java正则表达式经过编译后的表现模式

作者:课课家教育更新于： 2016-02-18 16:26:16

　　在做 Crawler的时候，本来是准备用正则的，但是看jsoup很好用，就没有学，刚刚在做古诗提取的时候，又要用到正则表达式，还是学了算了。

　　正则表达式的语法可以参考：

　　http://www.runoob.com/regexp/regexp-syntax.html

　　java正则表达式主要是关于java.util.regex中的两个类：

　　1.Pattern：正则表达式经过编译后的表现模式。

　　2.Matcher：一个Matcher对象是一个状态机，它依据Pattern对象做为匹配模式对字符串展开匹配检查。

　　两者的关系是，Matcher在Pattern给定的模式控制下进行字符串匹配工作。

　　在正式开始正则表达式学习前，先要理解捕获组的概念。

　　一.捕获组的概念

　　捕获组就是将正则表达式中子表达式匹配的内容，保存到内存中，并以数字的编号或者显示命令的组里，方便后面的引用。主要分为两种，其语法如下：

　　(1)普通捕获组：(expression)

　　大多数语言都支持，这也是我们学习的重点。

　　(2)命名捕获组：(?expression)

　　暂不分析。

　　要注意的是，除这两种语法外，其它的语法都不是捕获组。

　　捕获组的编号：从左到右计算其开括号 "(" 来进行编号，且从1开始，因为编号0是正则表达式整体。

　　例子：

　　匹配格式为yyyy-mm-dd的日期。

　　private static void study1(){

　　String line = "2016-02-15";

　　String pattern = "(\\\\d{4})-(\\\\d{2}-(\\\\d\\\\d))";

　　//([0-9])=(//d)

　　//pattern对象是一个正则表达式的编译表示

　　Pattern r = Pattern.compile(pattern);

　　//Matcher对象是对输入字符串进行解释和匹配操作的引擎。

　　Matcher m = r.matcher(line);

　　System.out.println("group:"+ m.groupCount());

　　if (m.find()){

　　System.out.println("Found value: "+ m.group(0));//all

　　System.out.println("Found Value: "+ m.group(1));//(\\\\d{4})

　　System.out.println("Found value: "+ m.group(2));//(\\\\d{2})

　　System.out.println("Found value: "+ m.group(3));//(\\\\d\\\\d)

　　}else {

　　System.out.println("No match");

　　输出结果为

　　group:3

　　Found value: 2016-02-15

　　Found Value: 2016

　　Found value: 02-15

　　Found value: 15

　　二.Pattern类的使用

　　用于创建一个正则表达式，也可以说是一个匹配模式，其构造方法是私有的，但可以通过Pattern.compile(regex)简单工厂方法来创建一个正则表达式。

　　例子：查看regex参数

　　Pattern pattern = Pattern.compile("\\\\w+");

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

　　System.out.println(pattern.pattern());

　　结果

　　返回的都是正则表达式的字符串形式。

　　(1)pattern.split(Charsequence input)

　　用于分隔字符串，并返回一个String [ ]，是否String.split(String regex) 就是通过这个实现的呢?

　　Pattern pattern = Pattern.compile("\\\\d");

　　String [] strArray =pattern.split("我的QQ是:456456我的电话是:0532214我的邮箱是:aaa@aaa.com");

　　for (String aftersplit: strArray){

　　System.out.println(aftersplit);

　　结果为：

　　str[0]="我的QQ是:" str[1]="我的电话是:" str[2]="我的邮箱是:aaa@aaa.com"

　　(2) Pattern.matcher(String regex,CharSequence input)

　　静态方法，用于快速匹配字符串，适用于只匹配一次，且匹配全部字符串。

　　例子：

　　Pattern.matches("\\\\d+","2223");//返回true

　　Pattern.matches("\\\\d+","2223aa");//返回false,需要匹配到所有字符串才能返回true,这里aa不能匹配到

　　Pattern.matches("\\\\d+","22bb23");//返回false,需要匹配到所有字符串才能返回true,这里bb不能匹配到

　　(3)Pattern.matcher(CharSequence input)

　　Matcher出现了，这个方法返回一个Matcher，其没有公共构造方法(私有的)，只能通过 Pattern.matcher得到。

　　上面我们看到，Pattern只能做一此简单的匹配，要得到更强大的正则匹配，则要用到Matcher，Matcher提供了对正则表达式分组与多次匹配的支持。

　　例子：

　　Pattern p = Pattern.compile("\\\\d+");

　　Matcher m = p.matcher("22bb33");

　　System.out.println(m.pattern());

　　System.out.println(m.toString());

　　结果为

　　java.util.regex.Matcher[pattern=\\d+ region=0,6 lastmatch=]

　　可以看到，matcher.toString()会返匹配的情况。

　　(4)Matcher.matches()/Matcher.lookingAt()/Matcher.find()

　　Matcher类提供三个匹配操作方法，它们都返回boolean类型，匹配成功时返回 true。

　　matches()

　　对整个字符串进行匹配，只有整个字符串都匹配了才返回true。

　　Pattern p = Pattern.compile("\\\\d+");

　　Matcher m = p.matcher("22bb33");

　　System.out.println(m.matches());

　　Matcher m2 = p.matcher("2233");

　　System.out.println(m2.matches());

　　返回结果

　　false, true

　　我们可以发现，下面的两种代码等价：

　　Pattern.matches(String regex,CharSequence input)

　　Pattern.compile(regex).matcher(input).matches()

　　lookingAt()

　　对前面的字符串进行匹配，只有匹配到的字符串在最前面才返回true。

　　Pattern p = Pattern.compile("\\\\d+");

　　Matcher m = p.matcher("22bb33");

　　System.out.println(m.lookingAt()); //ture

　　Matcher m2 = p.matcher("aa2233");

　　System.out.println(m2.lookingAt());//flase

　　find()

　　匹配到的字符串可以在任何位置。

　　Pattern p=Pattern.compile("\\\\d+");

　　Matcher m=p.matcher("22bb23");

　　m.find();//返回true

　　Matcher m2=p.matcher("aa2223");

　　m2.find();//返回true

　　Matcher m3=p.matcher("aa2223bb");

　　m3.find();//返回true

　　Matcher m4=p.matcher("aabb");

　　m4.find();//返回false

　　(5)Matcher.start()/Matcher.end()/Matcher.group()

　　在使用matches()/lookingAt(),find()执行匹配操作后，就可以利用上面的三个方法得到更详细的信息。

　　start()：返回匹配到的子字符串在字符串中的索引的位置。

　　end()：返回匹配到的子字符串的最后一个字符在字符串中的位置。

　　group()：返回匹配到的子字符串。

　　Pattern p = Pattern.compile("\\\\d+");

　　Matcher m = p.matcher("aaaa2222bb");

　　m.find();//

　　System.out.println(m.start());//4

　　System.out.println(m.end()); //8

　　System.out.println(m.group());//2222

　　Matcher m2 = p.matcher("2222bb");

　　m2.lookingAt();

　　System.out.println(m2.start());//0

　　System.out.println(m2.end()); //4

　　System.out.println(m2.group());//222

　　Matcher m3 = p.matcher("222");

　　m3.matches();

　　System.out.println(m3.start());//0

　　System.out.println(m3.end()); //3

　　System.out.println(m3.group());//222

　　下面再说说正则表达式分组的使用，start(),end(),group()，它们都有加入参数int index的重载方法，用于分组操作。

　　例子：

　　Pattern p = Pattern.compile("([a-z]+)(\\\\d+)");//2 grouPS

　　Matcher m = p.matcher("aaa2223bb444");

　　System.out.println(m.groupCount());//2

　　while (m.find()){

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

　　//all

　　System.out.print(m.start(0)+",");//0,

　　System.out.print(m.end(0)+","); //7

　　System.out.println(m.group(0)); //aaa2223

　　//group 1

　　System.out.print(m.start(1)+",");//0

　　System.out.print(m.end(1)+","); //3

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

　　//goup 2

　　System.out.print(m.start(2)+",");//3

　　System.out.print(m.end(2)+","); //7

　　System.out.println(m.group(2));//2223

　　输出

　　====one match

　　0,7,aaa2223

　　0,3,aaa

　　3,7,2223

　　====one match

　　7,12,bb444

　　7,9,bb

　　9,12,444

　　源码显示，无参数时是直接调用的参数为0的值，要注意的是，只有匹配成功时才可以使用start,end,group。

　　最后一个例子，查找字符串中的数字：

　　Pattern p = Pattern.compile("\\\\d+");

　　Matcher m = p.matcher("我的QQ是:456456 我的电话是:0532214 我的邮箱是:aaa123@aaa.com");

　　while (m.find()){

　　System.out.println(m.group());