java正则表达式.ppt
Java正则表达式,背景,许多语言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正则表达式处理文本，一些文本编辑器用正则表达式实现高级“搜索-替换”功能 Java正则表达式不是javascript正则表达式,Java正则表达式优点,使用java正则表达式与传统编程相比优点：在判断EMAIL等传统编程方法可能需要一二十行代码，使用正则表达式只需几行代码而已提高编程效率弊端：需要学习java正则表达式的用法。,正则表达式基础知识,我们先从简单的开始。假设你要搜索一个包含字符“cat”的字符串，搜索用的正则表达式就是“cat”。如果搜索对大小写不敏感，单词“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是说：,句点符号,假设你在玩英文拼字游戏，想要找出三个字母的单词，而且这些单词必须以“t”字母开头，以“n”字母结束。你可以使用一个通配符句点符号“.”。这样，完整的表达式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，还匹配“t#n”、“tpn”甚至“t n”，还有其他许多无意义的组合。这是因为句点符号匹配所有字符，包括空格、Tab字符甚至换行符：,方括号符号,句点优点是通用，同时缺点也是通用为了解决句点符号匹配范围过于广泛这一问题，你可以在方括号（“”）里面指定看来有意义的字符。此时，只有方括号里面指定的字符才参与匹配。也就是说，正则表达式“taeion”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因为在方括号之内你只能匹配单个字符.方括号表示可能出现的单个字符,“或”符号,句点和方括号只匹配单个字符，如果要匹配多个字符就要看”或”运算符了如果除了上面匹配的所有单词之外，你还想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意义就是“或”运算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正则表达式。这里不能使用方扩号，因为方括号只允许匹配单个字符；这里必须使用圆括号“()”。圆括号还可以用来分组，具体请参见后面介绍。,表示匹配次数的符号,遇到单个字符的重复问题，就要看下面的符号表了表一显示了表示匹配次数的符号，这些符号用来确定紧靠该符号左边的符号出现的次数：,常用符号小结,句点.表示单个字符方括号表示可能出现字符集里的单个字符括号()可表示多个字符大括号表示次数转义字符“”一般正则表达式是由通配符和固定字符组成,实例,图：匹配所有123-12-1234形式的社会安全号码,假设我们要在文本文件中搜索美国的社会安全号码。这个号码的格式是999-99-9999。用来匹配它的正则表达式。在正则表达式中，连字符（“-”）有着特殊的意义，它表示一个范围，比如从0到9。因此，匹配社会安全号码中的连字符号时，它的前面要加上一个转义字符“”。看看下面那一行正则表达式是对的:(0-9)3-(0-9)2-(0-9)40-93-0-92-0-94正确的是:,实例,假设进行搜索的时候，你希望连字符号可以出现，也可以不出现即，999-99-9999和999999999都属于正确的格式。这时，你可以在连字符号后面加上一个数量限定符号，如图所示：看看下面那一行正则表达式是对的:(0-9)3-?(0-9)2-?(0-9)40-93-*0-92-*0-94 正确的是:,图：匹配所有123-12-1234和123121234形式的社会安全号码,实例3,下面我们再来看另外一个例子。美国汽车牌照的一种格式是四个数字加上二个字母。它的正则表达式前面是数字部分“0-94”，再加上字母部分“A-Z2”。图显示了完整的正则表达式。,图：匹配典型的美国汽车牌照号码，如8836KV,“否”符号,“”符号称为“否”符号。如果用在方括号内，“”表示不想要匹配的字符。例如，图四的正则表达式匹配所有单词，但以“X”字母开头的单词除外。,图：匹配所有单词，但“X”开头的除外,圆括号和空白符号,假设要从格式为“June 26,1951”的生日日期中提取出月份部分，用来匹配该日期的正则表达式可以如图所示：看看下面哪一个是正确的:a-z*s+0-91,2,s*0-94 a-z+s+0-91,2,s*0-94正确的是:,图：匹配所有Moth DD,YYYY格式的日期,圆括号和空白符号,新出现的“s”符号是空白符号，匹配所有的空白字符，包括Tab字符。如果字符串正确匹配，接下来如何提取出月份部分呢？只需在月份周围加上一个圆括号创建一个组，然后用ORO API（本文后面详细讨论）提取出它的值。修改后的正则表达式如图所示：,图：匹配所有Month DD,YYYY格式的日期，定义月份值为第一个组,其它符号,为简便起见，你可以使用一些为常见正则表达式创建的快捷符号。如表二所示：表二：常用符号,其它符号,例如，在前面社会安全号码的例子中，所有出现“0-9”的地方我们都可以使用“d”。修改后的正则表达式如图所示：,图：匹配所有123-12-1234格式的社会安全号码,常用符号总结,句点.表示单个字符方括号表示可能出现字符集里的单个字符括号()可表示多个字符,还有分组功能大括号表示次数转义字符“”一般正则表达式是由通配符和固定字符组成”符号称为“否”符号d D w W s S等快捷符号,Java与正则表达式,开始java正则表达式的实战讲解部份,Jakarta-ORO库,有许多源代码开放的正则表达式库可供Java程序员使用，有许多支持Perl 5兼容的正则表达式语法。这里选用的是Jakarta-ORO正则表达式库，它是最全面的正则表达式API之一，而且它与Perl 5正则表达式完全兼容。它也是优化得最好的API之一。Jakarta-ORO库以前叫做OROMatcher，Daniel Savarese大方地把它赠送给了Jakarta Project。你可以按照本文最后参考资源的说明下载它。首先将简要介绍使用Jakarta-ORO库时你必须创建和访问的对象，然后介绍如何使用Jakarta-ORO API。,实战思路,PatternCompiler 根据用户写的正则表达式生(编译成)Pattern,PatternMatcher比较器匹配Pattern和InputString,再返回真或假思路有点类似于java编译器把*.java编译成*.class 再由jvm加载执行,PatternCompiler,根据正则表达式生成,Pattern,InputString,PatternMatcher比较器匹配 Patten和nputString,返回True 或者false,PatternCompiler对象,首先，创建一个Perl5Compiler类的实例，并把它赋值给PatternCompiler接口对象。Perl5Compiler是PatternCompiler接口的一个实现，允许你把正则表达式编译成用来匹配的Pattern对象。PatternCompiler compiler=new Per5Compiler();,Pattern对象,要把正则表达式编译成Pattern对象，调用compiler对象的compile()方法，并在调用参数中指定正则表达式。例如，你可以按照下面这种方式编译正则表达式“taeion”：,Pattern pattern=null;trypattern=pile(“taeion”);catch(MalformedPatternException e)e.printStackTrace();,Pattern对象续,默认情况下，编译器创建一个大小写敏感的模式（pattern）。因此，上面代码编译得到的模式只匹配“tin”、“tan”、“ten”和“ton”，但不匹配“Tin”和“taN”。要创建一个大小写不敏感的模式，你应该在调用编译器的时候指定一个额外的参数：,创建好Pattern对象之后，你就可以通过PatternMatcher类用该Pattern对象进行模式匹配。,pattern=pile(“taeion”,Perl5Compiler.CASE_INSENSITIVE_MASK);,PatternMatcher对象,PatternMatcher对象根据Pattern对象和字符串进行匹配检查。你要实例化一个Perl5Matcher类并把结果赋值给PatternMatcher接口。Perl5Matcher类是PatternMatcher接口的一个实现，它根据Perl 5正则表达式语法进行模式匹配：,PatternMatcher matcher=new Perl5Matcher();,介绍匹配的几种方法,使用PatternMatcher对象，你可以用多个方法进行匹配操作，这些方法的第一个参数都是需要根据正则表达式进行匹配的字符串：boolean matches(String input,Pattern pattern)：当输入字符串和正则表达式要精确匹配时使用。换句话说，正则表达式必须完整地描述输入字符串。boolean matchesPrefix(String input,Pattern pattern)：当正则表达式匹配输入字符串起始部分时使用。(例如正则表达式abc 匹配abc1或abc2)boolean contains(String input,Pattern pattern)：当正则表达式要匹配输入字符串的一部分时使用（即，它必须是一个子串）。,另外，在上面三个方法调用中，你还可以用PatternMatcherInput对象作为参数替代String对象；这时，你可以从字符串中最后一次匹配的位置开始继续进行匹配。当字符串可能有多个子串匹配给定的正则表达式时，用PatternMatcherInput对象作为参数就很有用了。用PatternMatcherInput对象作为参数替代String时，上述三个方法的语法如下：boolean matches(PatternMatcherInput input,Pattern pattern)boolean matchesPrefix(PatternMatcherInput input,Pattern pattern)boolean contains(PatternMatcherInput input,Pattern pattern),日志文件处理,任务：分析一个Web服务器日志文件，确定每一个用户花在网站上的时间。在典型的BEA WebLogic日志文件中，日志记录的格式如下,分析这个日志记录，可以发现，要从这个日志文件提取的内容有两项：IP地址和页面访问时间。你可以用分组符号（圆括号）从日志记录提取出IP地址和时间标记。首先看看IP地址。IP地址有4个字节构成，每一个字节的值在0到255之间，各个字节通过一个句点分隔。因此，IP地址中的每一个字节有至少一个、最多三个数字。图八显示了为IP地址编写的正则表达式：,图：匹配IP地址,日志文件处理-续,IP地址中的句点字符必须进行转义处理（前面加上“”），因为IP地址中的句点具有它本来的含义，而不是采用正则表达式语法中的特殊含义。句点在正则表达式中的特殊含义本文前面已经介绍。日志记录的时间部分由一对方括号包围。你可以按照如下思路提取出方括号里面的所有内容：首先搜索起始方括号字符（“”），提取出所有不超过结束方括号字符（“”）的内容，向前寻找直至找到结束方括号字符。图九显示了这部分的正则表达式。,图：匹配至少一个字符，直至找到“”,现在，把上述两个正则表达式加上分组符号（圆括号）后合并成单个表达式，这样就可以从日志记录提取出IP地址和时间。注意，为了匹配“-”（但不提取它），正则表达式中间加入了“s-s-s”。完整的正则表达式如下图所示。,图：匹配IP地址和时间标记,日志文件处理-续,现在正则表达式已经编写完毕，接下来可以编写使用正则表达式库的Java代码了。为使用Jakarta-ORO库，首先创建正则表达式字符串和待分析的日志记录字符串：,这里使用的正则表达式与前一页图的正则表达式差不多完全相同，但有一点例外：在Java中，你必须对每一个向前的斜杠（“”）进行转义处理。前一页图不是Java的表示形式，所以我们要在每个“”前面加上一个“”以免出现编译错误。遗憾的是，转义处理过程很容易出现错误，所以应该小心谨慎。你可以首先输入未经转义处理的正则表达式，然后从左到右依次把每一个“”替换成“”。,日志文件处理-续,初始化字符串之后，实例化PatternCompiler对象，用PatternCompiler编译正则表达式创建一个Pattern对象：,现在，创建PatternMatcher对象，调用PatternMatcher接口的contain()方法检查匹配情况：,日志文件处理-续,接下来，利用PatternMatcher接口返回的MatchResult对象，输出匹配的组。由于logEntry字符串包含匹配的内容，你可以看到类如下面的输出：,结束语,参考资料,
