Java正则表达式

package testreg;


import java.util.regex.Matcher;


import java.util.regex.Pattern;




/**


*<p>Title: 正则表达式的研究</p>


*<p>Description:


*最近在工作中常常用到一些正则表达式的使用问题，到网上去找介绍大多是一鳞半爪。求人不如


*求已。一狠心，自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来


*了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说，书归正传。


*原理：


*正则表达式的原理是有限状态自动机，自动机内部有有限个状态，有一个初始状态，有一个


*结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵，这是很久以前学


*的东东了也记不清了，大家只作参照吧。


*Java中的正则表达式：


*从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包，这个包中主要有


*3个类:Pattern,代表模式，就是正则表达式自身，Matcher，是一个有限状态自动机，其实大多


*数的活还是让Pattern类于了，Matcher往往只是简单的调用Pattern，不知道这是什么模式。这


*两个类写的都很经典，还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所


*用正则表达式不正确时抛出，是运行时异常。


*几个难点：


*1.line terminator


*line terminator 中文意终结符，是指一个或两个字符组成的字符序列。java中的


*所有line terminator:


*A newline (line feed) character ('\n'),


*-----------换行符(0A)


*A carriage-return character followed immediately by a newline character ("\r\n"),


*-----------回车+换行(0D0A)


*A standalone carriage-return character ('\r'),


*-----------回车(0D)


*A next-line character ('\u0085'),


*------------下一行符？(？表示我也不知道是什么，请大家明白的给我发mail


*A line-separator character ('\u2028'), or


*------------行分隔符？


*A paragraph-separator character ('\u2029).


*------------段落分隔符？


*If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters.


*如果使用unix模式则只有\n被认为是line terminator，也就是在使用pattern时如下：


*Pattern p=Pattern.compile("正则表达式",Pattern.UNIX_LINE);


*或 Pattern p=Pattern.compile("(?d)正则表达式")


*"."匹配除line terminator以外的所有字符(未指定DOTALL时)


*在指定DOTAll模式时"."匹配所有字符


*2.Quantifiers,Greedy,Reluctant and Possessive.


*这几个词不太好译，原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive


*Quantifiers凭我这点英语我只好译作贪婪的量子，不情愿的量子和占有欲强的量子？这也太搞笑了，


*好在我理解了他们的意思。这点等下我细说。


*3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f&&[a-z]],[b-f&&[^cd]]等形式的理解


*对于上述，原文用range,union,negation,intersection,subtraction等来描述


*range表是范围，union是并集，negation是取反，intersection是交集，subtraction


*是……是减法？？反正是减去一部分的意思


*range a-z 从a到z的小写字母


*negation [^a-f]除了a-f之外所有的，全集是所有字符


*union [a-d[h-i]] a-d并h-i


*subtraction [b-f&&[^cd]] 就是b-f中除了cd以外的都是


*intersection[b-f&&[a-z]] 就是b-f与a-z中的公共部分


*我总结了一下，其实就是方括号表示一个集合，集合中的元素用列举法表示如[abcd]，但太多


*了怎么为？总不能把从a到z的全列举吧？那就用a-z表示且省略了方括号，交集用&&表示，并集


*省略，差集(对subtraction译成差集还差不多)用交集和取反来表示。所以，以上的可表示为：


*[[a-z][A-Z]],[[a-d][h-i]],[^a-f],[[b-f]&&[a-z]],[[b-f]&&[^cd]]


*这样是不是和我们的习惯相符了.


*4.各个标志的意义


*在生成pattern时可以同时使用几个标志来指定进行匹配时的方案。


*用法形如：Pattern p=Pattern.compile(".*a?",Pattern.UNIX_LINES);


*当同时指定多个标志时可以使用"|"操作符连接如：


*Pattern p=Pattern.compile(".*a?,Pattern.UNIX_LINES|Pattern.DOTALL);


*也可以在表达式中指定如：


*Pattern p=Pattern.compile("(?d).*a?");


*Pattern p=Pattern.compile("(?d)(?s).*a?");


*以上两个定义和前面两个对应等价


*所有的标志如下：


*Constant Equivalent Embedded Flag Expression


*Pattern.CANON_EQ None Enables canonical equivalence


*Pattern.CASE_INSENSITIVE (?i) Enables case-insensitive matching


*Pattern.COMMENTS (?x) Permits whitespace and comments in pattern.


*Pattern.MULTILINE (?m) Enables multiline mode.


*Pattern.DOATALL (?s) Enables dotall mode


*Pattern.UNICODE_CASE (?u) Enables Unicode-aware case folding.


*Pattern.UNIX_LINES (?d) Enables Unix lines mode


*


*CANON_EQ 指定使用规范等价模式？这个我理解的也有限，是不是说只要指定了这个模式则


*ascii码的'a'就可以和unicode的'a'还有XXX码的'a'相等？请教各位。(mail to me)


*


*CASE_INSENSITIVE 指定使用大小写不敏感的匹配模式，这个好理解，但要注意这个标志只是


*对ascii码有效，要使unicode在比较时也忽略大小写要同时指定UNICODE_CASE,就是要指定


*CASE_INSENSITIVE|UNICODE_CASE或使用(?i)(?u)


*


*COMMENTS 指定使用注释和忽略空白，也就是".*a"==". *a #this is comments"我想这个


*在正则表达式很大，而且是在文件中输入时比较有用，平时我看也用不上。


*


*MULTILINE In multiline mode the expressions ^ and $ match just after 


*or just before, respectively, a line terminator or the end of the 


*input sequence. By default these expressions only match at the beginning 


*and the end of the entire input sequence 


*指定使用多行匹配模式，在默认模式下，^和$分别只匹配一个输入的开始和结束。 


*在这种模式下，^和$ 除了匹配整个输入的开始和结束外还匹配一个line terminator的后边和 


*前边(不是前边和后边，就是说^匹配line terminator的后边$匹配line terminator的前边。 


*


*DOATALL 如指定了这个模式则"."可匹配任何字符包括line terminator 


*


*UNIX_LINES 指定这个模式时只有\n被认为是line terminator而\r和\r\n都不是 


*


*其他的我一时想不起来了，在具体介绍时再说吧。 


*</p> 


*/


public class TestReg2


{




public static void main(String[] args)


 {


String str1 = "";


Object str = "";


//注意：\r,\n,\b等转义字符在java字符串常量中要写成\\r,\\n,\\b等，否则编译都过不去


//\s匹配\r,\n,\r和空格


System.out.println("\\s匹配\\r,\\n,\\r和空格 "+" \t\n\r".matches("\\s{4}"));


//\S和\s互逆


System.out.println("\\S和\\s互逆 "+"/".matches("\\S"));


//.不匹配\r和\n


System.out.println(".不匹配\\r和\\n "+"\r".matches("."));


System.out.println("\n".matches("."));




//\w匹配字母，数字和下划线


System.out.println("\\w匹配字母，数字和下划线 "+"a8_".matches("\\w\\w\\w"));


//\W和\w互逆


System.out.println("\\W和\\w互逆 "+"&_".matches("\\W\\w"));


//\d匹配数字


System.out.println("\\d匹配数字 "+"8".matches("\\d"));


//\D与\d互逆


System.out.println("\\D与\\d互逆"+"%".matches("\\D"));


//两者都匹配但意文不同


System.out.println("======================");


System.out.println("表示\\000a匹配\\000a "+"\n".matches("\n"));


System.out.println("表示\\n匹配换行 "+"\n".matches("\\n"));


System.out.println("======================");


//两者都匹配但意文不同


System.out.println("\r".matches("\r"));


System.out.println("\r".matches("\\r"));


System.out.println("======================");


//^匹配开头


System.out.println("^匹配开头"+"hell".matches("^hell"));


System.out.println("abc\nhell".matches("^hell"));


//$匹配结束


System.out.println("$匹配结束"+"my car\nabc".matches(".*ar$"));


System.out.println("my car".matches(".*ar$"));


//\b匹配界


System.out.println("\\b匹配界 "+"bomb".matches("\\bbom."));


System.out.println("bomb".matches(".*mb\\b"));


//\B与\b互逆


System.out.println("\\B与\\b互逆"+"abc".matches("\\Babc"));




//[a-z]匹配a到z的小写字母


System.out.println("[a-z]匹配a到z的小写字母"+"s".matches("[a-z]"));


System.out.println("S".matches("[A-Z]"));


System.out.println("9".matches("[0-9]"));




//取反


System.out.println("取反"+"s".matches("[^a-z]"));


System.out.println("S".matches("[^A-Z]"));


System.out.println("9".matches("[^0-9]"));




//括号的作用


System.out.println("括号的作用"+"aB9".matches("[a-z][A-Z][0-9]"));


System.out.println("aB9bC6".matches("([a-z][A-Z][0-9])+"));


//或运算


System.out.println("或运算"+"two".matches("two|to|2"));


System.out.println("to".matches("two|to|2"));


System.out.println("2".matches("two|to|2"));




//[a-zA-z]==[a-z]|[A-Z]


System.out.println("[a-zA-z]==[a-z]|[A-Z]"+"a".matches("[a-zA-Z]"));


System.out.println("A".matches("[a-zA-Z]"));


System.out.println("a".matches("[a-z]|[A-Z]"));


System.out.println("A".matches("[a-z]|[A-Z]"));




//体会一下以下四个


System.out.println("体会一下以下四个\n==========================");


System.out.println(")".matches("[a-zA-Z)]"));


System.out.println(")".matches("[a-zA-Z)_-]"));


System.out.println("_".matches("[a-zA-Z)_-]"));


System.out.println("-".matches("[a-zA-Z)_-]"));


System.out.println("==========================");


System.out.println("b".matches("[abc]"));


//[a-d[f-h]]==[a-df-h]


System.out.println("[a-d[f-h]]==[a-df-h]"+"h".matches("[a-d[f-h]]"));


System.out.println("a".matches("[a-z&&[def]]"));


//取交集


System.out.println("取交集"+"a".matches("[a-z&&[def]]"));


System.out.println("b".matches("[[a-z]&&[e]]"));


//取并


System.out.println("取并"+"9".matches("[[a-c][0-9]]"));


//[a-z&&[^bc]]==[ad-z]


System.out.println("[a-z&&[^bc]]==[ad-z]"+"b".matches("[a-z&&[^bc]]"));


System.out.println("d".matches("[a-z&&[^bc]]"));


//[a-z&&[^m-p]]==[a-lq-z]


System.out.println("[a-z&&[^m-p]]==[a-lq-z]"+"d".matches("[a-z&&[^m-p]]"));


System.out.println("a".matches("\\p{Lower}"));


///注意以下体会\b的用法(注意，在字符串常量中十目直接写\b表退格，所以要写\\b


System.out.println("*********************************");


System.out.println("aawordaa".matches(".*\\bword\\b.*"));


System.out.println("a word a".matches(".*\\bword\\b.*"));


System.out.println("aawordaa".matches(".*\\Bword\\B.*"));


System.out.println("a word a".matches(".*\\Bword\\B.*"));


System.out.println("a word a".matches(".*word.*"));


System.out.println("aawordaa".matches(".*word.*"));


//体会一下组的用法


//组的顺序，只数"("第一个为第一组第二个是第二组……


//第0组表示整个表达式


System.out.println("**************test group**************");


Pattern p = Pattern.compile("(([abc]+)([123]+))([-_%]+)");


Matcher m = p.matcher("aac212-%%");


System.out.println(m.matches());


m = p.matcher("cccc2223%_%_-");


System.out.println(m.matches());


System.out.println("======test group======");


System.out.println(m.group());


System.out.println(m.group(0));


System.out.println(m.group(1));


System.out.println(m.group(2));


System.out.println(m.group(3));


System.out.println(m.group(4));


System.out.println(m.groupCount());


System.out.println("========test end()=========");


System.out.println(m.end());


System.out.println(m.end(2));


System.out.println("==========test start()==========");


System.out.println(m.start());


System.out.println(m.start(2));


//test backslash测试反向引用？


Pattern pp1=Pattern.compile("(\\d)\\1");//这个表达式表示必须有两相同的数字出现


//\1表示引用第一个组\n表示引用第n个组(必须用\\1而不能用\1因\1在字符串中另有意义(我也知道是什么)


Matcher mm1=pp1.matcher("3345");//33匹配但45不匹配


System.out.println("test backslash测试反向引用");


System.out.println(mm1.find());


System.out.println(mm1.find());




//体会以下不同


System.out.println("==============test find()=========");


System.out.println(m.find());


System.out.println(m.find(2));




System.out.println("这是从第三个字符(index=2)开始找的group结果");


System.out.println(m.group());


System.out.println(m.group(0));


System.out.println(m.group(1));


System.out.println(m.group(2));


System.out.println(m.group(3));


m.reset();


System.out.println(m.find());


//测试一个模式可多次匹配一个串


System.out.println("测试一个模式可多次匹配一个串");


Pattern p1 = Pattern.compile("a{2}");


Matcher m1 = p1.matcher("aaaaaa");


//这说明Matcher的matchs()方法是对事个字符串的匹配，


System.out.println(m1.matches());


System.out.println(m1.find());


System.out.println(m1.find());


System.out.println(m1.find());


System.out.println(m1.find());


//再测试matchs()


System.out.println("再测试matchs()");


Pattern p2 = Pattern.compile("(a{2})*");


Matcher m2 = p2.matcher("aaaa");


System.out.println(m2.matches());


System.out.println(m2.matches());


System.out.println(m2.matches());


//所以find是在一个串中找有没有对应的模式，而matchs是完全匹配


//test lookupat()


System.out.println("test lookupat()");


Pattern p3 = Pattern.compile("a{2}");


Matcher m3 = p3.matcher("aaaa");


System.out.println(p3.flags());


System.out.println(m3.lookingAt());


System.out.println(m3.lookingAt());


System.out.println(m3.lookingAt());


//总结以上matchs()是整个匹配且总是从头开始，find是部分匹配且从上一次匹配结束时开始找


//lookingAt也是从头开始，但是部分匹配


System.out.println("======test 空白行========");


System.out.println(" \n".matches("^[ \\t]*$\\n"));




//演示appendXXX的用法


System.out.println("=================test append====================");


Pattern p4 = Pattern.compile("cat");


Matcher m4 = p4.matcher("one cat two cats in the yard");


StringBuffer sb = new StringBuffer();


boolean result = m4.find();


int i=0;


System.out.println("one cat two cats in the yard");


while(result)


{m4.appendReplacement(sb, "dog");


System.out.println(m4.group());


System.out.println("第"+i+++"次:"+sb.toString());


result = m4.find();


}


System.out.println(sb.toString());


m4.appendTail(sb);


System.out.println(sb.toString());




//test UNIX_LINES


System.out.println("test UNIX_LINES");


Pattern p5=Pattern.compile(".",Pattern.UNIX_LINES);


Matcher m5=p5.matcher("\n\r");


System.out.println(m5.find());


System.out.println(m5.find());




//test UNIX_LINES


System.out.println("test UNIX_LINES");


Pattern p6=Pattern.compile("(?d).");


Matcher m6=p6.matcher("\n\r");


System.out.println(m6.find());


System.out.println(m6.find());




//test UNIX_LINES


System.out.println("test UNIX_LINES");


Pattern p7=Pattern.compile(".");


Matcher m7=p7.matcher("\n\r");


System.out.println(m7.find());


System.out.println(m7.find());




//test CASE_INSENSITIVE


System.out.println("test CASE_INSENSITIVE");


Pattern p8=Pattern.compile("a",Pattern.CASE_INSENSITIVE);


Matcher m8=p8.matcher("aA");


System.out.println(m8.find());


System.out.println(m8.find());


System.out.println("test CASE_INSENSITIVE");


Pattern p9=Pattern.compile("(?i)a");


Matcher m9=p9.matcher("aA");


System.out.println(m9.find());


System.out.println(m9.find());


System.out.println("test CASE_INSENSITIVE");


Pattern p10=Pattern.compile("a");


Matcher m10=p10.matcher("aA");


System.out.println(m10.find());


System.out.println(m10.find());




//test COMMENTS


System.out.println("test COMMENTS");


Pattern p11=Pattern.compile(" a a #ccc",Pattern.COMMENTS);


Matcher m11=p11.matcher("aa a a #ccc");


System.out.println(m11.find());


System.out.println(m11.find());


System.out.println("test COMMENTS");


Pattern p12 = Pattern.compile("(?x) a a #ccc");


Matcher m12 = p12.matcher("aa a a #ccc");


System.out.println(m12.find());


System.out.println(m12.find());




//test MULTILINE这个大家多试试参照我上面对多行模式的理解


System.out.println("test MULTILINE");


Pattern p13=Pattern.compile("^.?",Pattern.MULTILINE|Pattern.DOTALL);


Matcher m13=p13.matcher("helloohelloo,loveroo");


System.out.println(m13.find());


System.out.println("start:"+m13.start()+"end:"+m13.end());


System.out.println(m13.find());


//System.out.println("start:"+m13.start()+"end:"+m13.end());


System.out.println("test MULTILINE");


Pattern p14=Pattern.compile("(?m)^hell.*oo$",Pattern.DOTALL);


Matcher m14=p14.matcher("hello,Worldoo\nhello,loveroo");


System.out.println(m14.find());


System.out.println("start:"+m14.start()+"end:"+m14.end());


System.out.println(m14.find());


//System.out.println("start:"+m14.start()+"end:"+m14.end());


System.out.println("test MULTILINE");


Pattern p15=Pattern.compile("^hell(.|[^.])*oo$");


Matcher m15=p15.matcher("hello,Worldoo\nhello,loveroo");


System.out.println(m15.find());


System.out.println("start:"+m15.start()+"end:"+m15.end());


System.out.println(m15.find());


 //System.out.println("start:"+m15.start()+"end:"+m15.end());




//test DOTALL


System.out.println("test DOTALL");


Pattern p16=Pattern.compile(".",Pattern.DOTALL);


Matcher m16=p16.matcher("\n\r");


System.out.println(m16.find());


System.out.println(m16.find());




System.out.println("test DOTALL");


Pattern p17=Pattern.compile(".");


Matcher m17=p17.matcher("\n\r");


System.out.println(m17.find());


System.out.println(m17.find());




System.out.println("test DOTALL");


Pattern p18=Pattern.compile("(?s).");


Matcher m18=p18.matcher("\n\r");


System.out.println(m18.find());


System.out.println(m18.find());




//test CANON_EQ这个是jdk的例子但我实在不明白是什么意思，向大家请教


System.out.println("test CANON_EQ");


Pattern p19=Pattern.compile("a\u030A",Pattern.CANON_EQ);


System.out.println(Character.getType('\u030A'));


System.out.println("is"+Character.isISOControl('\u030A'));


System.out.println("is"+Character.isUnicodeIdentifierPart('\u030A'));


System.out.println(Character.getType('\u00E5'));


System.out.println("is"+Character.isISOControl('\u00E5'));


Matcher m19=p19.matcher("\u00E5");


System.out.println(m19.matches());


System.out.println(Character.getType('\u0085'));


System.out.println("is"+Character.isISOControl('\u0085'));




//注意下面三个例子体会Greedy,Reluctant and Possessive Quantifiers的不同


Pattern ppp=Pattern.compile(".*foo");


Matcher mmm=ppp.matcher("xfooxxxxxxfoo");


 /**


 *Greedy quantifiers 


 *X? X, once or not at all 


 *X*X, zero or more times 


 *X+ X, one or more times 


 *X{n} X, exactly n times 


 *X(n,} X, at least n times 


 *X{n,m} X, at least n but not more than m times 


 *Greedy quantifiers是最常用的一种，如上，它的匹配方式是先匹配尽可能多的字符，当这


 *样造成整个表达式整体不能匹配时就退一个字符再试比如： 


 *.*foo与xfooxxxxxxfoo的匹配过程，.*先与整个输入匹配，发现这样不行，整个串不能匹配 


 *于是退最后一个字符"o"再试，还不行，再退直到把foo都退出才发现匹配于是结束。因为这个过程 


 *总是先从最大匹配开始到找到一个匹配，所以.*与之匹配的总是一个最大的，这个特点和资本家相似 


 *故名贪婪的 


 */


boolean isEnd=false;


int k=0;


System.out.println("==========");


System.out.println("xfooxxxxxxfoo");


while(isEnd==false)


 try{


System.out.println("the:"+k++);


System.out.println(mmm.find());


System.out.println(mmm.end());


 }catch(Exception e){


isEnd=true;


}


isEnd=false;


Pattern ppp1=Pattern.compile(".*?foo");


Matcher mmm1=ppp1.matcher("xfooxxxxxxfoo");


 /**


 *Reluctant quantifiers 


 *X?? X, once or not at all 


 *X*? X, zero or more times 


 *X+? X, one or more times 


 *X{n}? X, exactly n times 


 *X(n,}? X, at least n times 


 *X{n,m}? X, at least n but not more than m times 


 *Reluctant quantifiers的匹配方式正好相反，它总是先从最小匹配开始，如果这时导致


 *整个串匹配失败则再吃进一个字符再试，如： 


 *.*?foo与xfooxxxxxxfoo的匹配过程，首先，.*与空串匹配，这时整个串匹配失败，于是 


 *再吃一个x,这时发现整个串匹配成功，当再调用find时从上次匹配结束时开始找，先吃一个 


 *空串，不行，再吃一个x，不行，……直到把中间所有x都吃掉才发现匹配成功。这种方式总 


 *是从最小匹配开始所以它能找到最多次数的匹配，但第一匹配都是最小的。它的行为有点象雇佣 


 *工人，总是尽可能少的于活，故名勉强的。 


 */


k=0;


System.out.println("?????????????????????");


System.out.println("xfooxxxxxxfoo");


while(isEnd==false)


 try{


System.out.println("the:"+k++);


System.out.println(mmm1.find());


System.out.println(mmm1.end());


 }catch(Exception e){


isEnd=true;


}


isEnd=false;


Pattern pp2=Pattern.compile(".*+foo");


Matcher mm2=pp2.matcher("xfooxxxxxxfoo");


 /**


 *


 *Possessive quantifiers 


 *X?+ X, once or not at all 


 *X*+ X, zero or more times 


 *X++ X, one or more times 


 *X{n}+ X, exactly n times 


 *X(n,}+ X, at least n times 


 *X{n,m}+ X, at least n but not more than m times 


 *Possessive quantifiers 这种匹配方式与Greedy方式相似，所不同的是它不够聪明，当


 *它一口吃掉所有可以吃的字符时发现不匹配则认为整个串都不匹配，它不会试着吐出几个。它的行为和大


 *地主相似，贪婪但是愚蠢，所以名曰强占的。 


 */




int ii=0;


System.out.println("+++++++++++++++++++++++++++");


System.out.println("xfooxxxxxxfoo");


while(isEnd==false)


 try{


System.out.println("the:"+ii++);


System.out.println(mm2.find());


System.out.println(mm2.end());


 }catch(Exception e){


isEnd=true;


}


}


}