计算机世界网-java正则表达式详解.htm

java的正则表达式的详细说明

    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4f.gif" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center>图六：匹配所有Month 
DD,YYYY格式的日期，定义月份值为第一个组</P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B>1.7 其它符号</B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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： </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>表二：常用符号 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4o.jpg" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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七所示： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4g.gif" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center>图七：匹配所有123-12-1234格式的社会安全号码</P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B><FONT size=4>二、Jakarta-ORO库</FONT></B> 
</TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>有许多源代码开放的正则表达式库可供Java程序员使用，而且它们中的许多支持Perl 
      5兼容的正则表达式语法。我在这里选用的是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。另外，它也是优化得最好的API之一。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>我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。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B>▲ PatternCompiler对象</B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_e.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B>▲ Pattern对象</B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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“t[aeio]n”： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_f.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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： 
  </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_g.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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。 
  </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B>▲ PatternMatcher对象</B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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： </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_h.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· 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。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· 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。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· 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）。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· boolean matches(PatternMatcherInput input, Pattern 
      pattern) </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· boolean matchesPrefix(PatternMatcherInput input, Pattern 
      pattern) </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>· boolean contains(PatternMatcherInput input, Pattern 
      pattern) </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B><FONT size=4>三、应用实例</FONT></B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>下面我们来看看Jakarta-ORO库的一些应用实例。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><B>3.1 日志文件处理</B> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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： </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_i.jpg" 
    border=0></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>首先我们来看看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： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4h.gif" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center>图八：匹配IP地址</P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4i.gif" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center>图九：匹配至少一个字符，直至找到“]”</P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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图十所示。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4j.gif" 
      border=0> </P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>
      <P align=center>图十：匹配IP地址和时间标记</P></TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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。 </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>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： 
</TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_j.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>这里使用的正则表达式与图十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。图十不是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“\\”。如果要复检，你可以试着把它输出到屏幕上。 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD 
      class=a14>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： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_k.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14>现在，创建PatternMatcher对象，调用PatternMatcher接口的contain()方法检查匹配情况： 
    </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>
  <TR>
    <TD class=a14><IMG src="计算机世界网-Java正则表达式详解.files/01_7_31_4_l.jpg" 
      border=0> </TD></TR></TBODY></TABLE>
<TABLE width=620 align=center>
  <TBODY>