Java正規表示式應用

lostinai發表於2014-06-03
Java
對於JAVA的Pattern類 和 Matcher類可參考網址 http://www.ibm.com/developerworks/cn/java/l-regp/part2/
正規表示式中的特殊字元：
  \\ 反斜槓
  \t 間隔 ('\u0009')
  \n 換行 ('\u000A')
  \r 回車 ('\u000D')
  \d 數字等價於[0-9]
  \D 非數字等價於[^0-9]
  \s 空白符號 [\t\n\x0B\f\r]
  \S 非空白符號 [^\t\n\x0B\f\r]
  \w 單獨字元 [a-zA-Z_0-9]
  \W 非單獨字元 [^a-zA-Z_0-9]
  \f 換頁符
  \e Escape
  \b 一個單詞的邊界
  \B 一個非單詞的邊界
  \G 前一個匹配的結束
 
  ^為限制開頭 ^java 條件限制為以Java為開頭字元
  $為限制結尾 java$ 條件限制為以java為結尾字元
  .為限制一個任意字元 java.. 條件限制為java後除換行外任意兩個字元加入特定限制條件
 
  [a-z] 條件限制在小寫a to z範圍中一個字元
  [A-Z] 條件限制在大寫A to Z範圍中一個字元
  [a-zA-Z] 條件限制在小寫a to z或大寫A to Z範圍中一個字元
  [0-9] 條件限制在小寫0 to 9範圍中一個字元
  [0-9a-z] 條件限制在小寫0 to 9或a to z範圍中一個字元
  [0-9[a-z]] 條件限制在小寫0 to 9或a to z範圍中一個字元(交集)
 
  []中加入^後加再次限制條件
  [^a-z] 條件限制在非小寫a to z範圍中一個字元
  [^A-Z] 條件限制在非大寫A to Z範圍中一個字元
  [^a-zA-Z] 條件限制在非小寫a to z或大寫A to Z範圍中一個字元
  [^0-9] 條件限制在非小寫0 to 9範圍中一個字元
  [^0-9a-z] 條件限制在非小寫0 to 9或a to z範圍中一個字元
  [^0-9[a-z]] 條件限制在非小寫0 to 9或a to z範圍中一個字元(交集)

  在限制條件為特定字元出現0次以上時，可以使用「*」
  J* 0個以上J
  .* 0個以上任意字元
  J.*D J與D之間0個以上任意字元

  在限制條件為特定字元出現1次以上時，可以使用「+」
  J+ 1個以上J
  .+ 1個以上任意字元
  J.+D J與D之間1個以上任意字元

  在限制條件為特定字元出現有0或1次以上時，可以使用「?」
  JA? J或者JA

  出現限制為連續出現指定次數字符「{a}」
  J{2} JJ
  J{3} JJJ

  文字a個以上，並且「{a,}」
  J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J並存)

  文字a個以上，b個以下「{a,b}」
  J{3,5} JJJ或JJJJ或JJJJJ
  兩者取一「|」
  J|A J或A
  Java|Hello Java或Hello

  「()」中規定一個組合型別比如，我查詢<a href=\"index.html\">index</a>中<a href></a>間的資料，可寫作<a.*href=\".*\">(.+?)</a>

  在使用Pattern.compile函式時，可以加入控制正規表示式的匹配行為的引數：
  Pattern Pattern.compile(String regex, int flag) flag的取值範圍如下：
Pattern.CANON_EQ 當且僅當兩個字元的"正規分解(canonical decomposition)"都完全相同的情況下，才認定匹配。比如用了這個標誌之後，表示式"a\u030A"會匹配"?"。預設情況下，不考慮"規範相等性(canonical equivalence)"。

  Pattern.CASE_INSENSITIVE(?i) 預設情況下，大小寫不明感的匹配只適用於US-ASCII字符集。這個標誌能讓表示式忽略大小寫進行匹配。要想對Unicode字元進行大小不明感的匹配，只要將UNICODE_CASE與這個標誌合起來就行了。

  Pattern.COMMENTS(?x) 在這種模式下，匹配時會忽略(正規表示式裡的)空格字元(譯者注：不是指表示式裡的"\\s"，而是指表示式裡的空格，tab，回車之類)。註釋從#開始，一直到這行結束。可以通過嵌入式的標誌來啟用Unix行模式。

  Pattern.DOTALL(?s) 在這種模式下，表示式'.'可以匹配任意字元，包括表示一行的結束符。預設情況下，表示式'.'不匹配行的結束符。

  Pattern.MULTILINE (?m) 在這種模式下，'^'和'$'分別匹配一行的開始和結束。此外，'^'仍然匹配字串的開始，'$'也匹配字串的結束。預設情況下，這兩個表示式僅僅匹配字串的開始和結束。

  Pattern.UNICODE_CASE (?u) 在這個模式下，如果你還啟用了CASE_INSENSITIVE標誌，那麼它會對Unicode字元進行大小寫不明感的匹配。預設情況下，大小寫不敏感的匹配只適用於US-ASCII字符集。

Pattern.UNIX_LINES(?d) 在這個模式下，只有'\n'才被認作一行的中止，並且與'.'，'^'，以及'$'進行匹配。拋開空泛的概念，下面寫出幾個簡單的Java正則用例：

◆在字串包含驗證時
//查詢以Java開頭,任意結尾的字串
  Pattern pattern = Pattern.compile("^Java.*");
  Matcher matcher = pattern.matcher("Java不是人");
  boolean b = matcher.matches(); //當條件滿足時，將返回true，否則返回false
  System.out.println(b);

正規表示式中的特殊字元：
  \\ 反斜槓
  \t 間隔 ('\u0009')
  \n 換行 ('\u000A')
  \r 回車 ('\u000D')
  \d 數字等價於[0-9]
  \D 非數字等價於[^0-9]
  \s 空白符號 [\t\n\x0B\f\r]
  \S 非空白符號 [^\t\n\x0B\f\r]
  \w 單獨字元 [a-zA-Z_0-9]
  \W 非單獨字元 [^a-zA-Z_0-9]
  \f 換頁符
  \e Escape
  \b 一個單詞的邊界
  \B 一個非單詞的邊界
  \G 前一個匹配的結束
 
  ^為限制開頭 ^java 條件限制為以Java為開頭字元
  $為限制結尾 java$ 條件限制為以java為結尾字元
  .為限制一個任意字元 java.. 條件限制為java後除換行外任意兩個字元加入特定限制條件
 
  [a-z] 條件限制在小寫a to z範圍中一個字元
  [A-Z] 條件限制在大寫A to Z範圍中一個字元
  [a-zA-Z] 條件限制在小寫a to z或大寫A to Z範圍中一個字元
  [0-9] 條件限制在小寫0 to 9範圍中一個字元
  [0-9a-z] 條件限制在小寫0 to 9或a to z範圍中一個字元
  [0-9[a-z]] 條件限制在小寫0 to 9或a to z範圍中一個字元(交集)
 
[]中加入^後加再次限制條件
[^a-z] 條件限制在非小寫a to z範圍中一個字元
[^A-Z] 條件限制在非大寫A to Z範圍中一個字元
[^a-zA-Z] 條件限制在非小寫a to z或大寫A to Z範圍中一個字元
[^0-9] 條件限制在非小寫0 to 9範圍中一個字元
[^0-9a-z] 條件限制在非小寫0 to 9或a to z範圍中一個字元
[^0-9[a-z]] 條件限制在非小寫0 to 9或a to z範圍中一個字元(交集)

在限制條件為特定字元出現0次以上時，可以使用「*」
J* 0個以上J
.* 0個以上任意字元
J.*D J與D之間0個以上任意字元

在限制條件為特定字元出現1次以上時，可以使用「+」
J+ 1個以上J
.+ 1個以上任意字元
J.+D J與D之間1個以上任意字元

在限制條件為特定字元出現有0或1次以上時，可以使用「?」
JA? J或者JA

出現限制為連續出現指定次數字符「{a}」
J{2} JJ
J{3} JJJ

文字a個以上，並且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J並存)

文字a個以上，b個以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
兩者取一「|」
J|A J或A
Java|Hello Java或Hello

「()」中規定一個組合型別比如，我查詢<a href=\"index.html\">index</a>中<a href></a>間的資料，可寫作<a.*href=\".*\">(.+?)</a>

在使用Pattern.compile函式時，可以加入控制正規表示式的匹配行為的引數：
Pattern Pattern.compile(String regex, int flag) flag的取值範圍如下：
Pattern.CANON_EQ 當且僅當兩個字元的"正規分解(canonical decomposition)"都完全相同的情況下，才認定匹配。比如用了這個標誌之後，表示式"a\u030A"會匹配"?"。預設情況下，不考慮"規範相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 預設情況下，大小寫不明感的匹配只適用於US-ASCII字符集。這個標誌能讓表示式忽略大小寫進行匹配。要想對Unicode字元進行大小不明感的匹配，只要將UNICODE_CASE與這個標誌合起來就行了。
Pattern.COMMENTS(?x) 在這種模式下，匹配時會忽略(正規表示式裡的)空格字元(譯者注：不是指表示式裡的"\\s"，而是指表示式裡的空格，tab，回車之類)。註釋從#開始，一直到這行結束。可以通過嵌入式的標誌來啟用Unix行模式。
Pattern.DOTALL(?s) 在這種模式下，表示式'.'可以匹配任意字元，包括表示一行的結束符。預設情況下，表示式'.'不匹配行的結束符。
Pattern.MULTILINE (?m) 在這種模式下，'^'和'$'分別匹配一行的開始和結束。此外，'^'仍然匹配字串的開始，'$'也匹配字串的結束。預設情況下，這兩個表示式僅僅匹配字串的開始和結束。
Pattern.UNICODE_CASE (?u) 在這個模式下，如果你還啟用了CASE_INSENSITIVE標誌，那麼它會對Unicode字元進行大小寫不明感的匹配。預設情況下，大小寫不敏感的匹配只適用於US-ASCII字符集。
Pattern.UNIX_LINES(?d) 在這個模式下，只有'\n'才被認作一行的中止，並且與'.'，'^'，以及'$'進行匹配。拋開空泛的概念，下面寫出幾個簡單的Java正則用例：

◆在字串包含驗證時
Java程式碼  收藏程式碼
  1. //查詢以Java開頭,任意結尾的字串   
  2. Pattern pattern = Pattern.compile("^Java.*");   
  3. Matcher matcher = pattern.matcher("Java不是人");   
  4. boolean b = matcher.matches(); //當條件滿足時，將返回true，否則返回false   
  5. System.out.println(b);  


◆以多條件分割字串時
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("[, |]+");   
  2. String[] strs = pattern.split("Java Hello World Java,Hello,,World|Sun");   
  3. for (int i=0;i<strs.length;i++) {   
  4.   System.out.println(strs[i]);   
  5. }  


◆文字替換（首次出現字元）
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("正規表示式");   
  2. Matcher matcher = pattern.matcher("正規表示式 Hello World,正規表示式 Hello World"); //替換第一個符合正則的資料  
  3. System.out.println(matcher.replaceFirst("Java"));  


◆文字替換（全部）
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("正規表示式");  
  2. Matcher matcher = pattern.matcher("正規表示式 Hello World,正規表示式 Hello World"); //替換第全部符合正則的資料  
  3. System.out.println(matcher.replaceAll("Java"));  


◆文字替換（置換字元）
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("正規表示式");   
  2. Matcher matcher = pattern.matcher("正規表示式 Hello World,正規表示式 Hello World ");   
  3. StringBuffer sbr = new StringBuffer();   
  4. while (matcher.find()) {   
  5.   matcher.appendReplacement(sbr, "Java");   
  6. }  
  7. matcher.appendTail(sbr);   
  8. System.out.println(sbr.toString());   


◆驗證是否為郵箱地址
Java程式碼  收藏程式碼
  1. String str="ceponline@yahoo.com.cn";   
  2. Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);   
  3. Matcher matcher = pattern.matcher(str);   
  4. System.out.println(matcher.matches());   


◆去除html標記
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("<.+?>", Pattern.DOTALL);   
  2. Matcher matcher = pattern.matcher("<a href=\"index.html\">主頁</a>");   
  3. String string = matcher.replaceAll("");   
  4. System.out.println(string);  


◆查詢html中對應條件字串
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("href=\"(.+?)\"");   
  2. Matcher matcher = pattern.matcher("<a href=\"index.html\">主頁</a>");   
  3. if(matcher.find()) {   
  4.   System.out.println(matcher.group(1));   
  5. }  


◆擷取http://地址//擷取url
Java程式碼  收藏程式碼
  1. Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");   
  2. Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");   
  3. StringBuffer buffer = new StringBuffer();   
  4. while(matcher.find()){   
  5.   buffer.append(matcher.group());   
  6.   buffer.append("\r\n");  
  7.   System.out.println(buffer.toString());   
  8. }  

◆替換指定{}中文字
Java程式碼  收藏程式碼
  1. String str = "Java目前的發展史是由{0}年-{1}年";   
  2. String[][] object={new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};   
  3. System.out.println(replace(str,object));   
  4.   
  5. public static String replace(final String sourceString,Object[] object) {   
  6.   String temp=sourceString;   
  7.   for(int i=0;i<object.length;i++) {   
  8.     String[] result = (String[]) object[i];   
  9.     Pattern pattern = Pattern.compile(result[0]);   
  10.     Matcher matcher = pattern.matcher(temp);   
  11.     temp = matcher.replaceAll(result[1]);   
  12.   }   
  13.   return temp;   
  14. }   


◆以正則條件查詢指定目錄下檔案 //用於快取檔案列表
Java程式碼  收藏程式碼
  1. private ArrayList files = new ArrayList(); // 用於承載檔案路徑  
  2. private String _path; // 用於承載未合併的正則公式  
  3. private String _regexp;  
  4.   
  5. class MyFileFilter implements FileFilter {  
  6.     /** * 匹配檔名稱 */  
  7.     public boolean accept(File file) {  
  8.         try {  
  9.             Pattern pattern = Pattern.compile(_regexp);  
  10.             Matcher match = pattern.matcher(file.getName());  
  11.             return match.matches();  
  12.         } catch (Exception e) {  
  13.             return true;  
  14.         }  
  15.     }  
  16. }  
  17.   
  18. /** * 解析輸入流 * @param inputs */  
  19. FilesAnalyze(String path, String regexp) {  
  20.     getFileName(path, regexp);  
  21. }  
  22.   
  23. /** * 分析檔名並加入files * @param input */  
  24. private void getFileName(String path, String regexp) { // 目錄  
  25.     _path = path;  
  26.     _regexp = regexp;  
  27.     File directory = new File(_path);  
  28.     File[] filesFile = directory.listFiles(new MyFileFilter());  
  29.     if (filesFile == null)  
  30.         return;  
  31.   
  32.     for (int j = 0; j < filesFile.length; j++) {  
  33.         files.add(filesFile[j]);  
  34.     }  
  35.   
  36.     return;  
  37. }  
  38.   
  39. /** * 顯示輸出資訊 * @param out */  
  40. public void print(PrintStream out) {  
  41.     Iterator elements = files.iterator();  
  42.     while (elements.hasNext()) {  
  43.         File file = (File) elements.next();  
  44.         out.println(file.getPath());  
  45.     }  
  46. }  
  47.   
  48. public static void output(String path, String regexp) {  
  49.     FilesAnalyze fileGroup1 = new FilesAnalyze(path, regexp);  
  50.     fileGroup1.print(System.out);  
  51. }  
  52.   
  53. public static void main(String[] args) {  
  54.     output("C:\\", "[A-z|.]*");  
  55. } 

相關文章