javaGrowing

簡介：

java.util.regex是一個用正則表達式所訂制的模式來對字符串進行匹配工作的類庫包。

它包括兩個類： Pattern和 Matcher

首先一個Pattern實例訂制了一個所用語法與PERL的類似的正則表達式經編譯后的模式，然后一個Matcher實例在這個給定的Pattern實例的模式控制下進行字符串的匹配工作。

以下我們就分別來看看這兩個類：

回頁首

Pattern類:

Pattern的方法如下：

一個正則表達式，也就是一串有特定意義的字符，必須首先要編譯成為一個Pattern類的實例，這個Pattern對象將會使用 matcher()方法來生成一個Matcher實例，接著便可以使用該 Matcher實例以編譯的正則表達式為基礎對目標字符串進行匹配工作，多個Matcher是可以共用一個Pattern對象的。

現在我們先來看一個簡單的例子，再通過分析它來了解怎樣生成一個Pattern對象并且編譯一個正則表達式，最后根據這個正則表達式將目標字符串進行分割：

												
														import java.util.regex.*;
public class Replacement{
      public static void main(String[] args) throws Exception {
        // 生成一個Pattern,同時編譯一個正則表達式
        Pattern p = Pattern.compile("[/]+");
        //用Pattern的split()方法把字符串按"/"分割
        String[] result = p.split(
"Kevin has seen《LEON》seveal times,because it is a good film."
+"/ 凱文已經看過《這個殺手不太冷》幾次了，因為它是一部"
+"好電影。/名詞:凱文。");
        for (int i=0; i<result.length; i++)
            System.out.println(result[i]);
      }
}

												
										

輸出結果為：

Kevin has seen《LEON》seveal times,because it is a good film.
凱文已經看過《這個殺手不太冷》幾次了，因為它是一部好電影。
名詞:凱文。

很明顯，該程序將字符串按"/"進行了分段，我們以下再使用 split(CharSequence input, int limit)方法來指定分段的段數，程序改動為：
tring[] result = p.split("Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。"，2);

這里面的參數"2"表明將目標語句分為兩段。

輸出結果則為：

Kevin has seen《LEON》seveal times,because it is a good film.
凱文已經看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。

由上面的例子，我們可以比較出java.util.regex包在構造Pattern對象以及編譯指定的正則表達式的實現手法與我們在上一篇中所介紹的Jakarta-ORO 包在完成同樣工作時的差別，Jakarta-ORO 包要先構造一個PatternCompiler類對象接著生成一個Pattern對象，再將正則表達式用該PatternCompiler類的compile()方法來將所需的正則表達式編譯賦予Pattern類：

PatternCompiler orocom=new Perl5Compiler();

Pattern pattern=orocom.compile("REGULAR EXPRESSIONS");

PatternMatcher matcher=new Perl5Matcher();

但是在java.util.regex包里，我們僅需生成一個Pattern類，直接使用它的compile()方法就可以達到同樣的效果: Pattern p = Pattern.compile("[/]+");

因此似乎java.util.regex的構造法比Jakarta-ORO更為簡潔并容易理解。

回頁首

Matcher類:

Matcher方法如下：

（光看方法的解釋是不是很不好理解？不要急，待會結合例子就比較容易明白了）

一個Matcher實例是被用來對目標字符串進行基于既有模式（也就是一個給定的Pattern所編譯的正則表達式）進行匹配查找的，所有往Matcher的輸入都是通過CharSequence接口提供的，這樣做的目的在于可以支持對從多元化的數據源所提供的數據進行匹配工作。

我們分別來看看各方法的使用：

★matches()/lookingAt ()/find()：
一個Matcher對象是由一個Pattern對象調用其matcher()方法而生成的，一旦該Matcher對象生成,它就可以進行三種不同的匹配查找操作：

1. matches()方法嘗試對整個目標字符展開匹配檢測，也就是只有整個目標字符串完全匹配時才返回真值。
2. lookingAt ()方法將檢測目標字符串是否以匹配的子串起始。
3. find()方法嘗試在目標字符串里查找下一個匹配子串。

以上三個方法都將返回一個布爾值來表明成功與否。

★replaceAll ()/appendReplacement()/appendTail()：
Matcher類同時提供了四個將匹配子串替換成指定字符串的方法：

1. replaceAll()
2. replaceFirst()
3. appendReplacement()
4. appendTail()

replaceAll()與replaceFirst()的用法都比較簡單，請看上面方法的解釋。我們主要重點了解一下appendReplacement()和appendTail()方法。

appendReplacement(StringBuffer sb, String replacement) 將當前匹配子串替換為指定字符串，并且將替換后的子串以及其之前到上次匹配子串之后的字符串段添加到一個StringBuffer對象里，而appendTail(StringBuffer sb) 方法則將最后一次匹配工作后剩余的字符串添加到一個StringBuffer對象里。

例如，有字符串fatcatfatcatfat,假設既有正則表達式模式為"cat"，第一次匹配后調用appendReplacement(sb,"dog"),那么這時StringBuffer sb的內容為fatdog，也就是fatcat中的cat被替換為dog并且與匹配子串前的內容加到sb里，而第二次匹配后調用appendReplacement(sb,"dog")，那么sb的內容就變為fatdogfatdog，如果最后再調用一次appendTail（sb）,那么sb最終的內容將是fatdogfatdogfat。

還是有點模糊？那么我們來看個簡單的程序：

												
														//該例將把句子里的"Kelvin"改為"Kevin"
import java.util.regex.*;
public class MatcherTest{
    public static void main(String[] args) 
                         throws Exception {
        //生成Pattern對象并且編譯一個簡單的正則表達式"Kelvin"
        Pattern p = Pattern.compile("Kevin");
        //用Pattern類的matcher()方法生成一個Matcher對象
        Matcher m = p.matcher("Kelvin Li and Kelvin Chan are both working in Kelvin Chen's KelvinSoftShop company");
        StringBuffer sb = new StringBuffer();
        int i=0;
        //使用find()方法查找第一個匹配的對象
        boolean result = m.find();
        //使用循環將句子里所有的kelvin找出并替換再將內容加到sb里
        while(result) {
            i++;
            m.appendReplacement(sb, "Kevin");
            System.out.println("第"+i+"次匹配后sb的內容是："+sb);
            //繼續查找下一個匹配對象
            result = m.find();
        }
        //最后調用appendTail()方法將最后一次匹配后的剩余字符串加到sb里；
        m.appendTail(sb);
        System.out.println("調用m.appendTail(sb)后sb的最終內容是:"+ sb.toString());
    }
}
												
										

最終輸出結果為：
第1次匹配后sb的內容是：Kevin
第2次匹配后sb的內容是：Kevin Li and Kevin
第3次匹配后sb的內容是：Kevin Li and Kevin Chan are both working in Kevin
第4次匹配后sb的內容是：Kevin Li and Kevin Chan are both working in Kevin Chen's Kevin
調用m.appendTail(sb)后sb的最終內容是：Kevin Li and Kevin Chan are both working in Kevin Chen's KevinSoftShop company.

看了上面這個例程是否對appendReplacement()，appendTail()兩個方法的使用更清楚呢，如果還是不太肯定最好自己動手寫幾行代碼測試一下。

★group()/group(int group)/groupCount()：
該系列方法與我們在上篇介紹的Jakarta-ORO中的MatchResult .group()方法類似(有關Jakarta-ORO請參考上篇的內容)，都是要返回與組匹配的子串內容，下面代碼將很好解釋其用法：

												
														import java.util.regex.*;

public class GroupTest{
    public static void main(String[] args) 
                         throws Exception {
        Pattern p = Pattern.compile("(ca)(t)");        
        Matcher m = p.matcher("one cat,two cats in the yard");
        StringBuffer sb = new StringBuffer();
        boolean result = m.find();
        System.out.println("該次查找獲得匹配組的數量為："+m.groupCount());
        for(int i=1;i<=m.groupCount();i++){
         System.out.println("第"+i+"組的子串內容為： "+m.group(i));
        }
    }
}
												
										

輸出為：
該次查找獲得匹配組的數量為：2
第1組的子串內容為：ca
第2組的子串內容為：t

Matcher對象的其他方法因比較好理解且由于篇幅有限，請讀者自己編程驗證。

回頁首

一個檢驗Email地址的小程序：

最后我們來看一個檢驗Email地址的例程，該程序是用來檢驗一個輸入的EMAIL地址里所包含的字符是否合法，雖然這不是一個完整的EMAIL地址檢驗程序，它不能檢驗所有可能出現的情況，但在必要時您可以在其基礎上增加所需功能。

												
														import java.util.regex.*;
public class Email {
   public static void main(String[] args) throws Exception {
      String input = args[0];
      //檢測輸入的EMAIL地址是否以 非法符號"."或"@"作為起始字符      
      Pattern p = Pattern.compile("^\\.|^\\@");
      Matcher m = p.matcher(input);
      if (m.find()){
        System.err.println("EMAIL地址不能以'.'或'@'作為起始字符");
      }
      //檢測是否以"www."為起始
      p = Pattern.compile("^www\\.");
      m = p.matcher(input);
      if (m.find()) {
        System.out.println("EMAIL地址不能以'www.'起始");
      }
      //檢測是否包含非法字符
      p = Pattern.compile("[^A-Za-z0-9\\.\\@_\\-~#]+");
      m = p.matcher(input);
      StringBuffer sb = new StringBuffer();
      boolean result = m.find();
      boolean deletedIllegalChars = false;
      while(result) {
         //如果找到了非法字符那么就設下標記
         deletedIllegalChars = true;
         //如果里面包含非法字符如冒號雙引號等，那么就把他們消去，加到SB里面
         m.appendReplacement(sb, "");
         result = m.find();
      }
      m.appendTail(sb);
      input = sb.toString();
      if (deletedIllegalChars) {
          System.out.println("輸入的EMAIL地址里包含有冒號、逗號等非法字符，請修改");
          System.out.println("您現在的輸入為: "+args[0]);
          System.out.println("修改后合法的地址應類似: "+input);
     }
   }
}
												
										

例如，我們在命令行輸入：java Email www.kevin@163.net

那么輸出結果將會是：EMAIL地址不能以'www.'起始

如果輸入的EMAIL為@kevin@163.net

則輸出為：EMAIL地址不能以'.'或'@'作為起始字符

當輸入為：cgjmail#$%@163.net

那么輸出就是：

輸入的EMAIL地址里包含有冒號、逗號等非法字符，請修改
您現在的輸入為: cgjmail#$%@163.net
修改后合法的地址應類似: cgjmail@163.net

回頁首

總結：

本文介紹了jdk1.4.0-beta3里正則表達式庫--java.util.regex中的類以及其方法，如果結合與上一篇中所介紹的Jakarta-ORO API作比較，讀者會更容易掌握該API的使用，當然該庫的性能將在未來的日子里不斷擴展，希望獲得最新信息的讀者最好到及時到SUN的網站去了解。

回頁首

結束語：

本來計劃再多寫一篇介紹一下需付費的正則表達式庫中較具代表性的作品，但覺得既然有了免費且優秀的正則表達式庫可以使用，何必還要去找需付費的呢，相信很多讀者也是這么想的:，所以有興趣了解更多其他的第三方正則表達式庫的朋友可以自己到網上查找或者到我在參考資料里提供的網址去看看。

回頁首

參考資料

• java.util.regex的 幫助文檔
  
  
• Dana Nourie 和Mike McCloskey所寫的 Regular Expressions and the Java" Programming Language
  
  
• 需要更多的第三方正則表達式資源以及基于它們所開發的應用程序請看 http://www.meurrens.org/ip-Links/java/regex/index.html
  

回頁首

關于作者

		陳廣佳 Kevin Chen,汕頭大學電子信息工程系工科學士，臺灣大新出版社珠海區開發部，現正圍繞中日韓電子資料使用JAVA開發電子詞典等相關項目。可通過E-mail: cgjmail@163.net于他聯系。