Java —— 正则表达式

0. 注意

• 正则表达式里的点号(.)，可以匹配除换行符之外的所有字符
• Java 语言同其他语言中的正则表达式的不同在于：
  
  • 对 \（反斜线）的不同处理
    • \\：其他语言中，表示在正则表达式中插入普通的反斜线（字面上的），不要赋予它任何的意义；
    • 而在 Java 中，\\：我要插入一个正则表达式的反斜线（构成正则式），其后的字符具有特殊的意义；
      
      • \\d：表示一位数字；
  • \\+⇒ 加号，\\.⇒ 点；
• 提取单词：\\W+（一个或多个字母）
• 括号
  
  • 小括号：提取匹配的字符串，(\s*)：匹配连续空格
    • (0-9) 匹配 0-9 本身，
    • [0-9]*：匹配数字，可以为空；
    • {1-9}：错误写法；
  • 中括号：定义匹配的范围，[a-zA-Z0-9] 相应位置匹配英文字符和数字，
    
    • [\s*]：表示匹配空格或星号；
  • 大括号，表示匹配的长度，\s{3}：匹配三个空格，\s[1, 3]：一到三个空格；

1. Java 中支持正则的类

• String

  • str.matches(pattern)：布尔判断，返回 true、false；

    • ’+911’.matches(‘(-|\+)?\d+’) ⇒ true,
    • ‘(-|\+)?\d+’ ⇒ 数字，以加号或者减号开头，或者没有任何符号；
    • 密码中必须包含至少一个数字（\\w*\\d\\w*）：

    password.matches("\\w*\\d\\w*")

• StringBuffer

• StringTokenizer

2. 定义模式，完成模式（pattern）的匹配（match）

• java.lang.String ⇒ java（去掉字符和点）

  Pattern p = Pattern.compile("\\w+\\.");
  p.match(str).replaceAll("");

  • \W+：表示非单词（[^\w]，\w: [a-zA-Z0-9]）；

创建模式，进行匹配的步骤如下：

• 使用 （static）Pattern.compile() 静态方法编译正则表达式，其会根据 String 类型的正则表达式生成一个 Pattern 对象，（Pattern 类是对 String 类在实现正则匹配等功能上的丰富与拓展）

• 把你想要检索的字符串传入 Pattern 对象的 matcher() 方法，matcher() 方法会返回一个 Matcher 对象那个，其内有十分丰富的函数实现：

  // 我们实现对待检索的字符串 abcabcabcdefabc 的 (abc){2,} 模式的匹配
  
  Pattern p = Pattern.compile("abcabcabcdefabc");
  Matcher m = Matcher.match("(abc){2,}");
  // 迭代器，遍历和迭代进行
  while (m.find()) {
      System.out.println("Match \"" + m.group() + "\" at position "
          + m.start() + "-" + (m.end()-1));
  }

3. 对日志文件的扫描解析

如下形式的日志文件：

String logData = "" +
            "58.27.82.161@02/10/2005\n" +
            "204.45.234.40@02/11/2005\n";

逐行扫描，分别将其中的时间和 ip 提取出来。

String pattern = "(\\d+[.]\\d+[.]\\d+[.]\\d+@)" +
    "(\\d+{2}/\\d{2}/\\d{4})";
Scanner scanner = new Scanner(logData);     // 创建对日志文件扫描的扫描器对象
while (scanner.hasNext(pattern)) {
    scanner.next(pattern);
    MatchResult m = scanner.match();
    String original = m.group(0);
    String ip = m.group(1);
    String date = m.group(2);
    System.out.format("%s: %s from %s\n", original, date, ip);
}