java正則表達(dá)式詳解

在Sun的JavaJDK1.40版本中，Java自帶了支持正則表達(dá)式的包，本文就拋磚引玉地介紹了如何使用java.util.regex包?？纱致怨烙嬕幌?，除了偶爾用Linux的外，其他Linux用戶都會遇到正則表達(dá)式。正則表達(dá)式是個極端強大工具，而且在字符串模式-匹配和字符串模式-替換方面富有彈性。在Unix世界里，正則表達(dá)式幾乎沒有什么限制，可肯定的是，它應(yīng)用非常之廣泛。正則表達(dá)式的引擎已被許多普通的Unix工具所實現(xiàn)，包括grep，awk，vi和Emacs等。此外，許多使用比較廣泛的腳本語言也支持正則表達(dá)式，比如Python，Tcl，JavaScript，以及最著名的Perl。我很早以前就是個Perl方面的黑客，如果你和我一樣話，你也會非常依賴你手邊的這些強大的text-munging工具。近幾年來，像其他程序開發(fā)者一樣，我也越來越關(guān)注Java的開發(fā)。Java作為一種開發(fā)語言，有許多值得推薦的地方，但是它一直以來沒有自帶對正則表達(dá)式的支持。直到最近，借助于第三方的類庫，Java開始支持正則表達(dá)式，但這些第三方的類庫都不一致、兼容性差，而且維護代碼起來很糟糕。這個缺點，對我選擇Java作為首要的開發(fā)工具來說，一直是個巨大的顧慮之處。你可以想象，當(dāng)我知道Sun的JavaJDK1.40版本包含了java.util.regex(一個完全開放、自帶的正則表達(dá)式包)時，是多么的高興!很搞笑的說，我花好些時間去挖掘這個被隱藏起來的寶石。我非常驚奇的是，Java這樣的一個很大改進(自帶了java.util.regex包)為什么不多公開一點呢?!最近，Java雙腳都跳進了正則表達(dá)式的世界。java.util.regex包在支持正則表達(dá)也有它的過人之處，另外Java也提供詳細(xì)的相關(guān)說明文檔。使得朦朦朧朧的regex神秘景象也慢慢被撥開。有一些正則表達(dá)式的構(gòu)成(可能最顯著的是，在于糅合了字符類庫)在Perl都找不到。在regex包中，包括了兩個類，Pattern(模式類)和Matcher(匹配器類)。Pattern類是用來表達(dá)和陳述所要搜索模式的對象，Matcher類是真正影響搜索的對象。另加一個新的例外類，PatternSyntaxException，當(dāng)遇到不合法的搜索模式時，會拋出例外。即使對正則表達(dá)式很熟悉，你會發(fā)現(xiàn)，通過java使用正則表達(dá)式也相當(dāng)簡單。要說明的一點是，對那些被Perl的單行匹配所寵壞的Perl狂熱愛好者來說，在使用java的regex包進行替換操作時，會比他們所以前常用的方法費事些。本文的局限之處，它不是一篇正則表達(dá)式用法的完全教程。如果讀者要對正則表達(dá)進一步了解的話，推薦閱讀JeffreyFrieldl的MasteringRegularExpressions，該書由O’Reilly出版社出版。我下面就舉一些例子來教讀者如何使用正則表達(dá)式，以及如何更簡單地去使用它。設(shè)計一個簡單的表達(dá)式來匹配任何電話號碼數(shù)字可能是比較復(fù)雜的事情，原因在于電話號碼格式有很多種情況。所有必須選擇一個比較有效的模式。比如:(212)555-1212，212-555-1212和2125551212，某些人會認(rèn)為它們都是等價的。首先讓我們構(gòu)成一個正則表達(dá)式。為簡單起見，先構(gòu)成一個正則表達(dá)式來識別下面格式的電話號碼數(shù)字:(nnn)nnn-nnnn。第一步，創(chuàng)建一個pattern對象來匹配上面的子字符串。一旦程序運行后，如果需要的話，可以讓這個對象一般化。匹配上面格式的正則表達(dá)可以這樣構(gòu)成:(\d{3})\s\d{3}-\d{4}，其中\(zhòng)d單字符類型用來匹配從0到9的任何數(shù)字，另外{3}重復(fù)符號，是個簡便的記號，用來表示有3個連續(xù)的數(shù)字位，也等效于(\d\d\d)。\s也另外一個比較有用的單字符類型，用來匹配空格，比如Space鍵，tab鍵和換行符。是不是很簡單?但是，如果把這個正則表達(dá)式的模式用在java程序中，還要做兩件事。對java的解釋器來說，在反斜線字符(\)前的字符有特殊的含義。在java中，與regex有關(guān)的包，并不都能理解和識別反斜線字符(\)，盡管可以試試看。但為避免這一點，即為了讓反斜線字符(\)在模式對象中被完全地傳遞，應(yīng)該用雙反斜線字符(\)。此外圓括號在正則表達(dá)中兩層含義，如果想讓它解釋為字面上意思(即圓括號)，也需要在它前面用雙反斜線字符(\)。也就是像下面的一樣:\\(\\d{3}\\)\\s\\d{3}-\\d{4}現(xiàn)在介紹怎樣在java代碼中實現(xiàn)剛才所講的正則表達(dá)式。要記住的事，在用正則表達(dá)式的包時，在你所定義的類前需要包含該包，也就是這樣的一行:importjava.util.regex.*;下面的一段代碼實現(xiàn)的功能是，從一個文本文件逐行讀入，并逐行搜索電話號碼數(shù)字，一旦找到所匹配的，然后輸出在控制臺。BufferedReaderin;Patternpattern=Ppile("\\(\\d{3}\\)\\s\\d{3}-\\d{4}");in=newBufferedReader(newFileReader("phone"));Strings;while((s=in.readLine())!=null){Matchermatcher=pattern.matcher(s);if(matcher.find()){System.out.println(matcher.group());}}in.close();對那些熟悉用Python或Javascript來實現(xiàn)正則表達(dá)式的人來說，這段代碼很平常。在Python和Javascript這些語言中，或者其他的語言，這些正則表達(dá)式一旦明確地編譯過后，你想用到哪里都可以。與Perl的單步匹配相比，看起來多多做了些工作，但這并不很費事。find()方法，就像你所想象的，用來搜索與正則表達(dá)式相匹配的任何目標(biāo)字符串，group()方法，用來返回包含了所匹配文本的字符串。應(yīng)注意的是，上面的代碼，僅用在每行只能含有一個匹配的電話號碼數(shù)字字符串時。可以肯定的說，java的正則表達(dá)式包能用在一行含有多個匹配目標(biāo)時的搜索。本文的原意在于舉一些簡單的例子來激起讀者進一步去學(xué)習(xí)java自帶的正則表達(dá)式包，所以對此就沒有進行深入的探討。這相當(dāng)漂亮吧!但是很遺憾的是，這僅是個電話號碼匹配器。很明顯，還有兩點可以改進。如果在電話號碼的開頭，即區(qū)位號和本地號碼之間可能會有空格。我們也可匹配這些情況，則通過在正則表達(dá)式中加入\s?來實現(xiàn)，其中?元字符表示在模式可能有0或1個空格符。第二點是，在本地號碼位的前三位和后四位數(shù)字間有可能是空格符，而不是連字號，更有勝者，或根本就沒有分隔符，就是7位數(shù)字連在一起。對這幾種情況，我們可以用(-|)?來解決。這個結(jié)構(gòu)的正則表達(dá)式就是轉(zhuǎn)換器，它能匹配上面所說的幾種情況。在()能含有管道符|時，它能匹配是否含有空格符或連字符，而尾部的?元字符表示是否根本沒有分隔符的情況。最后，區(qū)位號也可能沒有包含在圓括號內(nèi)，對此可以簡單地在圓括號后附上?元字符，但這不是一個很好的解決方法。因為它也包含了不配對的圓括號，比如"(555"或"555)"。相反，我們可以通過另一種轉(zhuǎn)換器來強迫讓電話號碼是否帶有有圓括號:(\(\d{3}\)|\d{3})。如果我們把上面代碼中的正則表達(dá)式用這些改進后的來替換的話，上面的代碼就成了一個非常有用的電話號碼數(shù)字匹配器:Patternpattern=Ppile("(\\(\\d{3}\\)|\\d{3})\\s?\\d{3}(-|)?\\d{4}");可以確定的是，你可以自己試著進一步改進上面的代碼?，F(xiàn)在看看第二個例子，它是從Friedl的中改編過來的。其功能是用來檢查文本文件中是否有重復(fù)的單詞，這在印刷排版中會經(jīng)常遇到，同樣也是個語法檢查器的問題。匹配單詞，像其他的一樣，也可以通過好幾種的正則表達(dá)式來完成?？赡茏钪苯拥氖荺b\w+\b，其優(yōu)點在于只需用少量的regex元字符。其中\(zhòng)w元字符用來匹配從字母a到u的任何字符。+元字符表示匹配匹配一次或多次字符，\b元字符是用來說明匹配單詞的邊界，它可以是空格或任何一種不同的標(biāo)點符號(包括逗號，句號等)?，F(xiàn)在，我們怎樣來檢查一個給定的單詞是否被重復(fù)了三次?為完成這個任務(wù)，需充分利用正則表達(dá)式中的所熟知的向后掃描。如前面提到的，圓括號在正則表達(dá)式中有幾種不同的用法，一個就是能提供組合類型，組合類型用來保存所匹配的結(jié)果或部分匹配的結(jié)果(以便后面能用到)，即使遇到有相同的模式。在同樣的正則表達(dá)中，可能(也通常期望)不止有一個組合類型。在第n個組合類型中匹配結(jié)果可以通過向后掃描來獲取到。向后掃描使得搜索重復(fù)的單詞非常簡單:\b(\w+)\s+\1\b。圓括號形成了一個組合類型，在這個正則表示中它是第一組合類型(也是僅有的一個)。向后掃描\1，指的是任何被\w+所匹配的單詞。我們的正則表達(dá)式因此能匹配這樣的單詞，它有一個或多個空格符，后面還跟有一個與此相同的單詞。注意的是，尾部的定位類型(\b)必不可少，它可以防止發(fā)生錯誤。如果我們想匹配"Parisinthethespring"，而不是匹配"Java'sregexpackageisthethemeofthisarticle"。根據(jù)java現(xiàn)在的格式，則上面的正則表達(dá)式就是:Patternpattern=Ppile("\\b(\\w+)\\s+\\1\\b");最后進一步的修改是讓我們的匹配器對大小寫敏感。比如，下面的情況:"ThethethemeofthisarticleistheJava'sregexpackage."，這一點在regex中能非常簡單地實現(xiàn)，即通過使用在Pattern類中預(yù)定義的靜態(tài)標(biāo)志CASE_INSENSITIVE:Patternpattern=Ppile("\\b(\\w+)\\s+\\1\\b",Pattern.CASE_INSENSITIVE);有關(guān)正則表達(dá)式的話題是非常豐富，而且復(fù)雜的，用Java來實現(xiàn)也非常廣泛，則需要對regex包進行的徹底研究，我們在這里所講的只是冰山一角。即使你對正則表達(dá)式比較陌生，使用regex包后會很快發(fā)現(xiàn)它強大功能和可伸縮性。如果你是個來自Perl或其他語言王國的老練的正則表達(dá)式的黑客，使用過regex包后，你將會安心地投入到j(luò)ava的世界，而放棄其他的工具，并把java的regex包看成是手邊必備的利器。

CharSequenceJDK1.4定義了一個新的接口，叫CharSequence。它提供了String和StringBuffer這兩個類的字符序列的抽象：interfaceCharSequence{

charAt(inti);

length();

subSequence(intstart,intend);

toString();

}為了實現(xiàn)這個新的CharSequence接口，String，StringBuffer以及CharBuffer都作了修改。很多正則表達(dá)式的操作都要拿CharSequence作參數(shù)。Pattern和Matcher先給一個例子。下面這段程序可以測試正則表達(dá)式是否匹配字符串。第一個參數(shù)是要匹配的字符串，后面是正則表達(dá)式。正則表達(dá)式可以有多個。在Unix/Linux環(huán)境下，命令行下的正則表達(dá)式還必須用引號。//:c12:TestRegularExpression.java

//Allowsyoutoeaslytryoutregularexpressions.

//{Args:abcabcabcdefabc"abc+""(abc)+""(abc){2,}"}

importjava.util.regex.*;

publicclassTestRegularExpression{

publicstaticvoidmain(String[]args){

if(args.length<2){

System.out.println("Usage:\n"+

"javaTestRegularExpression"+

"characterSequenceregularExpression+");

System.exit(0);

}

System.out.println("Input:\""+args[0]+"\"");

for(inti=1;i<args.length;i++){

System.out.println(

"Regularexpression:\""+args[i]+"\"");

Patternp=Ppile(args[i]);

Matcherm=p.matcher(args[0]);

while(m.find()){

System.out.println("Match\""+m.group()+

"\"atpositions"+

m.start()+"-"+(m.end()-1));

}

}

}

}///:~Java的正則表達(dá)式是由java.util.regex的Pattern和Matcher類實現(xiàn)的。Pattern對象表示經(jīng)編譯的正則表達(dá)式。靜態(tài)的compile()方法負(fù)責(zé)將表示正則表達(dá)式的字符串編譯成Pattern對象。正如上述例程所示的，只要給Pattern的matcher()方法送一個字符串就能獲取一個Matcher對象。此外，Pattern還有一個能快速判斷能否在input里面找到regex的staticbooleanmatches(?regex,?input)以及能返回String數(shù)組的split()方法，它能用regex把字符串分割開來。只要給Pattern.matcher()方法傳一個字符串就能獲得Matcher對象了。接下來就能用Matcher的方法來查詢匹配的結(jié)果了。booleanmatches()

booleanlookingAt()

booleanfind()

booleanfind(intstart)matches()的前提是Pattern匹配整個字符串，而lookingAt()的意思是Pattern匹配字符串的開頭。find()Matcher.find()的功能是發(fā)現(xiàn)CharSequence里的，與pattern相匹配的多個字符序列。例如：//:c12:FindDemo.java

importjava.util.regex.*;

importcom.bruceeckel.simpletest.*;

importjava.util.*;

publicclassFindDemo{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args){

Matcherm=Ppile("\\w+")

.matcher("Eveningisfullofthelinnet'swings");

while(m.find())

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

inti=0;

while(m.find(i)){

System.out.print(m.group()+"");

i++;

}

monitor.expect(newString[]{

"Evening",

"is",

"full",

"of",

"the",

"linnet",

"s",

"wings",

"Eveningveningeningningingnggisissfull"+

"fullulllllofoffthetheheelinnetlinnet"+

"innetnnetnetettsswingswingsingsngsgss"

});

}

}///:~"\\w+"的意思是"一個或多個單詞字符"，因此它會將字符串直接分解成單詞。find()像一個迭代器，從頭到尾掃描一遍字符串。第二個find()是帶int參數(shù)的，正如你所看到的，它會告訴方法從哪里開始找——即從參數(shù)位置開始查找。GroupsGroup是指里用括號括起來的，能被后面的表達(dá)式調(diào)用的正則表達(dá)式。Group0表示整個表達(dá)式，group1表示第一個被括起來的group，以此類推。所以；A(B(C))D里面有三個group：group0是ABCD，group1是BC，group2是C。你可以用下述Matcher方法來使用group：publicintgroupCount()返回matcher對象中的group的數(shù)目。不包括group0。publicStringgroup()

返回上次匹配操作(比方說find())的group0(整個匹配)publicStringgroup(inti)返回上次匹配操作的某個group。如果匹配成功，但是沒能找到group，則返回null。publicintstart(intgroup)返回上次匹配所找到的，group的開始位置。publicintend(intgroup)返回上次匹配所找到的，group的結(jié)束位置，最后一個字符的下標(biāo)加一。//:c12:Groups.java

importjava.util.regex.*;

importcom.bruceeckel.simpletest.*;

publicclassGroups{

privatestaticTestmonitor=newTest();

staticpublicfinalStringpoem=

"Twasbrillig,andtheslithytoves\n"+

"Didgyreandgimbleinthewabe.\n"+

"Allmimsyweretheborogoves,\n"+

"Andthemomerathsoutgrabe.\n\n"+

"BewaretheJabberwock,myson,\n"+

"Thejawsthatbite,theclawsthatcatch.\n"+

"BewaretheJubjubbird,andshun\n"+

"ThefrumiousBandersnatch.";

publicstaticvoidmain(String[]args){

Matcherm=

Ppile("(?m)(\\S+)\\s+((\\S+)\\s+(\\S+))___FCKpd___6quot;)

.matcher(poem);

while(m.find()){

for(intj=0;j<=m.groupCount();j++)

System.out.print("["+m.group(j)+"]");

System.out.println();

}

monitor.expect(newString[]{

"[theslithytoves]"+

"[the][slithytoves][slithy][toves]",

"[inthewabe.][in][thewabe.][the][wabe.]",

"[weretheborogoves,]"+

"[were][theborogoves,][the][borogoves,]",

"[momerathsoutgrabe.]"+

"[mome][rathsoutgrabe.][raths][outgrabe.]",

"[Jabberwock,myson,]"+

"[Jabberwock,][myson,][my][son,]",

"[clawsthatcatch.]"+

"[claws][thatcatch.][that][catch.]",

"[bird,andshun][bird,][andshun][and][shun]",

"[ThefrumiousBandersnatch.][The]"+

"[frumiousBandersnatch.][frumious][Bandersnatch.]"

});

}

}///:~這首詩是ThroughtheLookingGlass的，LewisCarroll的"Jabberwocky"的第一部分?？梢钥吹竭@個正則表達(dá)式里有很多用括號括起來的group，它是由任意多個連續(xù)的非空字符('\S+')和任意多個連續(xù)的空格字符('\s+')所組成的，其最終目的是要捕獲每行的最后三個單詞；'$'表示一行的結(jié)尾。但是'$'通常表示整個字符串的結(jié)尾，所以這里要明確地告訴正則表達(dá)式注意換行符。這一點是由'(?m)'標(biāo)志完成的(模式標(biāo)志會過一會講解)。start()和end()如果匹配成功，start()會返回此次匹配的開始位置，end()會返回此次匹配的結(jié)束位置，即最后一個字符的下標(biāo)加一。如果之前的匹配不成功(或者沒匹配)，那么無論是調(diào)用start()還是end()，都會引發(fā)一個IllegalStateException。下面這段程序還演示了matches()和lookingAt()：//:c12:StartEnd.java

importjava.util.regex.*;

importcom.bruceeckel.simpletest.*;

publicclassStartEnd{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args){

String[]input=newString[]{

"Javahasregularexpressionsin1.4",

"regularexpressionsnowexpressinginJava",

"Javarepressesoracularexpressions"

};

Pattern

p1=Ppile("re\\w*"),

p2=Ppile("Java.*");

for(inti=0;i<input.length;i++){

System.out.println("input"+i+":"+input[i]);

Matcher

m1=p1.matcher(input[i]),

m2=p2.matcher(input[i]);

while(m1.find())

System.out.println("m1.find()'"+m1.group()+

"'start="+m1.start()+"end="+m1.end());

while(m2.find())

System.out.println("m2.find()'"+m2.group()+

"'start="+m2.start()+"end="+m2.end());

if(m1.lookingAt())//Noreset()necessary

System.out.println("m1.lookingAt()start="

+m1.start()+"end="+m1.end());

if(m2.lookingAt())

System.out.println("m2.lookingAt()start="

+m2.start()+"end="+m2.end());

if(m1.matches())//Noreset()necessary

System.out.println("m1.matches()start="

+m1.start()+"end="+m1.end());

if(m2.matches())

System.out.println("m2.matches()start="

+m2.start()+"end="+m2.end());

}

monitor.expect(newString[]{

"input0:Javahasregularexpressionsin1.4",

"m1.find()'regular'start=9end=16",

"m1.find()'ressions'start=20end=28",

"m2.find()'Javahasregularexpressionsin1.4'"+

"start=0end=35",

"m2.lookingAt()start=0end=35",

"m2.matches()start=0end=35",

"input1:regularexpressionsnow"+

"expressinginJava",

"m1.find()'regular'start=0end=7",

"m1.find()'ressions'start=11end=19",

"m1.find()'ressing'start=27end=34",

"m2.find()'Java'start=38end=42",

"m1.lookingAt()start=0end=7",

"input2:Javarepressesoracularexpressions",

"m1.find()'represses'start=5end=14",

"m1.find()'ressions'start=27end=35",

"m2.find()'Javarepressesoracularexpressions'"+

"start=0end=35",

"m2.lookingAt()start=0end=35",

"m2.matches()start=0end=35"

});

}

}///:~注意，只要字符串里有這個模式，find()就能把它給找出來，但是lookingAt()和matches()，只有在字符串與正則表達(dá)式一開始就相匹配的情況下才能返回true。matches()成功的前提是正則表達(dá)式與字符串完全匹配，而lookingAt()成功的前提是，字符串的開始部分與正則表達(dá)式相匹配。匹配的模式(Patternflags)compile()方法還有一個版本，它需要一個控制正則表達(dá)式的匹配行為的參數(shù)：PatternPpile(Stringregex,intflag)flag的取值范圍如下：編譯標(biāo)志效果Pattern.CANON_EQ當(dāng)且僅當(dāng)兩個字符的"正規(guī)分解(canonicaldecomposition)"都完全相同的情況下，才認(rèn)定匹配。比如用了這個標(biāo)志之后，表達(dá)式"a\u030A"會匹配"?"。默認(rèn)情況下，不考慮"規(guī)范相等性(canonicalequivalence)"。Pattern.CASE_INSENSITIVE

(?i)默認(rèn)情況下，大小寫不明感的匹配只適用于US-ASCII字符集。這個標(biāo)志能讓表達(dá)式忽略大小寫進行匹配。要想對Unicode字符進行大小不明感的匹配，只要將UNICODE_CASE與這個標(biāo)志合起來就行了。Pattern.COMMENTS

(?x)在這種模式下，匹配時會忽略(正則表達(dá)式里的)空格字符(注：不是指表達(dá)式里的"\\s"，而是指表達(dá)式里的空格，tab，回車之類)。注釋從#開始，一直到這行結(jié)束?？梢酝ㄟ^嵌入式的標(biāo)志來啟用Unix行模式。Pattern.DOTALL

(?s)在這種模式下，表達(dá)式'.'可以匹配任意字符，包括表示一行的結(jié)束符。默認(rèn)情況下，表達(dá)式'.'不匹配行的結(jié)束符。Pattern.MULTILINE

(?m)在這種模式下，'^'和'$'分別匹配一行的開始和結(jié)束。此外，'^'仍然匹配字符串的開始，'$'也匹配字符串的結(jié)束。默認(rèn)情況下，這兩個表達(dá)式僅僅匹配字符串的開始和結(jié)束。Pattern.UNICODE_CASE

(?u)在這個模式下，如果你還啟用了CASE_INSENSITIVE標(biāo)志，那么它會對Unicode字符進行大小寫不明感的匹配。默認(rèn)情況下，大小寫不明感的匹配只適用于US-ASCII字符集。Pattern.UNIX_LINES

(?d)在這個模式下，只有'\n'才被認(rèn)作一行的中止，并且與'.'，'^'，以及'$'進行匹配。在這些標(biāo)志里面，Pattern.CASE_INSENSITIVE，Pattern.MULTILINE，以及Pattern.COMMENTS是最有用的(其中Pattern.COMMENTS還能幫我們把思路理清楚，并且/或者做文檔)。注意，你可以用在表達(dá)式里插記號的方式來啟用絕大多數(shù)的模式。這些記號就在上面那張表的各個標(biāo)志的下面。你希望模式從哪里開始啟動，就在哪里插記號。可以用"OR"('|')運算符把這些標(biāo)志合使用：//:c12:ReFlags.java

importjava.util.regex.*;

importcom.bruceeckel.simpletest.*;

publicclassReFlags{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args){

Patternp=Ppile("^java",

Pattern.CASE_INSENSITIVE|Pattern.MULTILINE);

Matcherm=p.matcher(

"javahasregex\nJavahasregex\n"+

"JAVAhasprettygoodregularexpressions\n"+

"RegularexpressionsareinJava");

while(m.find())

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

monitor.expect(newString[]{

"java",

"Java",

"JAVA"

});

}

}///:~這樣創(chuàng)建出來的正則表達(dá)式就能匹配以"java"，"Java"，"JAVA"...開頭的字符串了。此外，如果字符串分好幾行，那它還會對每一行做匹配(匹配始于字符序列的開始，終于字符序列當(dāng)中的行結(jié)束符)。注意，group()方法僅返回匹配的部分。split()所謂分割是指將以正則表達(dá)式為界，將字符串分割成String數(shù)組。String[]split(CharSequencecharseq)

String[]split(CharSequencecharseq,intlimit)這是一種既快又方便地將文本根據(jù)一些常見的邊界標(biāo)志分割開來的方法。//:c12:SplitDemo.java

importjava.util.regex.*;

importcom.bruceeckel.simpletest.*;

importjava.util.*;

publicclassSplitDemo{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args){

Stringinput=

"This!!unusualuse!!ofexclamation!!points";

System.out.println(Arrays.asList(

Ppile("!!").split(input)));

//Onlydothefirstthree:

System.out.println(Arrays.asList(

Ppile("!!").split(input,3)));

System.out.println(Arrays.asList(

"Aha!Stringhasasplit()builtin!".split("")));

monitor.expect(newString[]{

"[This,unusualuse,ofexclamation,points]",

"[This,unusualuse,ofexclamation!!points]",

"[Aha!,String,has,a,split(),built,in!]"

});

}

}///:~第二個split()會限定分割的次數(shù)。正則表達(dá)式是如此重要，以至于有些功能被加進了String類，其中包括split()(已經(jīng)看到了)，matches()，replaceFirst()以及replaceAll()。這些方法的功能同Pattern和Matcher的相同。替換操作正則表達(dá)式在替換文本方面特別在行。下面就是一些方法：replaceFirst(Stringreplacement)將字符串里，第一個與模式相匹配的子串替換成replacement。replaceAll(Stringreplacement)，將輸入字符串里所有與模式相匹配的子串全部替換成replacement。appendReplacement(StringBuffersbuf,Stringreplacement)對sbuf進行逐次替換，而不是像replaceFirst()或replaceAll()那樣，只替換第一個或全部子串。這是個非常重要的方法，因為它可以調(diào)用方法來生成replacement(replaceFirst()和replaceAll()只允許用固定的字符串來充當(dāng)replacement)。有了這個方法，你就可以編程區(qū)分group，從而實現(xiàn)更強大的替換功能。調(diào)用完appendReplacement()之后，為了把剩余的字符串拷貝回去，必須調(diào)用appendTail(StringBuffersbuf,Stringreplacement)。下面我們來演示一下怎樣使用這些替換方法。說明一下，這段程序所處理的字符串是它自己開頭部分的注釋，是用正則表達(dá)式提取出來并加以處理之后再傳給替換方法的。//:c12:TheReplacements.java

importjava.util.regex.*;

importjava.io.*;

importcom.bruceeckel.util.*;

importcom.bruceeckel.simpletest.*;

/*!Here'sablockoftexttouseasinputto

theregularexpressionmatcher.Notethatwe'll

firstextracttheblockoftextbylookingfor

thespecialdelimiters,thenprocessthe

extractedblock.!*/

publicclassTheReplacements{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args)throwsException{

Strings=TextFile.read("TheReplacements.java");

//Matchthespecially-commentedblockoftextabove:

MatchermInput=

Ppile("/\\*!(.*)!\\*/",Pattern.DOTALL)

.matcher(s);

if(mInput.find())

s=mInput.group(1);//Capturedbyparentheses

//Replacetwoormorespaceswithasinglespace:

s=s.replaceAll("{2,}","");

//Replaceoneormorespacesatthebeginningofeach

//linewithnospaces.MustenableMULTILINEmode:

s=s.replaceAll("(?m)^+","");

System.out.println(s);

s=s.replaceFirst("[aeiou]","(VOWEL1)");

StringBuffersbuf=newStringBuffer();

Patternp=Ppile("[aeiou]");

Matcherm=p.matcher(s);

//Processthefindinformationasyou

//performthereplacements:

while(m.find())

m.appendReplacement(sbuf,m.group().toUpperCase());

//Putintheremainderofthetext:

m.appendTail(sbuf);

System.out.println(sbuf);

monitor.expect(newString[]{

"Here'sablockoftexttouseasinputto",

"theregularexpressionmatcher.Notethatwe'll",

"firstextracttheblockoftextbylookingfor",

"thespecialdelimiters,thenprocessthe",

"extractedblock.",

"H(VOWEL1)rE'sAblOckOftExttOUsEAsInpUttO",

"thErEgUlArExprEssIOnmAtchEr.NOtEthAtwE'll",

"fIrstExtrActthEblOckOftExtbylOOkIngfOr",

"thEspEcIAldElImItErs,thEnprOcEssthE",

"ExtrActEdblOck."

});

}

}///:~用TextFile.read()方法來打開和讀取文件。mInput的功能是匹配'/*!'和'!*/'之間的文本(注意一下分組用的括號)。接下來，我們將所有兩個以上的連續(xù)空格全都替換成一個，并且將各行開頭的空格全都去掉(為了讓這個正則表達(dá)式能對所有的行，而不僅僅是第一行起作用，必須啟用多行模式)。這兩個操作都用了String的replaceAll()(這里用它更方便)。注意，由于每個替換只做一次，因此除了預(yù)編譯Pattern之外，程序沒有額外的開銷。replaceFirst()只替換第一個子串。此外，replaceFirst()和replaceAll()只能用常量(literal)來替換，所以如果每次替換的時候還要進行一些操作的話，它們是無能為力的。碰到這種情況，得用appendReplacement()，它能在進行替換的時候想寫多少代碼就寫多少。在上面那段程序里，創(chuàng)建sbuf的過程就是選group做處理，也就是用正則表達(dá)式把元音字母找出來，然后換成大寫的過程。通常你得在完成全部的替換之后才調(diào)用appendTail()，但是如果要模仿replaceFirst()(或"replacen")的效果，你也可以只替換一次就調(diào)用appendTail()。它會把剩下的東西全都放進sbuf。你還可以在appendReplacement()的replacement參數(shù)里用"$g"引用已捕獲的group，其中'g'表示group的號碼。不過這是為一些比較簡單的操作準(zhǔn)備的，因而其效果無法與上述程序相比。reset()此外，還可以用reset()方法給現(xiàn)有的Matcher對象配上個新的CharSequence。//:c12:Resetting.java

importjava.util.regex.*;

importjava.io.*;

importcom.bruceeckel.simpletest.*;

publicclassResetting{

privatestaticTestmonitor=newTest();

publicstaticvoidmain(String[]args)throwsException{

Matcherm=Ppile("[frb][aiu][gx]")

.matcher("fixtherugwithbags");

while(m.find())

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

m.reset("fixtherigwithrags");

while(m.find())

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

monitor.expect(newString[]{

"fix",

"rug",

"bag",

"fix",

"rig",

"rag"

});

}

}///:~如果不給參數(shù)，reset()會把Matcher設(shè)到當(dāng)前字符串的開始處。

如果你曾經(jīng)用過Perl或任何其他內(nèi)建正則表達(dá)式支持的語言，你一定知道用正則表達(dá)式處理文本和匹配模式是多么簡單。如果你不熟悉這個術(shù)語，那么“正則表達(dá)式”（RegularExpression）就是一個字符構(gòu)成的串，它定義了一個用來搜索匹配字符串的模式。許多語言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正則表達(dá)式處理文本，一些文本編輯器用正則表達(dá)式實現(xiàn)高級“搜索-替換”功能。那么Java又怎樣呢？本文寫作時，一個包含了用正則表達(dá)式進行文本處理的Java規(guī)范需求（SpecificationRequest）已經(jīng)得到認(rèn)可，你可以期待在JDK的下一版本中看到它。然而，如果現(xiàn)在就需要使用正則表達(dá)式，又該怎么辦呢？你可以從A下載源代碼開放的Jakarta-ORO庫。本文接下來的內(nèi)容先簡要地介紹正則表達(dá)式的入門知識，然后以Jakarta-OROAPI為例介紹如何使用正則表達(dá)式。一、正則表達(dá)式基礎(chǔ)知識我們先從簡單的開始。假設(shè)你要搜索一個包含字符“cat”的字符串，搜索用的正則表達(dá)式就是“cat”。如果搜索對大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說：1.1句點符號假設(shè)你在玩英文拼字游戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結(jié)束。另外，假設(shè)有一本英文字典，你可以用正則表達(dá)式搜索它的全部內(nèi)容。要構(gòu)造出這個正則表達(dá)式，你可以使用一個通配符——句點符號“.”。這樣，完整的表達(dá)式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“tn”，還有其他許多無意義的組合。這是因為句點符號匹配所有字符，包括空格、Tab字符甚至換行符：1.2方括號符號為了解決句點符號匹配范圍過于廣泛這一問題，你可以在方括號（“[]”）里面指定看來有意義的字符。此時，只有方括號里面指定的字符才參與匹配。也就是說，正則表達(dá)式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因為在方括號之內(nèi)你只能匹配單個字符：1.3“或”符號如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“|”操作符?！皘”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達(dá)式。這里不能使用方擴號，因為方括號只允許匹配單個字符；這里必須使用圓括號“()”。圓括號還可以用來分組，具體請參見后面介紹。1.4表示匹配次數(shù)的符號表一顯示了表示匹配次數(shù)的符號，這些符號用來確定緊靠該符號左邊的符號出現(xiàn)的次數(shù)：假設(shè)我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達(dá)式如圖一所示。在正則表達(dá)式中，連字符（“-”）有著特殊的意義，它表示一個范圍，比如從0到9。因此，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉(zhuǎn)義字符“\”。圖一：匹配所有123-12-1234形式的社會安全號碼假設(shè)進行搜索的時候，你希望連字符號可以出現(xiàn)，也可以不出現(xiàn)——即，999-99-9999和999999999都屬于正確的格式。這時，你可以在連字符號后面加上“？”數(shù)量限定符號，如圖二所示：圖二：匹配所有123-12-1234和123121234形式的社會安全號碼下面我們再來看另外一個例子。美國汽車牌照的一種格式是四個數(shù)字加上二個字母。它的正則表達(dá)式前面是數(shù)字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達(dá)式。圖三：匹配典型的美國汽車牌照號碼，如8836KV1.5“否”符號“^”符號稱為“否”符號。如果用在方括號內(nèi)，“^”表示不想要匹配的字符。例如，圖四的正則表達(dá)式匹配所有單詞，但以“X”字母開頭的單詞除外。圖四：匹配所有單詞，但“X”開頭的除外1.6圓括號和空白符號假設(shè)要從格式為“June26,1951”的生日日期中提取出月份部分，用來匹配該日期的正則表達(dá)式可以如圖五所示：圖五：匹配所有MothDD,YYYY格式的日期新出現(xiàn)的“\s”符號是空白符號，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號創(chuàng)建一個組，然后用OROAPI（本文后面詳細(xì)討論）提取出它的值。修改后的正則表達(dá)式如圖六所示：圖六：匹配所有MonthDD,YYYY格式的日期，定義月份值為第一個組1.7其它符號為簡便起見，你可以使用一些為常見正則表達(dá)式創(chuàng)建的快捷符號。如表二所示：表二：常用符號例如，在前面社會安全號碼的例子中，所有出現(xiàn)“[0-9]”的地方我們都可以使用“\d”。修改后的正則表達(dá)式如圖七所示：圖七：匹配所有123-12-1234格式的社會安全號碼二、Jakarta-ORO庫有許多源代碼開放的正則表達(dá)式庫可供Java程序員使用，而且它們中的許多支持Perl5兼容的正則表達(dá)式語法。我在這里選用的是Jakarta-ORO正則表達(dá)式庫，它是最全面的正則表達(dá)式API之一，而且它與Perl5正則表達(dá)式完全兼容。另外，它也是優(yōu)化得最好的API之一。Jakarta-ORO庫以前叫做OROMatcher，DanielSavarese大方地把它贈送給了JakartaProject。你可以按照本文最后參考資源的說明下載它。我首先將簡要介紹使用Jakarta-ORO庫時你必須創(chuàng)建和訪問的對象，然后介紹如何使用Jakarta-OROAPI?！鳳atternCompiler對象首先，創(chuàng)建一個Perl5Compiler類的實例，并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現(xiàn)，允許你把正則表達(dá)式編譯成用來匹配的Pattern對象?！鳳attern對象要把正則表達(dá)式編譯成Pattern對象，調(diào)用compiler對象的compile()方法，并在調(diào)用參數(shù)中指定正則表達(dá)式。例如，你可以按照下面這種方式編譯正則表達(dá)式“t[aeio]n”：默認(rèn)情況下，編譯器創(chuàng)建一個大小寫敏感的模式（pattern）。因此，上面代碼編譯得到的模式只匹配“tin”、“tan”、“ten”和“ton”，但不匹配“Tin”和“taN”。要創(chuàng)建一個大小寫不敏感的模式，你應(yīng)該在調(diào)用編譯器的時候指定一個額外的參數(shù)：創(chuàng)建好Pattern對象之后，你就可以通過PatternMatcher類用該Pattern對象進行模式匹配?！鳳atternMatcher對象PatternMatcher對象根據(jù)Pattern對象和字符串進行匹配檢查。你要實例化一個Perl5Matcher類并把結(jié)果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現(xiàn)，它根據(jù)Perl5正則表達(dá)式語法進行模式匹配：使用PatternMatcher對象，你可以用多個方法進行匹配操作，這些方法的第一個參數(shù)都是需要根據(jù)正則表達(dá)式進行匹配的字符串：·booleanmatches(Stringinput,Patternpattern)：當(dāng)輸入字符串和正則表達(dá)式要精確匹配時使用。換句話說，正則表達(dá)式必須完整地描述輸入字符串。·booleanmatchesPrefix(Stringinput,Patternpattern)：當(dāng)正則表達(dá)式匹配輸入字符串起始部分時使用。·booleancontains(Stringinput,Patternpattern)：當(dāng)正則表達(dá)式要匹配輸入字符串的一部分時使用（即，它必須是一個子串）。另外，在上面三個方法調(diào)用中，你還可以用PatternMatcherInput對象作為參數(shù)替代String對象；這時，你可以從字符串中最后一次匹配的位置開始繼續(xù)進行匹配。當(dāng)字符串可能有多個子串匹配給定的正則表達(dá)式時，用PatternMatcherInput對象作為參數(shù)就很有用了。用PatternMatcherInput對象作為參數(shù)替代String時，上述三個方法的語法如下：·booleanmatches(PatternMatcherInputinput,Patternpattern)·booleanmatchesPrefix(PatternMatcherInputinput,Patternpattern)·booleancontains(PatternMatcherInputinput,Patternpattern)三、應(yīng)用實例下面我們來看看Jakarta-ORO庫的一些應(yīng)用實例。3.1日志文件處理任務(wù)：分析一個Web服務(wù)器日志文件，確定每一個用戶花在網(wǎng)站上的時間。在典型的BEAWebLogic日志文件中，日志記錄的格式如下：分析這個日志記錄，可以發(fā)現(xiàn)，要從這個日志文件提取的內(nèi)容有兩項：IP地址和頁面訪問時間。你可以用分組符號（圓括號）從日志記錄提取出IP地址和時間標(biāo)記。首先我們來看看IP地址。IP地址有4個字節(jié)構(gòu)成，每一個字節(jié)的值在0到255之間，各個字節(jié)通過一個句點分隔。因此，IP地址中的每一個字節(jié)有至少一個、最多三個數(shù)字。圖八顯示了為IP地址編寫的正則表達(dá)式：圖八：匹配IP地址IP地址中的句點字符必須進行轉(zhuǎn)義處理（前面加上“\”），因為IP地址中的句點具有它本來的含義，而不是采用正則表達(dá)式語法中的特殊含義。句點在正則表達(dá)式中的特殊含義本文前面已經(jīng)介紹。日志記錄的時間部分由一對方括號包圍。你可以按照如下思路提取出方括號里面的所有內(nèi)容：首先搜索起始方括號字符（“[”），提取出所有不超過結(jié)束方括號字符（“]”）的內(nèi)容，向前尋找直至找到結(jié)束方括號字符。圖九顯示了這部分的正則表達(dá)式。圖九：匹配至少一個字符，直至找到“]”現(xiàn)在，把上述兩個正則表達(dá)式加上分組符號（圓括號）后合并成單個表達(dá)式，這樣就可以從日志記錄提取出IP地址和時間。注意，為了匹配“--”（但不提取它），正則表達(dá)式中間加入了“\s-\s-\s”。完整的正則表達(dá)式如圖十所示。圖十：匹配IP地址和時間標(biāo)記現(xiàn)在正則表達(dá)式已經(jīng)編寫完畢，接下來可以編寫使用正則表達(dá)式庫的Java代碼了。為使用Jakarta-ORO庫，首先創(chuàng)建正則表達(dá)式字符串和待分析的日志記錄字符串：這里使用的正則表達(dá)式與圖十的正則表達(dá)式差不多完全相同，但有一點例外：在Java中，你必須對每一個向前的斜杠（“\”）進行轉(zhuǎn)義處理。圖十不是Java的表示形式，所以我們要在每個“\”前面加上一個“\”以免出現(xiàn)編譯錯誤。遺憾的是，轉(zhuǎn)義處理過程很容易出現(xiàn)錯誤，所以應(yīng)該小心謹(jǐn)慎。你可以首先輸入未經(jīng)轉(zhuǎn)義處理的正則表達(dá)式，然后從左到右依次把每一個“\”替換成“\\”。如果要復(fù)檢，你可以試著把它輸出到屏幕上。初始化字符串之后，實例化PatternCompiler對象，用PatternCompiler編譯正則表達(dá)式創(chuàng)建一個Pattern對象：現(xiàn)在，創(chuàng)建PatternMatcher對象，調(diào)用PatternMatcher接口的contain()方法檢查匹配情況：接下來，利用PatternMatcher接口返回的MatchResult對象，輸出匹配的組。由于logEntry字符串包含匹配的內(nèi)容，你可以看到類如下面的輸出：3.2HTML處理實例一下面一個任務(wù)是分析HTML頁面內(nèi)FONT標(biāo)記的所有屬性。HTML頁面內(nèi)典型的FONT標(biāo)記如下所示：程序?qū)凑杖缦滦问?，輸出每一個FONT標(biāo)記的屬性：在這種情況下，我建議你使用兩個正則表達(dá)式。第一個如圖十一所示，它從字體標(biāo)記提取出“"face="Arial,Serif"size="+2"color="red"”。圖十一：匹配FONT標(biāo)記的所有屬性第二個正則表達(dá)式如圖十二所示，它把各個屬性分割成名字-值對。圖十二：匹配單個屬性，并把它分割成名字-值對分割結(jié)果為：現(xiàn)在我們來看看完成這個任務(wù)的Java代碼。首先創(chuàng)建兩個正則表達(dá)式字符串，用Perl5Compiler把它們編譯成Pattern對象。編譯正則表達(dá)式的時候，指定Perl5Compiler.CASE_INSENSITIVE_MASK選項，使得匹配操作不區(qū)分大小寫。接下來，創(chuàng)建一個執(zhí)行匹配操作的Perl5Matcher對象。假設(shè)有一個String類型的變量html，它代表了HTML文件中的一行內(nèi)容。如果html字符串包含F(xiàn)ONT標(biāo)記，匹配器將返回true。此時，你可以用匹配器對象返回的MatchResult對象獲得第一個組，它包含了FONT的所有屬性：接下來創(chuàng)建一個PatternMatcherInput對象。這個對象允許你從最后一次匹配的位置開始繼續(xù)進行匹配操作，因此，它很適合于提取FONT標(biāo)記內(nèi)屬性的名字-值對。創(chuàng)建PatternMatcherInput對象，以參數(shù)形式傳入待匹配的字符串。然后，用匹配器實例提取出每一個FONT的屬性。這通過指定PatternMatcherInput對象（而不是字符串對象）為參數(shù)，反復(fù)地調(diào)用PatternMatcher對象的contains()方法完成。PatternMatcherInput對象之中的每一次迭代將把它內(nèi)部的指針向前移動，下一次檢測將從前一次匹配位置的后面開始。本例的輸出結(jié)果如下：3.3HTML處理實例二下面我們來看看另一個處理HTML的例子。這一次，我們假定Web服務(wù)器從移到了?，F(xiàn)在你要修改一些頁面中的鏈接：執(zhí)行這個搜索的正則表達(dá)式如圖十三所示：圖十三：匹配修改前的鏈接如果能夠匹配這個正則表達(dá)式，你可以用下面的內(nèi)容替換圖十三的鏈接：注意#字符的后面加上了$1。Perl正則表達(dá)式語法用$1、$2等表示已經(jīng)匹配且提取出來的組。圖十三的表達(dá)式把所有作為一個組匹配和提取出來的內(nèi)容附加到鏈接的后面?，F(xiàn)在，返回Java。就象前面我們所做的那樣，你必須創(chuàng)建測試字符串，創(chuàng)建把正則表達(dá)式編譯到Pattern對象所必需的對象，以及創(chuàng)建一個PatternMatcher對象：接下來，用com.oroinc.text.regex包Util類的substitute()靜態(tài)方法進行替換，輸出結(jié)果字符串：Util.substitute()方法的語法如下：這個調(diào)用的前兩個參數(shù)是以前創(chuàng)建的PatternMatcher和Pattern對象。第三個參數(shù)是一個Substiution對象，它決定了替換操作如何進行。本例使用的是Perl5Substitution對象，它能夠進行Perl5風(fēng)格的替換。第四個參數(shù)是想要進行替換操作的字符串，最后一個參數(shù)允許指定是否替換模式的所有匹配子串（Util.SUBSTITUTE_ALL），或只替換指定的次數(shù)?！窘Y(jié)束語】在這篇文章中，我為你介紹了正則表達(dá)式的強大功能。只要正確運用，正則表達(dá)式能夠在字符串提取和文本修改中起到很大的作用。另外，我還介紹了如何在Java程序中通過Jakarta-ORO庫利用正則表達(dá)式。至于最終采用老式的字符串處理方式（使用StringTokenizer，charAt，和substring），還是采用正則表達(dá)式，這就有待你自己決定了。Jakarta-ORO篇陳廣佳

(cgjmail@163.net)

電子信息工程系工科學(xué)士

2001年12月由于工作的需要，本人經(jīng)常要面對大量的文字電子資料的整理工作，因此曾對在JAVA中正則表達(dá)式的應(yīng)用有所關(guān)注，并對其有一定的了解，希望通過本文與同行進行有關(guān)方面的心得交流。正則表達(dá)式：

正則表達(dá)式是一種可以用于模式匹配和替換的強有力的工具，一個正則表達(dá)式就是由普通的字符（例如字符a到z）以及特殊字符（稱為元字符）組成的文字模式，它描述在查找文字主體時待匹配的一個或多個字符串。正則表達(dá)式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。正則表達(dá)式在字符數(shù)據(jù)處理中起著非常重要的作用，我們可以用正則表達(dá)式完成大部分的數(shù)據(jù)分析處理工作，如:判斷一個串是否是數(shù)字、是否是有效的Email地址，從海量的文字資料中提取有價值的數(shù)據(jù)等等，如果不使用正則表達(dá)式，那么實現(xiàn)的程序可能會很長，并且容易出錯。對這點本人深有體會，面對大量工具書電子檔資料的整理工作，如果不懂得應(yīng)用正則表達(dá)式來處理，那么將是很痛苦的一件事情，反之則將可以輕松地完成，獲得事半功倍的效果。由于本文目的是要介紹如何在JAVA里運用正則表達(dá)式，因此對剛接觸正則表達(dá)式的讀者請參考有關(guān)資料，在此因篇幅有限不作介紹。JAVA對正則表達(dá)式的支持：

在JDK1.3或之前的JDK版本中并沒有包含正則表達(dá)式庫可供JAVA程序員使用，之前我們一般都在使用第三方提供的正則表達(dá)式庫，這些第三方庫中有源代碼開放的，也有需付費購買的，而現(xiàn)時在JDK1.4的測試版中也已經(jīng)包含有正則表達(dá)式庫---java.util.regex。故此現(xiàn)在我們有很多面向JAVA的正則表達(dá)式庫可供選擇，以下我將介紹兩個較具代表性的

Jakarta-ORO和java.util.regex，首先當(dāng)然是本人一直在用的

Jakarta-ORO：Jakarta-ORO正則表達(dá)式庫1．簡介：

Jakarta-ORO是最全面以及優(yōu)化得最好的正則表達(dá)式API之一，Jakarta-ORO庫以前叫做OROMatcher，是由DanielF.Savarese編寫，后來他將其贈與JakartaProject，讀者可在A的網(wǎng)站下載該API包。許多源代碼開放的正則表達(dá)式庫都是支持Perl5兼容的正則表達(dá)式語法，Jakarta-ORO正則表達(dá)式庫也不例外，他與Perl5正則表達(dá)式完全兼容。2．對象與其方法：

★PatternCompiler對象：

我們在使用Jakarta-OROAPI包時，最先要做的是，創(chuàng)建一個Perl5Compiler類的實例，并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現(xiàn)，允許你把正則表達(dá)式編譯成用來匹配的Pattern對象。PatternCompilercompiler=newPerl5Compiler();★Pattern對象：

要把所對應(yīng)的正則表達(dá)式編譯成Pattern對象，需要調(diào)用compiler對象的compile()方法，并在調(diào)用參數(shù)中指定正則表達(dá)式。舉個例子，你可以按照下面這種方式編譯正則表達(dá)式"s[ahkl]y"：Patternpattern=null;try{pattern=pile("s[ahkl]y");}catch(MalformedPatternExceptione){e.printStackTrace();}在默認(rèn)的情況下，編譯器會創(chuàng)建一個對大小寫敏感的模式（pattern）。因此，上面代碼編譯得到的模式只匹配"say"、"shy"、"sky"和"sly"，但不匹配"Say"和"skY"。要創(chuàng)建一個大小寫不敏感的模式，你應(yīng)該在調(diào)用編譯器的時候指定一個額外的參數(shù):

pattern=pile("s[ahkl]y",Perl5Compiler.CASE_INSENSITIVE_MASK);Pattern對象創(chuàng)建好之后，就可以通過PatternMatcher類用該Pattern對象進行模式匹配。★PatternMatcher對象:PatternMatcher對象依據(jù)Pattern對象和字符串展開匹配檢查。你要實例化一個Perl5Matcher類并把結(jié)果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現(xiàn)，它根據(jù)Perl5正則表達(dá)式語法進行模式匹配：

PatternMatchermatcher=newPerl5Matcher();PatternMatcher對象提供了多個方法進行匹配操作，這些方法的第一個參數(shù)都是需要根據(jù)正則表達(dá)式進行匹配的字符串：booleanmatches(Stringinput,Patternpattern)：當(dāng)要求輸入的字符串input和正則表達(dá)式pattern精確匹配時使用該方法。也就是說當(dāng)正則表達(dá)式完整地描述輸入字符串時返回真值。booleanmatchesPrefix(Stringinput,Patternpattern)：要求正則表達(dá)式匹配輸入字符串起始部分時使用該方法。也就是說當(dāng)輸入字符串的起始部分與正則表達(dá)式匹配時返回真值。booleancontains(Stringinput,Patternpattern)：當(dāng)正則表達(dá)式要匹配輸入字符串的一部分時使用該方法。當(dāng)正則表達(dá)式為輸入字符串的子串時返回真值。但以上三種方法只會查找輸入字符串中匹配正則表達(dá)式的第一個對象，如果當(dāng)字符串可能有多個子串匹配給定的正則表達(dá)式時，那么你就可以在調(diào)用上面三個方法時用PatternMatcherInput對象作為參數(shù)替代String對象，這樣就可以從字符串中最后一次匹配的位置開始繼續(xù)進行匹配，這樣就方便的多了。用PatternMatcherInput對象作為參數(shù)替代String時，上述三個方法的語法如下：booleanmatches(PatternMatcherInputin