本文将介绍如何在Java中使用正则表达式来处理文本数据。正则表达式就是一个字符串,但和普通的字符串不同的是,正则表达式是对一组相似字符串的抽象,如下面的几个字符串: a98b c0912d c10b a12345678d ab
我们仔细分析上面五个字符串,可以看出它们有一个共同特征,就是第一个字符必须是'a'或'c',最后一个字符必须是'b'或'd',而中间的字符是任意多个数字组成(包括0个数字)。因此,我们可以将这五个字符串的共同特点抽象出来,这就产生了一个正则表达式:[ac]\\d*[bd].而根据这个正则表达式,我们可以写出无穷多个满足条件的字符串。
在Java中使用正则表达式的方法非常多,最简单的就是和字符串一起使用。在String中有四个方法可以使用正则表达式,它们是matches、split、replaceAll和replaceFirst.
一、matches方法
matches方法可以判断当前的字符串是否匹配给定的正则表达式。如果匹配,返回true,否则,返回false.matches方法的定义如下:
public boolean matches(String regex)
如上面给出的正则表达式我们可以用如下程序验证。
String[] ss = new String[]{"a98b", "c0912d", "c10b", "a12345678d", "ab"};
for(String s: ss)
System.out.println(s.matches("[ac]\\d*[bd]")); | 输出结果:
下面简单解释一下这个正则表达式的含义。如果我们学过编译原理的词法分析,就会很容易理解上面的正则表达式(因为正则表达式的表示方法和词法分析中的表达式类似)。如在 [……]中的相当于或"|",如[abcd]相当于a|b|c|d,也就是a或b或c或d.如上面的正则表达式的开头部分是[ac],就代表着字符串的开头只能是a或c.[bd]表达字符串结尾只能是b或d.而中间的\d表达0-9的数字,由于\在正则表达式中有特殊含义,所以用\\来表示\.而*表示有0或无穷多个(这在词法分析中叫*闭包),由于*跟在\d后面,因此表达有0或无穷多个数字。
二、split方法
split方法使用正则表达式来分割字符串,并以String数组的形式返回分割结果。split有两种重载形式,它们定义如下:
public String[] split(String regex)
public String[] split(String regex, int limit) | 如下面的代码将使用split的第一种重载形式来分割HTTP请求头的第一行,代码如下:
String s = "GET /index.html HTTP/1.1";
String ss[] = s.split(" +");
for(String str: ss)
System.out.println(str); | 输出结果:
在使用split的第一种重载形式时应注意,如果分割后的字符串最后有空串,将被忽略。如使用正则表达式\d来分割字符串a0b1c3456时,得到的数组的长度为3,而不是7.在split的第二种重载形式中有一个limit参数,要分三种情况讨论:
1. 大于0: 如limit的值为n,那么将对正则表达式使用n-1次,下面的代码:
String s = "a0b1c3456";
String ss[] = s.split("\\d", 3);
for(String str: ss)
System.out.println(str); | 输出结果:
从输出结果可以看出,程序只对" a0b1c3456"使用了两次正则表达式,也就是在少扫描完字符'1'后,不管后面有没有满足条件的字符串,都将后面的字符串作为一个整体来作为返回数组的最后一个值。
2. 小于0: 不忽略结尾的空串。也就是上面的例子返回数组的长度应该是7,而不是3. 3. 等于0:这是默认值,相当于split的第一种重载形式。
三、replaceAll 和 replaceFirst方法
为两个方法的定义如下:public String replaceAll(String regex, String replacement)
public String replaceFirst(String regex, String replacement)
这两个方法用replacement替换当前字符串中和regex匹配的字符串。使用方法很简单,这里不再详述,感兴趣的读者可以参考相关的文档。
对于Java中正则表达式的详细内容,请参考JDK文档。
|
|