電腦程式的思維邏輯 (89) - 正則表達式 (中)

来源:http://www.cnblogs.com/swiftma/archive/2017/06/13/6965103.html
-Advertisement-
Play Games

本節介紹正則表達式相關的Java API，討論在Java中利用正則表達式實現文本的切分、驗證、查找和替換，對於替換，我們演示一個簡單的模板引擎 ...


上節介紹了正則表達式的語法，本節介紹相關的Java API。

正則表達式相關的類位於包java.util.regex下，有兩個主要的類，一個是Pattern，另一個是Matcher。Pattern表示正則表達式對象，它與要處理的具體字元串無關。Matcher表示一個匹配，它將正則表達式應用於一個具體字元串，通過它對字元串進行處理。

字元串類String也是一個重要的類，我們在29節專門介紹過String，其中提到，它有一些方法，接受的參數不是普通的字元串，而是正則表達式。此外，正則表達式在Java中是需要先以字元串形式表示的。

下麵，我們先來介紹如何表示正則表達式，然後探討如何利用它實現一些常見的文本處理任務，包括切分、驗證、查找、和替換。

表示正則表達式

轉義符 '\'

正則表達式由元字元和普通字元組成，字元'\'是一個元字元，要在正則表達式中表示'\'本身，需要使用它轉義，即'\\'。

在Java中，沒有什麼特殊的語法能直接表示正則表達式，需要用字元串表示，而在字元串中，'\'也是一個元字元，為了在字元串中表示正則表達式的'\'，就需要使用兩個'\'，即'\\'，而要匹配'\'本身，就需要四個'\'，即'\\\\'，比如說，如下表達式：

<(\w+)>(.*)</\1>

對應的字元串表示就是：

"<(\\w+)>(.*)</\\1>"

一個簡單規則是，正則表達式中的任何一個'\'，在字元串中，需要替換為兩個'\'。

Pattern對象

字元串表示的正則表達式可以被編譯為一個Pattern對象，比如：

String regex = "<(\\w+)>(.*)</\\1>";
Pattern pattern = Pattern.compile(regex);

Pattern是正則表達式的面向對象表示，所謂編譯，簡單理解就是將字元串表示為了一個內部結構，這個結構是一個有窮自動機，關於有窮自動機的理論比較深入，我們就不探討了。

編譯有一定的成本，而且Pattern對象只與正則表達式有關，與要處理的具體文本無關，它可以安全地被多線程共用，所以，在使用同一個正則表達式處理多個文本時，應該儘量重用同一個Pattern對象，避免重覆編譯。

匹配模式

Pattern的compile方法接受一個額外參數，可以指定匹配模式：

public static Pattern compile(String regex, int flags)

上節，我們介紹過三種匹配模式：單行模式(點號模式)、多行模式和大小寫無關模式，它們對應的常量分別為：Pattern.DOTALL，Pattern.MULTILINE和Pattern.CASE_INSENSITIVE，多個模式可以一起使用，通過'|'連起來即可，如下所示：

Pattern.compile(regex, Pattern.CASE_INSENSITIVE | Pattern.DOTALL)

還有一個模式Pattern.LITERAL，在此模式下，正則表達式字元串中的元字元將失去特殊含義，被看做普通字元。Pattern有一個靜態方法：

public static String quote(String s)

quote()的目的是類似的，它將s中的字元都看作普通字元。我們在上節介紹過\Q和\E，\Q和\E之間的字元會被視為普通字元。quote()基本上就是在字元串s的前後加了\Q和\E，比如，如果s為"\\d{6}"，則quote()的返回值就是"\\Q\\d{6}\\E"。

切分

簡單情況

文本處理的一個常見需求是根據分隔符切分字元串，比如在處理CSV文件時，按逗號分隔每個欄位，這個需求聽上去很容易滿足，因為String類有如下方法：

public String[] split(String regex)

比如：

String str = "abc,def,hello";
String[] fields = str.split(",");
System.out.println("field num: "+fields.length);
System.out.println(Arrays.toString(fields));

輸出為：

field num: 3
[abc, def,  hello]

不過，有一些重要的細節，我們需要註意。

轉義元字元

split將參數regex看做正則表達式，而不是普通的字元，如果分隔符是元字元，比如. $ | ( ) [ { ^ ? * + \，就需要轉義，比如按點號'.'分隔，就需要寫為：

String[] fields = str.split("\\.");

如果分隔符是用戶指定的，程式事先不知道，可以通過Pattern.quote()將其看做普通字元串。

將多個字元用作分隔符

既然是正則表達式，分隔符就不一定是一個字元，比如，可以將一個或多個空白字元或點號作為分隔符，如下所示：

String str = "abc  def      hello.\n   world";
String[] fields = str.split("[\\s.]+");

fields內容為：

[abc, def, hello, world]

空白字元串

需要說明的是，尾部的空白字元串不會包含在返回的結果數組中，但頭部和中間的空白字元串會被包含在內，比如：

String str = ",abc,,def,,";
String[] fields = str.split(",");
System.out.println("field num: "+fields.length);
System.out.println(Arrays.toString(fields));

輸出為：

field num: 4
[, abc, , def]

找不到分隔符

如果字元串中找不到匹配regex的分隔符，返回數組長度為1，元素為原字元串。

切分數目限制

split方法接受一個額外的參數limit，用於限定切分的數目：

public String[] split(String regex, int limit)

不帶limit參數的split，其limit相當於0。關於limit的含義，我們通過一個例子說明下，比如字元串是"a:b:c:"，分隔符是":"，在limit為不同值的情況下，其返回數組如下表所示：

Pattern的split方法

Pattern也有兩個split方法，與String方法的定義類似：

public String[] split(CharSequence input)
public String[] split(CharSequence input, int limit)

與String方法的區別是：

  • Pattern接受的參數是CharSequence，更為通用，我們知道String, StringBuilder, StringBuffer, CharBuffer等都實現了該介面；
  • 如果regex長度大於1或包含元字元，String的split方法會先將regex編譯為Pattern對象，再調用Pattern的split方法，這時，為避免重覆編譯，應該優先採用Pattern的方法；
  • 如果regex就是一個字元且不是元字元，String的split方法會採用更為簡單高效的實現，所以，這時，應該優先採用String的split方法。

驗證

驗證就是檢驗輸入文本是否完整匹配預定義的正則表達式，經常用於檢驗用戶的輸入是否合法。

String有如下方法：

public boolean matches(String regex)

比如：

String regex = "\\d{8}";
String str = "12345678";
System.out.println(str.matches(regex));

檢查輸入是否是8位數字，輸出為true。

String的matches實際調用的是Pattern的如下方法：

public static boolean matches(String regex, CharSequence input)

這是一個靜態方法，它的代碼為：

public static boolean matches(String regex, CharSequence input) {
    Pattern p = Pattern.compile(regex);
    Matcher m = p.matcher(input);
    return m.matches();
}

就是先調用compile編譯regex為Pattern對象，再調用Pattern的matcher方法生成一個匹配對象Matcher，Matcher的matches()返回是否完整匹配。

查找

查找就是在文本中尋找匹配正則表達式的子字元串，看個例子：

public static void find(){
    String regex = "\\d{4}-\\d{2}-\\d{2}";
    Pattern pattern = Pattern.compile(regex);
    String str = "today is 2017-06-02, yesterday is 2017-06-01";
    Matcher matcher = pattern.matcher(str);
    while(matcher.find()){
        System.out.println("find "+matcher.group()
            +" position: "+matcher.start()+"-"+matcher.end());
    }
}

代碼尋找所有類似"2017-06-02"這種格式的日期，輸出為：

find 2017-06-02 position: 9-19
find 2017-06-01 position: 34-44

Matcher的內部記錄有一個位置，起始為0，find()方法從這個位置查找匹配正則表達式的子字元串，找到後，返回true，並更新這個內部位置，匹配到的子字元串信息可以通過如下方法獲取：

//匹配到的完整子字元串
public String group()
//子字元串在整個字元串中的起始位置
public int start()
//子字元串在整個字元串中的結束位置加1
public int end()

group()其實調用的是group(0)，表示獲取匹配的第0個分組的內容。我們在上節介紹過捕獲分組的概念，分組0是一個特殊分組，表示匹配的整個子字元串。除了分組0，Matcher還有如下方法，獲取分組的更多信息：

//分組個數
public int groupCount()
//分組編號為group的內容
public String group(int group)
//分組命名為name的內容
public String group(String name)
//分組編號為group的起始位置
public int start(int group)
//分組編號為group的結束位置加1
public int end(int group)

比如：

public static void findGroup() {
    String regex = "(\\d{4})-(\\d{2})-(\\d{2})";
    Pattern pattern = Pattern.compile(regex);
    String str = "today is 2017-06-02, yesterday is 2017-06-01";
    Matcher matcher = pattern.matcher(str);
    while (matcher.find()) {
        System.out.println("year:" + matcher.group(1)
            + ",month:" + matcher.group(2)
            + ",day:" + matcher.group(3));
    }
}

輸出為：

year:2017,month:06,day:02
year:2017,month:06,day:01

替換

replaceAll和replaceFirst

查找到子字元串後，一個常見的後續操作是替換。String有多個替換方法：

public String replace(char oldChar, char newChar)
public String replace(CharSequence target, CharSequence replacement)
public String replaceAll(String regex, String replacement)
public String replaceFirst(String regex, String replacement)

第一個replace方法操作的是單個字元，第二個是CharSequence，它們都是將參數看做普通字元。而replaceAll和replaceFirst則將參數regex看做正則表達式，它們的區別是，replaceAll替換所有找到的子字元串，而replaceFirst則只替換第一個找到的，看個簡單的例子，將字元串中的多個連續空白字元替換為一個：

String regex = "\\s+";
String str = "hello    world       good";
System.out.println(str.replaceAll(regex, " "));

輸出為：

hello world good

在replaceAll和replaceFirst中，參數replacement也不是被看做普通的字元串，可以使用美元符號加數字的形式，比如$1，引用捕獲分組，我們看個例子：

String regex = "(\\d{4})-(\\d{2})-(\\d{2})";
String str = "today is 2017-06-02.";
System.out.println(str.replaceFirst(regex, "$1/$2/$3"));

輸出為：

today is 2017/06/02.

這個例子將找到的日期字元串的格式進行了轉換。所以，字元'$'在replacement中是元字元，如果需要替換為字元'$'本身，需要使用轉義，看個例子：

String regex = "#";
String str = "#this is a test";
System.out.println(str.replaceAll(regex, "\\$"));

如果替換字元串是用戶提供的，為避免元字元的的干擾，可以使用Matcher的如下靜態方法將其視為普通字元串：

public static String quoteReplacement(String s)

String的replaceAll和replaceFirst調用的其實是Pattern和Matcher中的方法，比如，replaceAll的代碼為：

public String replaceAll(String regex, String replacement) {
    return Pattern.compile(regex).matcher(this).replaceAll(replacement);
}

邊查找邊替換

replaceAll和replaceFirst都定義在Matcher中，除了一次性的替換操作外，Matcher還定義了邊查找、邊替換的方法：

public Matcher appendReplacement(StringBuffer sb, String replacement)
public StringBuffer appendTail(StringBuffer sb)

這兩個方法用於和find()一起使用，我們先看個例子：

public static void replaceCat() {
    Pattern p = Pattern.compile("cat");
    Matcher m = p.matcher("one cat, two cat, three cat");
    StringBuffer sb = new StringBuffer();
    int foundNum = 0;
    while (m.find()) {
        m.appendReplacement(sb, "dog");
        foundNum++;
        if (foundNum == 2) {
            break;
        }
    }
    m.appendTail(sb);
    System.out.println(sb.toString());
}

在這個例子中，我們將前兩個"cat"替換為了"dog"，其他"cat"不變，輸出為：

one dog, two dog, three cat

StringBuffer類型的變數sb存放最終的替換結果，Matcher內部除了有一個查找位置，還有一個append位置，初始為0，當找到一個匹配的子字元串後，appendReplacement()做了三件事情：

  1. 將append位置到當前匹配之前的子字元串append到sb中，在第一次操作中，為"one "，第二次為", two ";
  2. 將替換字元串append到sb中；
  3. 更新append位置為當前匹配之後的位置。

appendTail將append位置之後所有的字元append到sb中。

模板引擎

利用Matcher的這幾個方法，我們可以實現一個簡單的模板引擎，模板是一個字元串，中間有一些變數，以{name}表示，如下例所示：

String template = "Hi {name}, your code is {code}.";

這裡，模板字元串中有兩個變數，一個是name，另一個是code。變數的實際值通過Map提供，變數名稱對應Map中的鍵，模板引擎的任務就是接受模板和Map作為參數，返回替換變數後的字元串，示例實現為：

private static Pattern templatePattern = Pattern.compile("\\{(\\w+)\\}");

public static String templateEngine(String template, Map<String, Object> params) {
    StringBuffer sb = new StringBuffer();
    Matcher matcher = templatePattern.matcher(template);
    while (matcher.find()) {
        String key = matcher.group(1);
        Object value = params.get(key);
        matcher.appendReplacement(sb, value != null ?
                Matcher.quoteReplacement(value.toString()) : "");
    }
    matcher.appendTail(sb);
    return sb.toString();
}

代碼尋找所有的模板變數，正則表達式為：

\{(\w+)\}

'{'是元字元，所以要轉義，\w+表示變數名，為便於引用，加了括弧，可以通過分組1引用變數名。

使用該模板引擎的示例代碼為：

public static void templateDemo() {
    String template = "Hi {name}, your code is {code}.";
    Map<String, Object> params = new HashMap<String, Object>();
    params.put("name", "老馬");
    params.put("code", 6789);
    System.out.println(templateEngine(template, params));
}

輸出為：

Hi 老馬, your code is 6789.

小結

本節介紹了正則表達式相關的主要Java API，討論瞭如何在Java中表示正則表達式，如何利用它實現文本的切分、驗證、查找和替換，對於替換，我們演示了一個簡單的模板引擎。

下一節，我們繼續探討正則表達式，討論和分析一些常見的正則表達式。

(與其他章節一樣，本節所有代碼位於 https://github.com/swiftma/program-logic，位於包shuo.laoma.regex.c89下)

----------------

未完待續，查看最新文章，敬請關註微信公眾號“老馬說編程”(掃描下方二維碼)，從入門到高級，深入淺出，老馬和你一起探索Java編程及電腦技術的本質。用心原創，保留所有版權。


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 全開源ASP.NET工作流快速開發平臺，你想要的強大工作流引擎就在這裡！
    現在辦公要流程化，營銷也有流程，流程現在已經是各種生活活動不可缺少的一部分了。就像這句耳熟能詳的話：“凡事，我們先走個流程嘛！”，在信息化、流程化的背景下。工作流引擎，這個名詞就出現了！那麼，什麼是工作流引擎呢？所謂工作流引擎是指workflow作為應用系統的一部分，併為之提供對各應用系統有決定作用 ...
  • UwpDesktop！WPF也能開發Surface Dial
    前段時間巨硬發佈了一款新的輸入設備Surface Dial,配合Surface Studio使用簡直炫酷到沒朋友。 本人由於公司業務有幸參與了微軟的相關培訓，最大的收穫覺得是發現WPF居然也可以開發Dial, WPF居然可以使用UWP的API！ 不賣關子，關鍵就是名為“UwpDesktop”的一個N ...
  • System.Object簡介
    Object中的公共方法解釋： 公共方法： Equals： public class Object { public virtual Boolean Equals(Object obj) { //如果兩個引用指向同一個對象，他們肯定包含相同的值 if (this == obj) return tru ...
  • 起調UWP的幾種方法
    由於種種原因吧，我需要使用一個WPF程式起調一個UWP程式，下麵總結一下，給自己個備份。 啟動UWP程式的關鍵是協議啟動 給我們的UWP應用添加一個協議，like this: 然後使用協議啟動該UWP有一下幾種方式： 1. 使用UWP的Launcher API // Create the URI t ...
  • 背水一戰 Windows 10 (52) - 控制項（集合類）: ItemsControl - 自定義 ItemsControl, 自定義 ContentPresenter
    背水一戰 Windows 10 之 控制項（集合類 - ItemsControl）: 自定義 ItemsControl（自定義 GirdView 使其每個 item 占用不同大小的空間）, 自定義 ContentPresenter 實現類似 GridViewItemPresenter 和 ListVi... ...
  • UWP中使用Composition API實現吸頂（1）
    前幾天需要在UWP中實現吸頂，就在網上找了一些文章： 吸頂大法 -- UWP中的工具欄吸頂的實現方式之一 在UWP中頁面滑動導航欄置頂 發現前人的實現方式大多是控制ListViewBase的Header變換高度，或者建立一個ScrollViewer在裡面放置ListViewBase。經過測試，這兩種 ...
  • ASP.NET MVC 中路徑的解惑
    很多人在寫代碼的時候關於路徑這個問題很頭疼，其實路徑是很簡單的，只是沒人幫我們點投！初次學習程式的人，我相信肯定會遇到和我一樣的問題，比如說，“/”和“~”引用路勁的區別，接下來看吧，這篇文章肯定會將你點透的，看完這篇文章你一定會有一種山重水複疑無路，柳暗花明又一村的感覺！ [註：]博主微信：jkx ...
  • HDU 5517---Triple（二維樹狀數組）
    題目鏈接 Problem Description Given the finite multi-set A of n pairs of integers, an another finite multi-set B of m triples of integers, we define the pr ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發（一）：使用.NET MAUI開發第一個安卓APP
    移動開發（一）：使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說，近來想嘗試開發一款安卓APP，考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP，畢竟是使用Visual Studio開發工具，使用起來也比較的順手，結合微軟官方的教程進行了安卓 ...
  • wpf ToggleButton選中效果和一個登錄界面
    前言 QuestPDF 是一個開源 .NET 庫，用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫，它徹底改變了我們生成 PDF 文檔的方 ...
  • 彈幕樹洞項目功能新增篇
    項目地址 項目後端地址： https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址： ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址： http://tree ...
  • 第27篇 sqlserver2022詳細安裝步驟
    話不多說，直接開乾 一.下載 1.官方鏈接下載： https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe，運行開始下載SQL server； 二. ...
  • .NET 開源高性能 MQTT 類庫
    前言 隨著物聯網（IoT）技術的迅猛發展，MQTT（消息隊列遙測傳輸）協議憑藉其輕量級和高效性，已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫，為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog文檔翻譯系列（六） - 可用的接收器、增強器、格式化輸出
    Serilog支持多種接收器用於日誌存儲，增強器用於添加屬性，LogContext管理動態屬性，支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項，適用於不同需求。 ...
  • 警惕 Visual Studio 屬性求值副作用導致邏輯不符合預期
    目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據，爬取信息時需要模擬瀏覽器行為，否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下： 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • [使用目前最新版]HybridCLR6.9.0+YooAsset2.2.4實現純C# Unity熱更新方案 (一)
    1.前言 什麼是熱更新 游戲或者軟體更新時，無需重新下載客戶端進行安裝，而是在應用程式啟動的情況下，在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR，Xlua，ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles，Addressable， ...
  • 在 ASP.NET Core Web API 中使用操作篩選器統一處理通用操作
    本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺，其實像阿裡雲，騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後，它會送 ...
  • 第28篇 如何.net中實現高效可靠數據同步api
    通過以下方式可以高效，並保證數據同步的可靠性 1.API設計 使用RESTful設計，確保API端點明確，並使用適當的HTTP方法（如POST用於創建，PUT用於更新）。 設計清晰的請求和響應模型，以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證，確保接收到的數據符合預期格 ...
所有分類