| 下面我們來看看Jakarta-ORO庫的一些應用實例。 |
| 任務：分析一個Web服務器日志文件，確定每一個用戶花在網站上的時間。在典型的BEA WebLogic日志文件中，日志記錄的格式如下： |
| 分析這個日志記錄，可以發現，要從這個日志文件提取的內容有兩項：IP地址和頁面訪問時間。你可以用分組符號（圓括號）從日志記錄提取出IP地址和時間標記。 |
| 首先我們來看看IP地址。IP地址有4個字節構成，每一個字節的值在0到255之間，各個字節通過一個句點分隔。因此，IP地址中的每一個字節有至少一個、最多三個數字。圖八顯示了為IP地址編寫的正則表達式： |
| IP地址中的句點字符必須進行轉義處理（前面加上“\”），因為IP地址中的句點具有它本來的含義，而不是采用正則表達式語法中的特殊含義。句點在正則表達式中的特殊含義本文前面已經介紹。 |
| 日志記錄的時間部分由一對方括號包圍。你可以按照如下思路提取出方括號里面的所有內容：首先搜索起始方括號字符（“[”），提取出所有不超過結束方括號字符（“]”）的內容，向前尋找直至找到結束方括號字符。圖九顯示了這部分的正則表達式。 |
| 現在，把上述兩個正則表達式加上分組符號（圓括號）后合并成單個表達式，這樣就可以從日志記錄提取出IP地址和時間。注意，為了匹配“- -”（但不提取它），正則表達式中間加入了“\s-\s-\s”。完整的正則表達式如圖十所示。 |
| 現在正則表達式已經編寫完畢，接下來可以編寫使用正則表達式庫的Java代碼了。 |
| 為使用Jakarta-ORO庫，首先創建正則表達式字符串和待分析的日志記錄字符串： |
| 這里使用的正則表達式與圖十的正則表達式差不多完全相同，但有一點例外：在Java中，你必須對每一個向前的斜杠（“\”）進行轉義處理。圖十不是Java的表示形式，所以我們要在每個“\”前面加上一個“\”以免出現編譯錯誤。遺憾的是，轉義處理過程很容易出現錯誤，所以應該小心謹慎。你可以首先輸入未經轉義處理的正則表達式，然后從左到右依次把每一個“\”替換成“\\”。如果要復檢，你可以試著把它輸出到屏幕上。 |
| 初始化字符串之后，實例化PatternCompiler對象，用PatternCompiler編譯正則表達式創建一個Pattern對象： |
| 現在，創建PatternMatcher對象，調用PatternMatcher接口的contain()方法檢查匹配情況： |
| 接下來，利用PatternMatcher接口返回的MatchResult對象，輸出匹配的組。由于logEntry字符串包含匹配的內容，你可以看到類如下面的輸出： |
| 下面一個任務是分析HTML頁面內FONT標記的所有屬性。HTML頁面內典型的FONT標記如下所示： |
| 程序將按照如下形式，輸出每一個FONT標記的屬性： |
| 在這種情況下，我建議你使用兩個正則表達式。第一個如圖十一所示，它從字體標記提取出“"face="Arial, Serif" size="+2" color="red"”。 |
| 第二個正則表達式如圖十二所示，它把各個屬性分割成名字-值對。 |
| 現在我們來看看完成這個任務的Java代碼。首先創建兩個正則表達式字符串，用Perl5Compiler把它們編譯成Pattern對象。編譯正則表達式的時候，指定Perl5Compiler.CASE_INSENSITIVE_MASK選項，使得匹配操作不區分大小寫。 |
| 接下來，創建一個執行匹配操作的Perl5Matcher對象。 |
| 假設有一個String類型的變量html，它代表了HTML文件中的一行內容。如果html字符串包含FONT標記，匹配器將返回true。此時，你可以用匹配器對象返回的MatchResult對象獲得第一個組，它包含了FONT的所有屬性： |
| 接下來創建一個PatternMatcherInput對象。這個對象允許你從最后一次匹配的位置開始繼續進行匹配操作，因此，它很適合于提取FONT標記內屬性的名字-值對。創建PatternMatcherInput對象，以參數形式傳入待匹配的字符串。然后，用匹配器實例提取出每一個FONT的屬性。這通過指定PatternMatcherInput對象（而不是字符串對象）為參數，反復地調用PatternMatcher對象的contains()方法完成。PatternMatcherInput對象之中的每一次迭代將把它內部的指針向前移動，下一次檢測將從前一次匹配位置的后面開始。 |
| 下面我們來看看另一個處理HTML的例子。這一次，我們假定Web服務器從widgets.acme.com移到了newserver.acme.com。現在你要修改一些頁面中的鏈接： |
| 如果能夠匹配這個正則表達式，你可以用下面的內容替換圖十三的鏈接： |
| 注意#字符的后面加上了$1。Perl正則表達式語法用$1、$2等表示已經匹配且提取出來的組。圖十三的表達式把所有作為一個組匹配和提取出來的內容附加到鏈接的后面。 |
現在，返回Java。就象前面我們所做的那樣，你必須創建測試字符串，創建把正則表達式編譯到Pattern對象所必需的對象，以及創建一個PatternMatcher對象： |
| 接下來，用com.oroinc.text.regex包Util類的substitute()靜態方法進行替換，輸出結果字符串： |
| Util.substitute()方法的語法如下： |
| 這個調用的前兩個參數是以前創建的PatternMatcher和Pattern對象。第三個參數是一個Substiution對象，它決定了替換操作如何進行。本例使用的是Perl5Substitution對象，它能夠進行Perl5風格的替換。第四個參數是想要進行替換操作的字符串，最后一個參數允許指定是否替換模式的所有匹配子串（Util.SUBSTITUTE_ALL），或只替換指定的次數。 |
posted on 2008-06-26 23:01
crazy 閱讀(182)
評論(0) 編輯 收藏 所屬分類:
java