Java 中的正则表达式
最近项目中有一些地方用到了正则表达式，之前对这个东西了解不多，这次正好多看了一些，也发现正则表达式的一些需要注意地方。
正则总结：
正则表达式的优势是进行样式匹配，而不是具体的逻辑处理;
元字符注意使用英文字符，使用中文符号不会报错，但意义不同了；
零长度匹配的情况；
逆向引用 java正则表达式中使用\+数字，代码中使用$+数字；
java正则引擎目前不支持组命名，java7开始支持该功能；
前向断言和后向断言中的表达式就是具体明确或是长度确定的，原因是正则引擎不会对断言的内容进行回溯操作。
比如下面的demo里展示的一些点：
package demo.regex;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class RegexDemo {
/**
* @param args
*/
public static void main(String[] args) {
testZerolength();
testMatchMode();
testLineMode();
testGroup();
testAssertion();
}
private static void testMatchMode() {
System.out.println();
System.out.println("test match mode");
String content = "xfooxxxxxxfoo";
String regex = ".*foo";
System.out.println(content);
System.out.println("greedy mode :" + regex);
// String regex = "a+";
Pattern p = Pattern.compile(regex);
printMatch(content, p);
regex = ".*?foo";
System.out.println("lazy mode :" + regex);
p = Pattern.compile(regex);
printMatch(content, p);
regex = ".*+foo";
System.out.println("possessive mode :" + regex);
p = Pattern.compile(regex);
printMatch(content, p);
}
private static void testZerolength() {
System.out.println();
System.out.println("test Zero-length");
String content = "aaaaabb";
String regex = "a?";
// String regex = "a+";
Pattern p = Pattern.compile(regex);
printMatch(content, p);
}
private static void testAssertion() {
System.out.println();
System.out.println("test assertion");
String content = "前赴后继,前无古人后无来者,前事不忘后事之师";
// String regex = "(?<=[前])\\w+(?=[后])"; //不好使
// String regex = "(?<=[前])[^\\s]+(?=[后])"; //贪婪
String regex = "(?<=[前])[^\\s]+?(?=[后])";
Pattern p = Pattern.compile(regex);
printMatch(content, p);
System.out.println("test spilt num");
String sample = "1234567890";
sample = sample.replaceAll("^(\\d{1,3})((\\d{3})+)$", "$1,$2");
System.out.println(sample.replaceAll("(?<=\\d{3})(\\d{3})", ",$1")); // 1,234,567,890
sample = "123456789";
sample = sample.replaceAll("^(\\d{1,3})((\\d{3})+)$", "$1,$2");
System.out.println(sample.replaceAll("(?<=\\d{3})(\\d{3})", ",$1")); // 123,456,789
}
private static void testGroup() {
System.out.println();
System.out.println("test group");
String content = "1212";
String regex = "(\\d\\d)\\1";
System.out.println(regex + " for " + content);
printMatch(content, Pattern.compile(regex));
content = "中国-CN";
// String regex = "(\\w+)\\W*(\\w+)"; //不好使
regex = "([^\\-]+)\\-(\\w+)";
// printMatch(content, Pattern.compile(regex));
String result = content.replaceAll(regex, "$2-$1");
// String result = content.replaceAll(regex, "\\2-\\1");
System.out.println(content);
System.out.println(result);
regex = "<.+>"; //贪婪
content = "<title>This is a demo</title>";
printMatch(content, Pattern.compile(regex));
regex = "<.+?>"; //懒惰
printMatch(content, Pattern.compile(regex));
regex = "<([^>]+?)\\s*?.*?>.*?</\\1>";//逆向引用 java正则表达式中使用\+数字，代码中使用$+数字
// regex = "<([^>]+?)>.*?</\\1>";//逆向引用 java正则表达式中使用\+数字，代码中使用$+数字
String content1 = "<script language=\"JavaScript\" type=\"text/javascript\"></script>";
Pattern p = Pattern.compile(regex);
printMatch(content, p);
printMatch(content1, p);
}
protected static void testLineMode() {
System.out.println();
// 如果 multiline 为 false，那么 "^" 匹配字符串的开始位置，而 "$" 匹配字符串的结束位置。
// 如果 multline 为 true，那么 "^" 匹配字符串开始位置以及 "\n" 或 "\r" 之后的位置，
// 而 "$" 匹配字符串结束位置以及 "\n" 或 "\r" 之前的位置。
//
// 其实很简单，多行模式就是根据 \r 或 \n 把字符串分隔为多个单行模式去分别匹配，关键是要与 ^ 或 $ 配合使用！
String content = "山清水秀\r\n 山穷水尽 \r\n山舞银蛇，原驰蜡象，欲与天公试比高。\r\n高山仰止";
// String regex = "^山.+?"; //懒惰模式
String regex = "^山.+"; //贪婪模式
Pattern p1 = Pattern.compile(regex); //singleline
System.out.println("单行模式:");
printMatch(content, p1);
System.out.println();
System.out.println("多行模式:");
Pattern p2 = Pattern.compile(regex,Pattern.MULTILINE);//multiline
printMatch(content, p2);
}
protected static void printMatch(String content, Pattern p1) {
Matcher matcher = p1.matcher(content);
int i = 1;
while(matcher.find()){
System.out.println("match found "+ i +":\""+ matcher.group(0)+"\",start:" + matcher.start()+",end:"+matcher.end());
i++;
}
}
}
运行结果如下：
test Zero-length match found 1:"a",start:0,end:1 match found 2:"a",start:1,end:2 match found 3:"a",start:2,end:3 match found 4:"a",start:3,end:4 match found 5:"a",start:4,end:5 match found 6:"",start:5,end:5 match found 7:"",start:6,end:6 match found 8:"",start:7,end:7 test match mode xfooxxxxxxfoo greedy mode :.*foo match found 1:"xfooxxxxxxfoo",start:0,end:13 lazy mode :.*?foo match found 1:"xfoo",start:0,end:4 match found 2:"xxxxxxfoo",start:4,end:13 possessive mode :.*+foo 单行模式: match found 1:"山清水秀",start:0,end:4 多行模式: match found 1:"山清水秀",start:0,end:4 match found 2:"山舞银蛇，原驰蜡象，欲与天公试比高。",start:14,end:32 test group (\d\d)\1 for 1212 match found 1:"1212",start:0,end:4 中国-CN CN-中国 match found 1:"<title>This is a demo</title>",start:0,end:29 match found 1:"<title>",start:0,end:7 match found 2:"</title>",start:21,end:29 match found 1:"<title>This is a demo</title>",start:0,end:29 match found 1:"<script language="JavaScript" type="text/javascript"></script>",start:0,end:62 test assertion match found 1:"赴",start:1,end:2 match found 2:"无古人",start:6,end:9 match found 3:"事不忘",start:15,end:18 test spilt num 1,234,567,890 123,456,789
网址：
http://www.java3z.com/cwbwebhome/article/article8/Regex/Java.Regex.Tutorial.html#reg6_2
http://blog.csdn.net/rcom10002/article/category/332382
http://www.blogjava.net/songfei/articles/23686.html
demo下载：http://download.csdn.net/download/candyguy242/4534068