java数字正则表达式-java 注释 正则表达式

正则表达式在处理文本时非常有用。 这种机制首先在 Perl 和 awk 语言中提供。 Java也在Java 2中加入了正则表达式包java.util.regex，这个包为用户使用正则表达式提供了简单易用和全面的支持。 我的研究方向是网络挖掘。 从网页中提取内容和处理文本，当然需要正则表达式这个强大的工具。 1. 首先，让我们看一个如何使用正则表达式的示例：匹配器检查应用模式的结果。 我们希望从这句话中找出所有以a开头的单词。 当然，这只是一个简单的例子。 可以使用String提供的split方法得到一个单词数组，然后遍历每个单词看是否以a开头。 现在让我们看看如何使用正则表达式来处理这个问题：

Java 代码 importjava.util.regex.*;publicclassFindA{publicstaticvoidmain(Stringargs[])throwsException{Stringcandidate="AMatcherexaminestheresultsofapplyingapattern.";Stringregex="\\ba\\w*\\b";Patternp=Pattern.compile(regex) ;Matcherm=p.matcher(candidate);Stringval=null;System.out.println("INPUT:"+candidate);System.out.println("REGEX:"+regex+"\r\n");while( m.find()){val=m.group();System.out.println("MATCH:"+val);}if(val==null){System.out.println("NOMATCHES:"); }}} 从这个例子中我们可以看出正则表达式涉及到的Matcher和Pattern这两个类，以后再讨论这两个类。

现在主要看使用正则表达式的过程：首先使用Pattern的一个静态方法compile创建一个Pattern对象，Java代码Patternp=Pattern.compile(regex); 然后调用Pattern的方法matcherJava代码Matcherm=p.matcher(candidate); 获取Matcher对象，Matcher对象保存了很多匹配信息，然后可以使用find()方法找到匹配的部分java数字正则表达式，如果有匹配的部分，返回true，使用m.group方法获取匹配值，否则查找返回false。 当然，这只是一个大概的过程，还有很多更详细的方法，以后再总结。 我们来看看Java代码 Stringregex="\\ba\\w*\\b"; 这是一个正则表达式java数字正则表达式，b、w、*是正则表达式的原始元字符，\b代表一个词的边界，w代表任何可以组成一个词的字母数字，*代表前面的字母（当然也可以是更复杂的组等）重复0次或多次，a当然是a。 所以这个正则表达式匹配以 a 开头的单词。 二、下面总结了基本正则表达式的元字符及其含义： . 匹配任意字符 $ 匹配行尾 ^ 匹配行首（[]中表示取反） {} 定义一个范围 [] 定义一个字符类（）定义一个组 * 前面0次+以上一场比赛在前面？ 0次或前面1次 \ 后面的字符不会被视为元字符 \w 字母数字下划线 \W 非字母数字下划线\d 单个数字 \D 单个非数字 | 或者，&& AND 运算符 \b 单词边界 下面是几个简单的示例： [abc] a、b 或 c（简单类） [^abc] 除 a、b 或 c 之外的任何字符（负数）[a-zA- Z] a 到 z 或 A 到 Z，包括（范围）[ad[mp]] a 到 d 或 m 到 p：[a-dm -p]（并集）[az&&[def]] d、e 或 f（交集）[az&&[^bc]] a 到 z 除了 b 和 c：[ad-z]（减去）[az&&[^ mp]] a 到 z，而不是 m 到 p：[a-lq-z]（减去) 3. java.util.regex提供的操作接口： java.util.regex包提供了一个操作正则表达式的模型，整个模型优雅简洁，只有三个类：Pattern、Matcher和PatternSyntaxException。

下面将总结它们提供的方法以及如何灵活地应用于处理文本。 让我们从 Pattern 的静态工厂方法展开：Java 代码 staticPatterncompile(Stringregex) 将给定的正则表达式编译成模式并创建一个 Pattern 对象。 此方法通常是操作正则表达式的第一步。 从前面我们也可以看到那个例子中的整个过程。 看一下重载的编译方法：Java 代码 staticPatterncompile(Stringregex, intflags) 将给定的正则表达式编译成具有给定标志的模式。 该方法的参数flags提供了一些特殊的选项，用于特殊处理。 我们来看看可用的选项： UNIX_LINES：这个主要是处理UNIX和其他操作系统行尾不同的问题。 UNIX用\n表示行尾，Windows用\r\n、\n、\r、\u2028或\u0085作为行尾。 CASE_INSENSITIVE：当我们想在匹配时忽略字符大小写时 COMMENTS：允许我们在正则表达式中使用注释，例如Java代码Patternp=Pattern.compile("A#matchesuppercaseUS-ASCIIcharcode65",Pattern.COMMENTS); MULTILINE：表示要输入多行，它们有自己的终止符。

Java代码Patternp=Pattern.compile("^",Pattern.MULTILINE); 如果你输入的字符串是： This is a sentence.\n So is this.. 这样我们匹配到的字符是T和So in This In S，如果不使用MULTILINE，只会匹配TDOTALL:使用this之后选项，元字符。 . 使用这个选项会降低Java代码的效率 Patternp=Pattern.compile(".",Pattern.DOTALL); 如果我们输入Test\n，则匹配字符为5。 UNICODE_CASE：处理UNICODE字符集，使用该选项会降低效率 CANON_EQ：一个字符的实际存储形式是编码后的数字。 使用 CANON_EQ 选项可以匹配各种编码的字母。 比如a可以匹配+00E0和U+0061U+0300。 使用此选项会降低效率。 我们可以结合上面的选项，只需要使用|，来执行按位或操作Java代码我们还需要注意Java对翻译字符\的处理，比如我们要匹配一个数字：不能使用：Java代码Patternp=Pattern.compile("\d"); 相反：Java 代码 Patternp=Pattern.compile("\\d"); 另外，如果regex本身的形式不对，compile方法会抛出java.util.regex.PatternSyntaxException异常。

总结一下public Matcher匹配器（CharSequence输入）方法： 当我们使用compile操作创建一个Pattern对象时，我们可以使用Pattern对象的matcher操作来生成一个matcher对象。 Matcher 对象包含多对匹配结果集。 操作，我们在总结Matcher对象的时候再说。 另外，顺便说一句，参数CharSequence、CharBuffer、Segment、String、StringBuffer、StringBuilder都实现了这个接口，所以参数可以是这几种类型中的任意一种。 下面我们看一下： Java代码 publicintflags() 这个方法返回我们可以设置的和已经设置好的flags选项。 我们使用按位与来确定是否设置了选项：Java 代码 intflgs=myPattern.flags(); booleanisUsingCommentFlag=(Pattern.COMMENTS==(Pattern.COMMENTS&flgs)); 看一个简化流程的方法： Java代码 publicstaticbooleanmatches(Stringregex,CharSequenceinput) 这个方法其实就是： Java代码 Patternp=Pattern.compile(regex);Matcherm= p.matcher(candidate); m.matches()是流程的简化，后面总结Matcher中的matches方法就会明白这一点。

想必我们经常会用到String中的split方法，将字符串中的token提取到字符串数组中。 我们来看一个类似的方法： public String[] split(CharSequence input) 这个方法提供了强大的功能，因为它可以使用正则表达式作为标记拆分： Java代码 Patternp=newPattern.compile(",|and");Stringfruits []=p.split("苹果、香蕉和橘子"); split的重载版本：Java代码publicString[]split(CharSequenceinput,intlimit)指定了分组的个数，分三种情况：limit==0，没有limit参数的split效果和limit一样>0 如果只限制第一个Interested，可以使用limit：Java代码String[]tmp=pattern.split("Hello,Dolly,You,Are,My,Favorite",3);//tmp[0]is "Hello",//tmp[1]是"Dolly";//tmp[2]是"You,Are,My,Favorite"; limitPatternp=Pattern.compile(",");Stringtemp[]=p.split("Hello,Dolly," ,-1);//temp[]={"Hello","Dolly",""} 下一次，我将总结Matcher类和正则表达式的一些高级部分。 相关资源：Java正则表达式图片版