正则表达式学习经验分析
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
正则表达式学习经验分析
正则表达式用来指定字符串模式。当你需要定位匹配某种模式的字符串时就可以使用正则表达式。例如,我们下面的一个例程就是在一个HTML文件中通过查找字符串模式来定位所有的超链接。
当然,为了指定一种模式,使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时,你需要使用一种特殊的语法。
这里有一个简单例子。正则表达式
[Jj]ava.+
匹配下列形式的任何字符串:
首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成
例如,字符串“javaness”匹配这个特殊的正则表达式,但是字符串“Core Java”却不匹配。
如你所见,你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途,使用少量的简单构造(straightforward constructs)就已足够。
字符类是可选自符的集合,用‘['封装,比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围(Unicode 落在两个边界之间的所有字符),^表示求补(指定字符外的所有字符)。
有许多预定以的字符类,像\d(数字)或\p{Sc}(Unicode货币符号),见表12-8和12-9。
大多数字符与它们自身匹配,像上例中的ava字符。
符号.匹配任何字符(可能行终止符(line terminators)除外,这依赖于标识设置(flag settings))
\用作转义符,比如\.匹配一个句点,\\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式,则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y 的匹配”
可以将量词(quantifier)用到表达式中,X+ 表示X重复1次或多次,X* 表示X重复0次或多次,X? 表示X重复0次或1次
默认地,一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀?(称为reluctant 或stingy 匹配,用以匹配最小的重复数),和+(称为possessive或贪婪匹配,用以即使在总体匹配失败的情况下也匹配最大的重复数)来更改这种属性。
例如,字符串cab匹配[a-z]*ab,但不匹配[a-z]*+ab。第一种情况下,[a-z]*只匹配字符c,因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配,模式的剩余部分ab就匹配失败(,这样总体也就匹配失败)。
可以使用分组来定义子表达式。将分组封装在()中,如([+-]?)([0-9]+)。然后你可以让模式匹配符(the pattern matcher)返回每个分组的匹配,或者使用\n来回引分组(refer back to a group with \n),其中n是组号(以\1起始)
这里有一个稍微有点复杂却又很有用的正则表达式--它用来描述十进制和十六进制的整数。[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+
不幸的是,在使用正则表达式的各种程序和库之间,它的语法还没有完全标准化。对基本的构造上已达成了共识,但在细节方面有许多令人“抓狂”的区别(many maddening differences)。Java的正则表达式类使用了与Perl语言类似的语法,但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息,请参考Pattern类的API文档,或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)(刚去第二书店查了一下,东南大学出版社已经引入了其第二版,影印)
表12-8 正则表达式语法
--------------------------------------------------------------------------------
语法解释
--------------------------------------------------------------------------------
字符
c 字符c
\unnnn, \xnn, \0n, \0nn, \0nnn 带有十六或八进制值的代码单元
\0n 八进制0n代表的字符(0<=n<=7)
\0nn 八进制0nn代表的字符(0<=n<=7)
\0mnn 八进制0mnn代表的字符(0<=m<=3,0<=n<=7)
\xnn 十六进制 0xnn所代表的字符
\uhhhh 十六进制 0xhhhh所代表的字符
\t, \n, \r, \f, \a, \e 控制字符,依次是制表符,换行符,回车符,换页符,报警符和转义符\cc 控制字符中出现的相应字符c
--------------------------------------------------------------------------------
字符类
[C1C2. . .] C1、C2……中的任何字符。Ci可以是字符,字符范围(C1-C2)或者字符类。[^. . .] 字符类的补集
[ . . . && . . .] 两个字符类的交集
--------------------------------------------------------------------------------
预定义字符类
. 除行终止符外的任何字符(如果DOTALL标志置位,则表示任何字符)
\d 数字[0-9]
\D 非数字[^0-9]
\s 空白字符[\t\n\r\f\x0B]
\S 非空白字符
\w 单词字符[a-zA-Z0-9_]
\W 非单词字符
\p{name} 一个指定的字符类,见表12-9
\P{name} 指定字符类的补集
--------------------------------------------------------------------------------
边界匹配符
^ $ 输入的开头和结尾(在多行模式(multiline mode)下是行的开头和结尾) \b 单词边界
\B 非单词边界
\A 输入的开头
\z 输入的结尾
\Z 除最后行终止符之外的输入结尾
\G 上个匹配的结尾
--------------------------------------------------------------------------------
量词
X? 可选的X(即X可能出现,也可能不出现)
X* X,可以重复0次或多次
X+ X,可以重复1次或多次
X{n} X{n,} X{n,m} X重复n次,至少重复n次,重复n到m次
--------------------------------------------------------------------------------
量词后缀
? 设默认(贪婪)匹配为reluctant匹配
+ 设默认(贪婪)匹配为possessive匹配
--------------------------------------------------------------------------------
集合操作
XY X的匹配后面跟着Y的匹配
X|Y X或Y的匹配
--------------------------------------------------------------------------------
分组
(X) 匹配X并且在一个自动计数的分组中捕获它
\n 与第n个分组的匹配
--------------------------------------------------------------------------------
转义
\c 字符c(必须不是字母)
\Q...\E 逐字地引用...