正则表达式及java相关练习

大体来讲，正则表达式的文法分为3种标准：BRE、ERE 和 ARE。其中 BER 和 ERE 属于 POSIX 标准，ARE 则是由各家定义的扩展。

　
POSIX 正则表达式

传统上，POSIX 定义了两种正则表达式语法， 即：基本正则表达式（BRE）和扩展正则表   达式（ERE）。     其中， BRE 定义的语法符号包括：     .       - 匹配任意一个字符。   []      - 字符集匹配，匹配方括号中定义的字符集之一。   [^]     - 字符集否定匹配，匹配没有在方括号中定义的字符。   ^       - 匹配开始位置。   $       - 匹配结束位置。   \(\)    - 定义子表达式。   \n      - 子表达式向前引用，n 为 1-9 之间的数字。 由于此功能已超出正则语义，需             要在字符串中回溯，因此需要使用 NFA 算法进行匹配。   *       - 任意次匹配（零次或多次匹配）。   \{m,n\} - 至少 m 次，至多 n 次匹配；\{m\} 表示 m 次精确匹配；\{m,\} 表示至少 m             次匹配。     ERE 修改了 BRE 中的部分语法，并增加了以下语法符号：     ?       - 最多一次匹配（零次或一次匹配）。   +       - 至少一次匹配（一次或更多次匹配）。   |       - 或运算，其左右操作数均可以为一个子表达式。     同时，ERE 取消了子表达式 "()" 和 次数匹配 "{m,n}" 语法符号的转义符引用语法，在   使用这两种语法符号时，不在需要添加转义符。 与此同时， ERE 也取消了非正则语义的   子表达式向前引用能力。     BRE 和 ERE 共享同样的 POSIX 字符类定义。同时，它们还支持字符类比较操作 "[. .]"   和字符来等效体 "[= =]" 操作，但很少被使用。     f / fr / wfr / bwfr 等工具默认使用 ERE 模式，同时支持以下 perl 风格的字符类：           POSIX 类        perl类     描述     ----------------------------------------------------------------------------         [:alnum:]                     字母和数字         [:alpha:]       \a         字母         [:lower:]       \l         小写字母         [:upper:]       \u         大写字母         [:blank:]                  空白字符（空格和制表符）         [:space:]       \s         所有空格符（比[:blank:]包含的范围广）         [:cntrl:]                  不可打印的控制字符（退格、删除、警铃...）         [:digit:]       \d         十进制数字         [:xdigit:]      \x         十六进制数字         [:graph:]                  可打印的非空白字符         [:print:]       \p         可打印字符         [:punct:]                  标点符号     - 此外，还有以下特殊字符类：           perl类    等效POSIX表达式   描述     ----------------------------------------------------------------------------         \o        [0-7]             八进制数字         \O        [^0-7]            非八进制数字         \w        [[:alnum:]_]      单词构成字符         \W        [^[:alnum:]_]     非单词构成字符         \A        [^[:alpha:]]      非字母         \L        [^[:lower:]]      非小写字母         \U        [^[:upper:]]      非大写字母         \S      [^[:space:]]      非空格符         \D        [^[:digit:]]      非数字         \X        [^[:xdigit:]]     非十六进制数字         \P        [^[:print:]]      非可打印字符     - 还可以使用以下特殊字符换码序列：           \r  -  回车         \n  -  换行         \b  -  退格         \t  -  制表符         \v  -  垂直制表符         \"  -  双引号         \'  -  单引号

　
高级正则表达式

除了 POSIX BRE 和 ERE 之外，libutilitis 还支持与TCL 8.2兼容的高级正则表达式语   法（ARE）。 通过为 stRegEx 参数增加前缀 "***:" 就可以开启 ARE 模式，这个前缀覆   盖 bExtended 选项。基本上讲，ARE 是 ERE 的超集。 它在 ERE 的基础上进行了如下几   项扩展：     1. 支持"懒惰匹配"（也叫"非贪婪匹配"或"最短匹配"）：在 '?', '*', '+' 或 '{m,n}'      后追加 '?' 符号就可以启用最短匹配，使得该正则表达式子句在满足条件的前提下匹      配尽可能少的字符（默认是匹配尽可能多的字符）。例如：将 "a.*b" 作用于 "abab"      时，将匹配整个串（"abab"），若使用 "a.*?b"，则将只匹配前两个字符（"ab"）。     2. 支持子表达式的向前引用匹配：在 stRegEx 中，可以使用 '\n' 向前引用曾经定义的      子表达式。如："(a.*)\1" 可匹配 "abcabc" 等。     3. 无名子表达式：使用 "(?:表达式)" 的方式创建一个无名表达式， 无名表达式不返回      到一个 '\n' 匹配。     4. 向前预判：要命中匹配，必须向前满足指定条件。 向前预判分为肯定预判和否定预判      两种。肯定预判的语法为："(?=表达式)"，例如："bai.*(?=yang)" 匹配 "bai yang"      中的前四个字符（"bai "），但在匹配时保证字符串在 "bai.*" 后必须包含 "yang".      否定判断的语法为："(?!表达式)"， 例如："bai.*(?!yang)" 匹配 "bai shan" 的前      四个字符，但在匹配是保证字符串在 "bai.*" 后不出现 "yang"。     5. 支持模式切换前缀，在 "***:" 之后可以紧跟形如 "(?模式串)" 样式的模式串，模式      串影响其后表达式的语义和行为。模式串可以是一下字符的组合：        b - 切换至 POSIX BRE 模式，覆盖 bExtended 选项。      e - 切换至 POSIX ERE 模式，覆盖 bExtended 选项。      q - 切换至文本字面匹配模式， 表达式中的字符都作为文本进行搜索，取消一切正则          语义。此模式将正则匹配退化为一次简单字符串查找。"***=" 前缀是其快捷表示          方式，意即："***=" 等同于 "***:(?q)"。        c - 执行大小写敏感的匹配，覆盖 bNoCase 选项。      i - 执行忽略大小写的匹配，覆盖 bNoCase 选项。        n - 开启行敏感的匹配：'^' 和 '$' 匹配行首和行尾；'.' 和否定集（'[^...]'）不          匹配换行符。此功能等同于 'pw' 模式串。覆盖 bNewLine 选项。      m - 等同于 'n'。      p - '^' 和 '$' 只匹配整个字符串的首尾，不匹配行；'.' 和否定集不匹配换行符。          覆 d480 盖 bNewLine 选项。      w - '^' 和 '$' 匹配行首和行尾；'.' 和否定集匹配换行符。覆盖 bNewLine 选项。      s - '^' 和 '$' 只匹配整个字符串的首尾，不匹配行；'.' 和否定集匹配换行符。覆          盖 bNewLine 选项。ARE 状态下默认使用此模式。        x - 开启扩展模式：在扩展模式中，将忽略表达式中的空白符和注释符 '#' 后的内容          例如：          @code@                        (?x)                        \s+ ([[:graph:]]+)      # first number                        \s+ ([[:graph:]]+)      # second number          @code@          等同于 "\s+([[:graph:]]+)\s+([[:graph:]]+)"。      t - 关闭扩展模式，不忽略空白符和注释符后的内容。ARE 状态下默认使用此模式。     6. 与 BRE/ERE 模式不同的 Perl 风格字符类换码序列：           perl类    等效POSIX表达式   描述     ----------------------------------------------------------------------------         \a        -                 响铃字符         \A        -                 不论当前模式如何，仅匹配整个串的最开头         \b        -                 退格字符 ('\x08')         \B        -                 转义字符本身 ('\\')         \cX       -                 控制符-X (= X & 037)         \d        [[:digit:]]       10 进制数字 ('0' - '9')         \D        [^[:digit:]]      非数字         \e        -                 退出符 ('\x1B')         \f        -                 换页符 ('\x0C')         \m        [[:<:]]           单词开始位置         \M        [[:>:]]           单词结束位置         \n        -                 换行符 ('\x0A')         \r        -                 回车符 ('\x0D')         \s        [[:space:]]       空白符         \S        [^[:space:]]      非空白符         \t        -                 制表符 ('\x09')         \uX       -                 16 位 UNICODE 字符 (X∈[0000 .. FFFF])         \UX       -                 32 位 UNICODE 字符 (X∈[00000000 .. FFFFFFFF])         \v        -                 纵向制表符 ('\x0B')         \w        [[:alnum:]_]      组成单词的字符         \W        [^[:alnum:]_]     非单词字符         \xX       -                 8 位字符 (X∈[00 .. FF])         \y        -                 单词边界（\m 或 \M）         \Y        -                 非单词边界         \Z        -                 不论当前模式如何，仅匹配整个串的最尾部         \0        -                 NULL，空字符         \X        -                 子表达式向前引用 (X∈[1 .. 9])         \XX       -                 子表达式向前引用或 8 进制表示的 8 字符         \XXX      -                 子表达式向前引用或 8 进制表示的 8 字符

 为了巩固学习效果，特地找来了相关练习题（来自《自己动手写网络爬虫》一书）

例题1：查找以Java开题，任意结尾的字符窗

                Pattern pattern = Pattern.compile("^Java.*");
Matcher matcher = pattern.matcher("Java是一门编程语言");
boolean b =matcher.matches();
System.out.println(b);

例题2：以多个条件分割字符

              Pattern pattern2 = Pattern.compile("[ ,|]+");
      String[] str = pattern2.split("Java Hello World Java,Hello,,World|Sun");
      for (int i = 0; i < str.length; i++) {
System.out.println(str[i]);}

例题3：文字替换，替换首次出现的正则表达式

             Pattern pattern = Pattern.compile("正则表达式");

         Matcher matcher = pattern.matcher("正则表达式 hello world, 正则表达式ZZZ");

         System.out.println(matcher.replaceFirst("Java")); 

例题4：文字替换，全部

             Pattern pattern = Pattern.compile("正则表达式");

           Matcher matcher = pattern.matcher("正则表达式 hello world, 正则表达式ZZZ");

           System.out.println(matcher.replaceAll("Java"));     

例题5：文字替换，置换字符

             Pattern pattern = Pattern.compile("正则表达式");

             Matcher matcher = pattern.matcher("正则表达式 hello world, 正则表达式ZZZ");

         StringBuffer sbr= new StringBuffer();

         while (matcher.find()) {
matcher.appendReplacement(sbr, "Java");
}

         matcher.appendTail(sbr);

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

例题6：验证邮箱地址 

            String str = "ceponline@yahoo.com";

        Pattern pattern = Pattern.compile("[\\w\\.\\-]+@([\\w\\-]+\\.)+[\\w\\-]+",Pattern.CASE_INSENSITIVE);

        Matcher matcher = pattern.matcher(str);

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

例题7：去除HTML标记

            Pattern pattern = Pattern.compile("<.+?>",Pattern.DOTALL);

        Matcher matcher = pattern.matcher("<a href=\"index.html\"> 主页</a>");

        String string = matcher.replaceAll("");

        System.out.println(string);

例题8：查找HTML中对应的字符串

             Pattern pattern = Pattern.compile("href=\"(.+?)\"");

             Matcher matcher = pattern.matcher("<a href=\"index.html\">主页</a>");

             if (matcher.find()) {
System.out.println(matcher.group(1));
      }

例题9：截取http//地址

            Pattern pattern = Pattern.compile("(http://|https://){1}[\\w\\.\\-/:]+");

        Matcher matcher = pattern.matcher("dsdsds<http://dsds//gfgffddfd>fdf");

        StringBuffer buffer = new StringBuffer();

        while (matcher.find()) {
buffer.append(matcher.group());
buffer.append("\r\n");
  }

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

例题10：使用矩阵数组替换{}中的数字

         String str = "Java 目前的发展历史是由{0}年-{1}年";

         String[][]object = {new String[]{"\\{0\\}","1995"},new String[]{"\\{1\\}","2007"}};

         System.out.println(replace(str,object));

         public static String replace(final String sourceString, Object[] object) {
String temp = sourceString;
for (int i = 0; i < object.length; i++) {
String[]result = (String[]) object[i];
Pattern pattern = Pattern.compile(result[0]);
Matcher matcher = pattern.matcher(temp);
temp=matcher.replaceAll(result[1]);
}
return temp;
}