例如，在運算式中((A)(B(C)))中，存在四個這樣的組

1	((A)(B(C)))
2	(A)
3	(B(C))
4	(C)

Java語言中Regex的不同處

在其他語言中，“ \\”表示“我想在Regex中插入一個普通的（字面上的）反斜線，請不要給它任何特殊的意義。”在Java語言中，“\\”表示“我要插入一個Regex的反斜線，所以其後的字元具有特殊的意思。”例如：“\\d”表示Java語言中Regex的一位元字。“\\\\”表示一個普通的反斜線。不過換行和定位字元之類的東西只需要使用單反斜線：“\n\t”。

量詞的類型：

量詞：描述了一個模式吸收（匹配）輸入文本的方式，也叫做重複限定符。
貪婪型：量詞總是貪婪的，除非有其他的選項被設定。貪婪運算式會為所有可能的模式發現儘可能多的匹配。
勉強型：用問號指定，這個量詞匹配滿足模式所需的最少字元數。因此也稱作懶惰的、最少匹配的、非貪婪的、或不貪婪的。
佔有型：Java中專屬的。其他語言沒有。當Regex被應用於字元序列時，它會產生相當多的狀態，以便在匹配失敗時可以回溯。而“佔有的”量詞並不儲存這些中間狀態，因此他們可以防止回溯。他們常常用於防止Regex失控，因此可以使Regex執行起來更有效。

Greedy數量詞	Reluctant數量詞	Possessive數量詞
X?	X??	X?+
X*	X*?	X*+
X+	X+?	X++
X{n}	X{n}?	X{n}+
X{n,}	X{n,}?	X{n,}+
X{n,m}	X{n,m}?	X{n,m}+

量詞作用的運算式通常必須要使用圓括弧括起來。

String類中使用Regex的方法

matches(String regex)
split(String regex)
split(String regex, int limit)
replaceFirst(String regex, String replacement)
repalceAll(String regex, String replacement)

Java語言中表示Regex的類

在Java語言中與Regex相關的類都放在java.util.regex包。

• *Pattern類：*pattern對象是一個Regex的編譯表示。Pattern類沒有公用構造方法。要建立一個Pattern對象，你必須首先調用其公用靜態編譯方法，它返回一個Pattern對象。該方法接受一個Regex作為它的第一個參數。
• *Matcher類：*Matcher對象是對輸入字串進行解釋和匹配操作的引擎。與Pattern類一樣，Matcher也沒有公用構造方法。你需要調用Pattern對象的matcher方法來獲得一個Matcher對象。
• *PatternSyntaxException：*PatternSyntaxException是一個非強制異常類，它表示一個Regex模式中的語法錯誤。

指定為字串的Regex必須首先被編譯為此類的執行個體。然後，可將得到的模式用於建立Matcher對象，依照Regex，該對象可以與任一字元序列匹配。執行匹配所涉及的所有狀態都駐留在匹配器中，所以多個匹配器可以共用同一模式。

因此，典型的調用順序是

1 Pattern pattern = Pattern.compile("a*b");2 Matcher matcher= pattern("aaaaaaab");3 matcher.XXX();

一個簡單的代碼如下：

 1 public class TestRegularExpression { 2     public static void main(String[] args) { 3         if(args.length < 2) { 4             print("Usage:\njava TestRegularExpression " + 5                     "characterSequence regularExpression+"); 6             System.exit(0); 7         } 8         print("Input: \"" + args[0] + "\""); 9         for(String arg : args) {10             print("Regular expression: \"" + arg + "\"");11             Pattern p = Pattern.compile(arg);12             Matcher m = p.matcher(args[0]);13             while(m.find()) {14                 print("Match \"" + m.group() + "\" at positions " +15                         m.start() + "-" + (m.end() - 1));16             }17         }18     }19 }

Pattern和Matcher類中常用的方法

 1 //使用Pattern類的靜態方法compile來編譯Regex，它會根據Regexregex產生一個Pattern對象。 2 Pattern pattern = Pattern.compile(String regex) 3 //檢查regex是否匹配整個CharSequence類型的input參數 4 Pattern.matches(String regex, CharSequence input) 5 //從匹配了regex的地方分割輸入字元序列input 6 pattern.split(CharSequence input) 7 //同String.split() 8 pattern.split(CharSequence input, int limit) 9 //根據模板pattern產生input的匹配器matcher10 Matcher matcher = pattern.matcher(CharSequence input);11 //從字元序列的開始位置（0位字元）迭代的向前遍曆字元序列，找到匹配模式的部分12 matcher.find()13 //從字元序列的第start位字元開始（以第start位字元作為搜尋的起點）迭代的向前遍曆字元序列，找到匹配模式的部分14 matcher.find(int start)15 //判斷整個輸入字元序列是否匹配Regex模式16 matcher.matches()17 //判斷該字元序列（不必是整個字元序列）的開始部分是否能夠匹配模式18 matcher.lookingAt()19 //該匹配器的模式中的分組數目20 matcher.groupCount()21 //返回前一次匹配操作（例如find()）的第0組（即整個匹配）22 matcher.group()23 //返回在前一次操作期間指定的組號，如果沒有指定的組，返回null24 matcher.group(int group)25 //26 matcher.start()27 //返回前一次匹配操作中尋找到的組的起始索引28 matcher.start(int group)29 matcher.end()30 //返回前一次匹配操作中尋找到的組的最後一個字元索引加一的值31 matcher.end(int group)32 //將matcher對象重新設定到當前字元序列的起始位置33 matcher.reset()34 將現有的matcher對象應用到一個新的字元序列35 matcher.reset(CharSequence input)

使用Regex時要注意的事兒

要匹配一種情況，我們可以寫出多個可行的Regex，當然了，我們的目的並不是編寫最難理解的Regex，而是盡量編寫能夠完成任務的、最簡單以及最必要的Regex。

參考

• Java編程思想
• JDK API文檔
• Regex30分鐘入門教程
• RUNOOB中關於Regex的介紹

Java語言中的Regex