Java对正则表达式的支持(二)

　　正则表达式的主要用途：

　　a.在目标字符串中找出匹配正则表达式的部分

　　b.校验目标字符串是否符合正则表达式，例如校验邮箱地址

　　c.在目标字符串中替换符合正则表达式的部分为其他的字符串

　　Scanner类是JDK 1.5中引入的扫描类，Scanner类的构造函数可以接受一个Readable对象，具体说来可以是File、String、InputStream等。

　　下面是一个Scanner类配合正则表达式使用的例子，目的是找出以S、s、c、t开头的单词。　

package RegexTest;

import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ScannerTest {

    public static void main(String [ ] args) throws FileNotFoundException {
        Pattern pa = Pattern.compile("\\b[Ssct]\\w+");
        Matcher ma = pa.matcher("");

        Scanner sc = new Scanner(new File("src/RegexTest/ScannerTest.java"));
        while(sc.hasNextLine()){
            ma.reset(sc.nextLine());
            while(ma.find()){
                System.out.println(ma.group());
            }
        }
    }

}

　　输出结果为：

Scanner
class
ScannerTest
static
String
throws
compile
Ssct
Scanner
sc
Scanner
src
ScannerTest
sc
sc
System

　　正则表达式"\\b[Ssct]\\w+"的含义如下，\b表示单词的边界，使用正则表达式操作单词时需要使用\b。w代表的是0-9或者a-z或者A-Z。

　　sc.hasNextLine()可以判断Scanner是否能取到下一行，sc.nextLine()是取下一行的字符串。

　　Scanner还有hasNextInt()、hasNextLong()、hasNextBigInteger()等方法用于取出下一个基本类型。

　　Scanner默认地是根据空格来分割输入的字符串，也可以自定义分割符，如下面所示。

import java.util.Scanner;

public class ScannerTest2 {

    public static void main(String [ ] args) {
        String str = "12,42 , 78 ,99,  42";

        Scanner sc = new Scanner(str);
        sc.useDelimiter("\\s*,\\s*");
        while(sc.hasNextInt()){
            System.out.println(sc.nextInt());
        }
    }

}

　　输出结果为：

12
42
78
99
42

　　sc.useDelimiter("\\s*,\\s*");中的\s代表空白符(空格，回车，换行等)，*代表一个或多个，合起来就是“，”前后带任意个空白符。

　　Scanner除了可以配合Pattern和Matcher使用外，其本身也是支持正则表达式的，如下面的例子。　

package RegexTest;

import java.util.Scanner;
import java.util.regex.MatchResult;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class ScannerTest3 {

    public static void main(String [ ] args) {
        String str = "58.77.82.161@02/10/2012\n" +
                     "204.17.82.31@02/11/2012\n" +
                     "58.77.32.53@02/12/2012\n" +
                     "28.45.32.161@02/12/2012\n";
        Scanner sc = new Scanner(str);
        String pattern = "(\\d+\\.\\d+\\.\\d+\\.\\d+)@"+
                        "(\\d{2}/\\d{2}/\\d{4})";
        while(sc.hasNext(pattern)){
            sc.next(pattern);
            MatchResult mr = sc.match();
            String ip = mr.group(1);
            String date = mr.group(2);
            System.out.format("Threat on %s from %s\n",date,ip);
        }

        Pattern pa = Pattern.compile("(\\d+\\.\\d+\\.\\d+\\.\\d+)@"+
                "(\\d{2}/\\d{2}/\\d{4})",Pattern.CASE_INSENSITIVE | Pattern.MULTILINE);
        Matcher matcher = pa.matcher(str);
        while(matcher.find()){

            String ip = matcher.group(1);
            String date = matcher.group(2);
            System.out.format("Threat on %s from %s\n",date,ip);
        }
    }

}

　　输出结果为：

Threat on 02/10/2012 from 58.77.82.161
Threat on 02/11/2012 from 204.17.82.31
Threat on 02/12/2012 from 58.77.32.53
Threat on 02/12/2012 from 28.45.32.161
Threat on 02/10/2012 from 58.77.82.161
Threat on 02/11/2012 from 204.17.82.31
Threat on 02/12/2012 from 58.77.32.53
Threat on 02/12/2012 from 28.45.32.161

　　下面是一个将IP地址进行排序的例子，如下:

package regExp;

import java.util.Arrays;

public class SortIPAddressWithRegExp {

    public static void main(String[] args) {
        String ip = "102.49.25.254 102.49.23.13 10.10.10.10 2.2.2.2 8.109.90.30";  

        // 先对IP每一位都添加两个0
        String regex = "(\\d+)";
        ip = ip.replaceAll(regex,"00$1");
        System.out.println(ip);

        // 再将IP地址只保留三位
        regex = "0*(\\d{3})";
        ip = ip.replaceAll(regex,"$1");
        System.out.println(ip);

        // 下面进行切割
        String[] result = ip.split(" +");
        System.out.println(Arrays.asList(result));
        Arrays.sort(result);
        System.out.println("after");
        for(int i =0;i<result.length;i++)
        result[i]=result[i].replaceAll("0*(\\d+)","$1");  // 将前面的0　去掉
        for(String s : result)
            System.out.println(s);
    }

}

　　使用正则表达式判断文件中是否含有中文字符的例子为：

import java.io.File;
import java.io.FileNotFoundException;
import java.util.Scanner;
import java.util.regex.Pattern;

public class CheckChineseCharacter {
    public static void main(String[] args) throws FileNotFoundException {
        Scanner sc = new Scanner(new File("UCS_PM_1.1.5_EN.sql"));
        String str = "";

        int index = 1;
        while(sc.hasNextLine()){
            str = sc.nextLine();

            if(isChinese(str)){
                        System.out.println(str + "contain Chinese Character");
            }else{
                System.out.println("no Chinese Character in cloum " + index);
            }
            index ++;
        }
        } 

    // 根据Unicode编码判断中文汉字和符号
    private static boolean isChinese(char c) {
        Character.UnicodeBlock ub = Character.UnicodeBlock.of(c);
        if (ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS || ub == Character.UnicodeBlock.CJK_COMPATIBILITY_IDEOGRAPHS
                || ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_A || ub == Character.UnicodeBlock.CJK_UNIFIED_IDEOGRAPHS_EXTENSION_B
                || ub == Character.UnicodeBlock.CJK_SYMBOLS_AND_PUNCTUATION || ub == Character.UnicodeBlock.HALFWIDTH_AND_FULLWIDTH_FORMS
                || ub == Character.UnicodeBlock.GENERAL_PUNCTUATION) {
            return true;
        }
        return false;
    } 

    // 完整的判断中文汉字和符号
    public static boolean isChinese(String strName) {
        char[] ch = strName.toCharArray();
        for (int i = 0; i < ch.length; i++) {
            char c = ch[i];
            if (isChinese(c)) {
                return true;
            }
        }
        return false;
    } 

    // 只能判断部分CJK字符（CJK统一汉字）
    public static boolean isChineseByREG(String str) {
        if (str == null) {
            return false;
        }
        Pattern pattern = Pattern.compile("[\\u4E00-\\u9FBF]+");
        return pattern.matcher(str.trim()).find();
    } 

    // 只能判断部分CJK字符（CJK统一汉字）
    public static boolean isChineseByName(String str) {
        if (str == null) {
            return false;
        }
        // 大小写不同：\\p 表示包含，\\P 表示不包含
        // \\p{Cn} 的意思为 Unicode 中未被定义字符的编码，\\P{Cn} 就表示 Unicode中已经被定义字符的编码
        String reg = "\\p{InCJK Unified Ideographs}&&\\P{Cn}";
        Pattern pattern = Pattern.compile(reg);
        return pattern.matcher(str.trim()).find();
    }
}