Java 正则表达式小例子

这个周末学习了下正则表达式，对字符串的操作确实强大。学新东西先认识概念，后了解原理，然后辅助练习。理解其原理，才能真正学会。原理性东西才是知识的本质，在技术迅速更新的今天才不会过时。

正则表达式概念

正则表达式使用单个字符串来描述、匹配一系列符合某个句法规则的字符串。正则表达式可以用形式化语言理论的方式来表达，它由常量和算子组成，它们分别指示字符串的集合和在这些集合上的运算。

正则表达式用途

验证：字符串是否符合指定特征，比如验证是否是合法的邮件地址；
查找：从一个长的文本中查找符合指定特征的字符串，比查找固定字符串更加灵活方便；
替换：比普通的替换更强大，替换符合指定特征的字符串；

正则表达式引擎

正则表达式的匹配是通过正则表达式引擎实现的。正则表达式引擎分为两类：

基于NFA ( Nondeterministic Finite Automata，非确定型有穷状态自动机)；
基于DFA ( Deterministic Finite Automaton，确定型有穷状态自动机)；

DFA和NFA的区别在于，DFA对于一个状态和一个输入，一定会有一个唯一的后续状态，而NFA可能有多个状态，也可能没有。一般来说，DFA正则在编译的时候花的时间会多一点，但是在匹配的时候会更快一点。NFA出现较早，Java、.Net、PHP、Ruby、Perl、Python、GNU Emacs、ed、sec、vi、grep都是使用NFA，而DFA只有egrep awk lex flex这些支持。所以，NFA引擎在生产环境里使用较多。

匹配的规则

优先选择最左端的结果；
对标准匹配量词'{m,n}'、'+'、'*'、'?'优先使用贪婪模式；

Java正则表达式Demo

自己写了一个demo，从键盘获取pattern，匹配文件 (默认本工程下tests.txt, 也可以自己输入文件路径) 中的字符串，并逐行显示匹配结果，方便验证自己写的正则表达式。

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

public class RegexDemo {
private String content;

public RegexDemo() {
this("test.txt"); // 默认这个文件
}

public RegexDemo(String fileName) {
this.content = (readFileToString(new File(fileName)));
}

/* 匹配符合模式的字符串并逐个显示 */
public void matchNum(String input) {
int sum = 1;
Pattern pattern = Pattern.compile(input, Pattern.DOTALL); //"."符号可以匹配行尾
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("Case" + (sum++) + ": " + matcher.group());
}
}

/* 读取文件到一个字符串 */
private String readFileToString(File file) {
StringBuilder stringBuilder = new StringBuilder();
try {
Scanner scanner = new Scanner(file);
while (scanner.hasNextLine()) {
stringBuilder.append(scanner.nextLine() + "\n");
}
scanner.close();
} catch (FileNotFoundException e) {
e.printStackTrace();
}
return stringBuilder.toString();
}

public static void main(String[] args) {
RegexDemo regexTest = new RegexDemo(); //默认用本工程下的text.txt文件
Scanner scanner = new Scanner(System.in);
String input = null;
while (scanner.hasNextLine()) {
input = scanner.nextLine();
regexTest.matchNum(input);
}
scanner.close();
}
}

测试文件tests.txt内容：

demo.anonymous@gmail.com
hello@163.com  192.168.20.2 http://www.jb51.net/tools/regex.htm <p>第一段</p> http://www.jb51.net/tools/regex.htm

控制台运行：

[a-zA-z]+://[^\s]*
Case1: http://www.jb51.net/tools/regex.htm Case2: http://www.jb51.net/tools/regex.htm ((2[0-4]\d|25[0-5]|[01]?\d\d?)\.){3}(2[0-4]\d|25[0-5]|[01]?\d\d?)
Case1: 192.168.20.2
\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
Case1: demo.anonymous@gmail.com
Case2: hello@163.comdemo

参考

正则表达式wiki
正则表达式30分钟入门教程
正则表达式原理