創(chuàng)建正則表達(dá)式
你可以從比較簡單的東西入手學(xué)習(xí)正則表達(dá)式。要想全面地掌握怎樣構(gòu)建正則表達(dá)式，可以去看JDK 文檔的java.util.regex 的Pattern 類的文檔。
| 字符 |
| B | 字符B |
| \xhh | 16進(jìn)制值0xhh 所表示的字符 |
| \uhhhh | 16進(jìn)制值0xhhhh 所表示的Unicode字符 |
| \t | Tab |
| \n | 換行符 |
| \r | 回車符 |
| \f | 換頁符 |
| \e | Escape |
正則表達(dá)式的強(qiáng)大體現(xiàn)在它能定義字符集(character class)。下面是一些最常見的字符集及其定義的方式，此外還有一些預(yù)定義的字符集：
| 字符集 |
| . | 表示任意一個字符 |
| [abc] | 表示字符a ，b ，c 中的任意一個(與a|b|c 相同) |
| [^abc] | 除a ，b ，c 之外的任意一個字符(否定) |
| [a-zA-Z] | 從a 到z 或A 到Z 當(dāng)中的任意一個字符(范圍) |
| [abc[hij]] | a,b,c,h,i,j 中的任意一個字符(與a|b|c|h|i|j 相同)(并集) |
| [a-z&&[hij]] | h,i,j 中的一個(交集) |
| \s | 空格字符(空格鍵, tab, 換行, 換頁, 回車) |
| \S | 非空格字符([^\s] ) |
| \d | 一個數(shù)字，也就是[0-9] |
| \D | 一個非數(shù)字的字符，也就是[^0-9] |
| \w | 一個單詞字符(word character)，即[a-zA-Z_0-9] |
| \W | 一個非單詞的字符，[^\w] |
如果你用過其它語言的正則表達(dá)式，那么你一眼就能看出反斜杠的與眾不同。在其它語言里，"\\ "的意思是"我只是要在正則表達(dá)式里插入一個反斜杠。沒什么特別的意思。"但是在Java里，"\\ "的意思是"我要插入一個正則表達(dá)式的反斜杠，所以跟在它后面的那個字符的意思就變了。"舉例來說，如果你想表示一個或更多的"單詞字符"，那么這個正則表達(dá)式就應(yīng)該是"\\w+ "。如果你要插入一個反斜杠，那就得用"\\\\ "。不過像換行，跳格之類的還是只用一根反斜杠："\n\t"。
這里只給你講一個例子；你應(yīng)該JDK 文檔的java.util.regex.Pattern 加到收藏夾里，這樣就能很容易地找到各種正則表達(dá)式的模式了。
| 邏輯運(yùn)算符 |
| XY | X 后面跟著 Y |
| X|Y | X或Y |
| (X) | 一個"要匹配的組(capturing group)". 以后可以用\i來表示第i個被匹配的組。 |
| 邊界匹配符 |
| ^ | 一行的開始 |
| $ | 一行的結(jié)尾 |
| \b | 一個單詞的邊界 |
| \B | 一個非單詞的邊界 |
| \G | 前一個匹配的結(jié)束 |
舉一個具體一些的例子。下面這些正則表達(dá)式都是合法的，而且都能匹配"Rudolph"：
Rudolph [rR]udolph [rR][aeiou][a-z]ol.* R.*
數(shù)量表示符
"數(shù)量表示符(quantifier)"的作用是定義模式應(yīng)該匹配多少個字符。
- Greedy(貪婪的)： 除非另有表示，否則數(shù)量表示符都是greedy的。Greedy的表達(dá)式會一直匹配下去，直到匹配不下去為止。(如果你發(fā)現(xiàn)表達(dá)式匹配的結(jié)果與預(yù)期的不符) ，很有可能是因為，你以為表達(dá)式會只匹配前面幾個字符，而實(shí)際上它是greedy的，因此會一直匹配下去。
- Reluctant(勉強(qiáng)的)： 用問號表示，它會匹配最少的字符。也稱為lazy, minimal matching, non-greedy, 或ungreedy。
- Possessive(占有的)： 目前只有Java支持(其它語言都不支持)。它更加先進(jìn)，所以你可能還不太會用。用正則表達(dá)式匹配字符串的時候會產(chǎn)生很多中間狀態(tài)，(一般的匹配引擎會保存這種中間狀態(tài)，) 這樣匹配失敗的時候就能原路返回了。占有型的表達(dá)式不保存這種中間狀態(tài)，因此也就不會回頭重來了。它能防止正則表達(dá)式的失控，同時也能提高運(yùn)行的效率。
| Greedy | Reluctant | Possessive | 匹配 |
| X? | X?? | X?+ | 匹配一個或零個X |
| X* | X*? | X*+ | 匹配零或多個X |
| X+ | X+? | X++ | 匹配一個或多個X |
| X{n} | X{n}? | X{n}+ | 匹配正好n個X |
| X{n,} | X{n,}? | X{n,}+ | 匹配至少n個X |
| X{n,m} | X{n,m}? | X{n,m}+ | 匹配至少n個，至多m個X |
再提醒一下，要想讓表達(dá)式照你的意思去運(yùn)行，你應(yīng)該用括號把'X'括起來。比方說：
abc+
似乎這個表達(dá)式能匹配一個或若干個'abc'，但是如果你真的用它去匹配'abcabcabc'的話，實(shí)際上只會找到三個字符。因為這個表達(dá)式的意思是'ab'后邊跟著一個或多個'c'。要想匹配一個或多個完整的'abc'，你應(yīng)該這樣：
(abc)+
正則表達(dá)式能輕而易舉地把你給耍了；這是一種建立在Java 之上的新語言。
CharSequence
JDK 1.4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：
interface CharSequence { charAt(int i); length(); subSequence(int start, int end); toString(); }
為了實(shí)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。
當(dāng)你創(chuàng)建正則表達(dá)式時，可以用這個程序來判斷它是不是會按照你的要求工作。
//: c12:TestRegularExpression.java // Allows you to easly try out regular expressions. // {Args: abcabcabcdefabc "abc+" "(abc)+" "(abc){2,}" } import java.util.regex.*; public class TestRegularExpression { public static void main(String[] args) { if (args.length < 2) { System.out.println("Usage:\n" + "java TestRegularExpression " + "characterSequence regularExpression+" ); System.exit(0); } System.out.println("Input: \" " + args[0] + " \"" ); for (int i = 1; i < args.length; i++) { System.out.println( "Regular expression: \" " + args[i] + " \"" ); Pattern p = Pattern.compile(args[i]); Matcher m = p.matcher(args[0]); while (m.find()) { System.out.println("Match \" " + m.group() + "\" at positions " + m.start() + "-" + (m.end() - 1)); } } } } ///:~ |
Java 的正則表達(dá)式是由java.util.regex 的Pattern 和Matcher 類實(shí)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(注意，原文有誤，漏了方法名)
static boolean matches( 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。
boolean matches() boolean lookingAt() boolean find() boolean find(int start)
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 import java.util.regex.*; import com.bruceeckel.simpletest.*; import java.util.*; public class FindDemo { private static Test monitor = new Test(); public static void main(String[] args) { Matcher m = Pattern.compile("\\w+" ) .matcher("Evening is full of the linnet's wings" ); while (m.find()) System.out.println(m.group()); int i = 0; while (m.find(i)) { System.out.print(m.group() + " " ); i++; } monitor.expect(new String[] { "Evening" , "is" , "full" , "of" , "the" , "linnet" , "s" , "wings" , "Evening vening ening ning ing ng g is is s full " + "full ull ll l of of f the the he e linnet linnet " + "innet nnet net et t s s wings wings ings ngs gs s " }); } } ///:~ |
"\\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。
Groups
Group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。Group 0 表示整個表達(dá)式，group 1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：group 0是ABCD ， group 1是BC ，group 2是C 。
你可以用下述Matcher 方法來使用group：
public int groupCount( ) 返回matcher對象中的group的數(shù)目。不包括group0。
public String group( ) 返回上次匹配操作(比方說find( ) )的group 0(整個匹配)
public String group(int i) 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。
public int start(int group) 返回上次匹配所找到的，group的開始位置。
public int end(int group) 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。
下面我們舉一些group的例子：
//: c12:Groups.java import java.util.regex.*; import com.bruceeckel.simpletest.*; public class Groups { private static Test monitor = new Test(); static public final String poem = "Twas brillig, and the slithy toves\n" + "Did gyre and gimble in the wabe.\n" + "All mimsy were the borogoves,\n" + "And the mome raths outgrabe.\n\n" + "Beware the Jabberwock, my son,\n" + "The jaws that bite, the claws that catch.\n" + "Beware the Jubjub bird, and shun\n" + "The frumious Bandersnatch." ; public static void main(String[] args) { Matcher m = Pattern.compile("(?m)(\\S+)\\s+((\\S+)\\s+(\\S+))$" ) .matcher(poem); while (m.find()) { for (int j = 0; j <= m.groupCount(); j++) System.out.print("[" + m.group(j) + "]" ); System.out.println(); } monitor.expect(new String[]{ "[the slithy toves]" + "[the][slithy toves][slithy][toves]" , "[in the wabe.][in][the wabe.][the][wabe.]" , "[were the borogoves,]" + "[were][the borogoves,][the][borogoves,]" , "[mome raths outgrabe.]" + "[mome][raths outgrabe.][raths][outgrabe.]" , "[Jabberwock, my son,]" + "[Jabberwock,][my son,][my][son,]" , "[claws that catch.]" + "[claws][that catch.][that][catch.]" , "[bird, and shun][bird,][and shun][and][shun]" , "[The frumious Bandersnatch.][The]" + "[frumious Bandersnatch.][frumious][Bandersnatch.]" }); } } ///:~ |
這首詩是Through the Looking Glass 的，Lewis Carroll的"Jabberwocky"的第一部分。可以看到這個正則表達(dá)式里有很多用括號括起來的group，它是由任意多個連續(xù)的非空字符('\S+ ')和任意多個連續(xù)的空格字符('\s+ ')所組成的，其最終目的是要捕獲每行的最后三個單詞；'$ '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(diǎn)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 import java.util.regex.*; import com.bruceeckel.simpletest.*; public class StartEnd { private static Test monitor = new Test(); public static void main(String[] args) { String[] input = new String[] { "Java has regular expressions in 1.4" , "regular expressions now expressing in Java" , "Java represses oracular expressions" }; Pattern p1 = Pattern.compile("re\\w*" ), p2 = Pattern.compile("Java.*" ); for (int i = 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()) // No reset() 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()) // No reset() 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(new String[] { "input 0: Java has regular expressions in 1.4" , "m1.find() 'regular' start = 9 end = 16" , "m1.find() 'ressions' start = 20 end = 28" , "m2.find() 'Java has regular expressions in 1.4'" + " start = 0 end = 35" , "m2.lookingAt() start = 0 end = 35" , "m2.matches() start = 0 end = 35" , "input 1: regular expressions now " + "expressing in Java" , "m1.find() 'regular' start = 0 end = 7" , "m1.find() 'ressions' start = 11 end = 19" , "m1.find() 'ressing' start = 27 end = 34" , "m2.find() 'Java' start = 38 end = 42" , "m1.lookingAt() start = 0 end = 7" , "input 2: Java represses oracular expressions" , "m1.find() 'represses' start = 5 end = 14" , "m1.find() 'ressions' start = 27 end = 35" , "m2.find() 'Java represses oracular expressions' " + "start = 0 end = 35" , "m2.lookingAt() start = 0 end = 35" , "m2.matches() start = 0 end = 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( ) [67] 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(Pattern flags)
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)：
Pattern Pattern.compile(String regex, int flag)
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(canonical decomposition)"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(canonical equivalence)"。 |
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(jìn)行匹配。要想對Unicode字符進(jìn)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(譯者注：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。可以通過嵌入式的標(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(jìn)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(jìn)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(yùn)算符把這些標(biāo)志合使用：
//: c12:ReFlags.java import java.util.regex.*; import com.bruceeckel.simpletest.*; public class ReFlags { private static Test monitor = new Test(); public static void main(String[] args) { Pattern p = Pattern.compile("^java" , Pattern.CASE_INSENSITIVE | Pattern.MULTILINE); Matcher m = p.matcher( "java has regex\nJava has regex\n" + "JAVA has pretty good regular expressions\n" + "Regular expressions are in Java" ); while (m.find()) System.out.println(m.group()); monitor.expect(new String[] { "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(CharSequence charseq) String[] split(CharSequence charseq, int limit)
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 import java.util.regex.*; import com.bruceeckel.simpletest.*; import java.util.*; public class SplitDemo { private static Test monitor = new Test(); public static void main(String[] args) { String input = "This!!unusual use!!of exclamation!!points" ; System.out.println(Arrays.asList( Pattern.compile("!!" ).split(input))); // Only do the first three: System.out.println(Arrays.asList( Pattern.compile("!!" ).split(input, 3))); System.out.println(Arrays.asList( "Aha! String has a split() built in!" .split(" " ))); monitor.expect(new String[] { "[This, unusual use, of exclamation, points]" , "[This, unusual use, of exclamation!!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(jìn)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(String replacement) 將字符串里，第一個與模式相匹配的子串替換成replacement 。
replaceAll(String replacement) ，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(StringBuffer sbuf, String replacement) 對sbuf 進(jìn)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(shí)現(xiàn)更強(qiáng)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(StringBuffer sbuf, String replacement) 。
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 import java.util.regex.*; import java.io.*; import com.bruceeckel.util.*; import com.bruceeckel.simpletest.*; /*! Here's a block of text to use as input to the regular expression matcher. Note that we'll first extract the block of text by looking for the special delimiters, then process the extracted block. !*/ public class TheReplacements { private static Test monitor = new Test(); public static void main(String[] args) throws Exception { String s = TextFile.read("TheReplacements.java" ); // Match the specially-commented block of text above: Matcher mInput = Pattern.compile(" /\\*!(.*)!\\* /" , Pattern.DOTALL) .matcher(s); if (mInput.find()) s = mInput.group(1); // Captured by parentheses // Replace two or more spaces with a single space: s = s.replaceAll(" {2,}" , " " ); // Replace one or more spaces at the beginning of each // line with no spaces. Must enable MULTILINE mode: s = s.replaceAll("(?m)^ +" , "" ); System.out.println(s); s = s.replaceFirst("[aeiou]" , "(VOWEL1)" ); StringBuffer sbuf = new StringBuffer(); Pattern p = Pattern.compile("[aeiou]" ); Matcher m = p.matcher(s); // Process the find information as you // perform the replacements: while (m.find()) m.appendReplacement(sbuf, m.group().toUpperCase()); // Put in the remainder of the text: m.appendTail(sbuf); System.out.println(sbuf); monitor.expect(new String[]{ "Here's a block of text to use as input to" , "the regular expression matcher. Note that we'll" , "first extract the block of text by looking for" , "the special delimiters, then process the" , "extracted block. " , "H(VOWEL1)rE's A blOck Of tExt tO UsE As InpUt tO" , "thE rEgUlAr ExprEssIOn mAtchEr. NOtE thAt wE'll" , "fIrst ExtrAct thE blOck Of tExt by lOOkIng fOr" , "thE spEcIAl dElImItErs, thEn prOcEss thE" , "ExtrActEd blOck. " }); } } ///:~ |
我們用前面介紹的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，所以如果你每次替換的時候還要進(jìn)行一些操作的話，它們是無能為力的。碰到這種情況，你得用appendReplacement( ) ，它能讓你在進(jìn)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"replace n")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(jìn)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 import java.util.regex.*; import java.io.*; import com.bruceeckel.simpletest.*; public class Resetting { private static Test monitor = new Test(); public static void main(String[] args) throws Exception { Matcher m = Pattern.compile("[frb][aiu][gx]" ) .matcher("fix the rug with bags" ); while (m.find()) System.out.println(m.group()); m.reset("fix the rig with rags" ); while (m.find()) System.out.println(m.group()); monitor.expect(new String[]{ "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。
正則表達(dá)式與Java I/O
到目前為止，你看到的都是用正則表達(dá)式處理靜態(tài)字符串的例子。下面我們來演示一下怎樣用正則表達(dá)式掃描文件并且找出匹配的字符串。受Unix的grep啟發(fā)，我寫了個JGrep.java ，它需要兩個參數(shù)：文件名，以及匹配字符串用的正則表達(dá)式。它會把匹配這個正則表達(dá)式那部分內(nèi)容及其所屬行的行號打印出來。
//: c12:JGrep.java // A very simple version of the "grep" program. // {Args: JGrep.java "\\b[Ssct]\\w+"} import java.io.*; import java.util.regex.*; import java.util.*; import com.bruceeckel.util.*; public class JGrep { public static void main(String[] args) throws Exception { if (args.length < 2) { System.out.println("Usage: java JGrep file regex" ); System.exit(0); } Pattern p = Pattern.compile(args[1]); // Iterate through the lines of the input file: ListIterator it = new TextFile(args[0]).listIterator(); while (it.hasNext()) { Matcher m = p.matcher((String)it.next()); while (m.find()) System.out.println(it.nextIndex() + ": " + m.group() + ": " + m.start()); } } } ///:~ |
文件是用TextFile 打開的(本章的前半部分講的)。由于TextFile 會把文件的各行放在ArrayList 里面，而我們又提取了一個ListIterator ，因此我們可以在文件的各行當(dāng)中自由移動(既能向前也可以向后)。
每行都會有一個Matcher ，然后用find( ) 掃描。注意，我們用ListIterator.nextIndex( ) 跟蹤行號。
測試參數(shù)是JGrep.java 和以[Ssct] 開頭的單詞。
還需要StringTokenizer嗎?
看到正則表達(dá)式能提供這么強(qiáng)大的功能，你可能會懷疑，是不是還需要原先的StringTokenizer 。JDK 1.4以前，要想分割字符串，只有用StringTokenizer 。但現(xiàn)在，有了正則表達(dá)式之后，它就能做得更干凈利索了。
//: c12:ReplacingStringTokenizer.java import java.util.regex.*; import com.bruceeckel.simpletest.*; import java.util.*; public class ReplacingStringTokenizer { private static Test monitor = new Test(); public static void main(String[] args) { String input = "But I'm not dead yet! I feel happy!" ; StringTokenizer stoke = new StringTokenizer(input); while (stoke.hasMoreElements()) System.out.println(stoke.nextToken()); System.out.println(Arrays.asList(input.split(" " ))); monitor.expect(new String[] { "But" , "I'm" , "not" , "dead" , "yet!" , "I" , "feel" , "happy!" , "[But, I'm, not, dead, yet!, I, feel, happy!]" }); } } ///:~ |
有了正則表達(dá)式，你就能用更復(fù)雜的模式將字符串分割開來——要是交給StringTokenizer 的話，事情會麻煩得多。我可以很有把握地說，正則表達(dá)式可以取代StringTokenizer 。
要想進(jìn)一步學(xué)習(xí)正則表達(dá)式，建議你看Mastering Regular Expression, 2nd Edition ，作者Jeffrey E. F. Friedl (O'Reilly, 2002)。
總結(jié)
Java的I/O流類庫應(yīng)該能滿足你的基本需求：你可以用它來讀寫控制臺，文件，內(nèi)存，甚至是Internet。你還可以利用繼承來創(chuàng)建新的輸入和輸出類型。你甚至可以利用Java會自動調(diào)用對象的toString( ) 方法的特點(diǎn)(Java僅有的"自動類型轉(zhuǎn)換")，通過重新定義這個方法，來對要傳給流的對象做一個簡單的擴(kuò)展。
但是Java的I/O流類庫及其文檔還是留下了一些缺憾。比方說你打開一個文件往里面寫東西，但是這個文件已經(jīng)有了，這么做會把原先的內(nèi)容給覆蓋了 。這時要是能有一個異常就好了——有些編程語言能讓你規(guī)定只能往新建的文件里輸出。看來Java是要你用File 對象來判斷文件是否存在，因為如果你用FileOutputStream 或FileWriter 的話，文件就會被覆蓋了。
我對I/O流類庫的評價是比較矛盾的；它確實(shí)能干很多事情，而且做到了跨平臺。但是如果你不懂decorator模式，就會覺得這種設(shè)計太難理解了，所以無論是對老師還是學(xué)生，都得多花精力。此外這個類庫也不完整，否則我也用不著去寫TextFile 了。此外它沒有提供格式化輸出的功能，而其他語言都已經(jīng)提供了這種功能。
但是，一旦你真正理解了decorator模式，并且能開始靈活運(yùn)用這個類庫的時候，你就能感受到這種設(shè)計的好處了。這時多寫幾行代碼就算不了什么了。
如果你覺得不解渴(本章只是做個介紹，沒想要面面俱到)，可以去看Elliotte Rusty Harold 寫的Java I/O (O'Reilly, 1999)。這本書講得更深。