| 下面我們來看看Jakarta-ORO庫的一些應(yīng)用實(shí)例。 |
| 任務(wù)：分析一個(gè)Web服務(wù)器日志文件，確定每一個(gè)用戶花在網(wǎng)站上的時(shí)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(gè)日志記錄，可以發(fā)現(xiàn)，要從這個(gè)日志文件提取的內(nèi)容有兩項(xiàng)：IP地址和頁面訪問時(shí)間。你可以用分組符號(hào)（圓括號(hào)）從日志記錄提取出IP地址和時(shí)間標(biāo)記。 |
| 首先我們來看看IP地址。IP地址有4個(gè)字節(jié)構(gòu)成，每一個(gè)字節(jié)的值在0到255之間，各個(gè)字節(jié)通過一個(gè)句點(diǎn)分隔。因此，IP地址中的每一個(gè)字節(jié)有至少一個(gè)、最多三個(gè)數(shù)字。圖八顯示了為IP地址編寫的正則表達(dá)式： |
| IP地址中的句點(diǎn)字符必須進(jìn)行轉(zhuǎn)義處理（前面加上“\”），因?yàn)镮P地址中的句點(diǎn)具有它本來的含義，而不是采用正則表達(dá)式語法中的特殊含義。句點(diǎn)在正則表達(dá)式中的特殊含義本文前面已經(jīng)介紹。 |
| 日志記錄的時(shí)間部分由一對(duì)方括號(hào)包圍。你可以按照如下思路提取出方括號(hào)里面的所有內(nèi)容：首先搜索起始方括號(hào)字符（“[”），提取出所有不超過結(jié)束方括號(hào)字符（“]”）的內(nèi)容，向前尋找直至找到結(jié)束方括號(hào)字符。圖九顯示了這部分的正則表達(dá)式。 |
| 現(xiàn)在，把上述兩個(gè)正則表達(dá)式加上分組符號(hào)（圓括號(hào)）后合并成單個(gè)表達(dá)式，這樣就可以從日志記錄提取出IP地址和時(shí)間。注意，為了匹配“- -”（但不提取它），正則表達(dá)式中間加入了“\s-\s-\s”。完整的正則表達(dá)式如圖十所示。 |
圖十：匹配IP地址和時(shí)間標(biāo)記 |
| 現(xiàn)在正則表達(dá)式已經(jīng)編寫完畢，接下來可以編寫使用正則表達(dá)式庫的Java代碼了。 |
| 為使用Jakarta-ORO庫，首先創(chuàng)建正則表達(dá)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(dá)式與圖十的正則表達(dá)式差不多完全相同，但有一點(diǎn)例外：在Java中，你必須對(duì)每一個(gè)向前的斜杠（“\”）進(jìn)行轉(zhuǎn)義處理。圖十不是Java的表示形式，所以我們要在每個(gè)“\”前面加上一個(gè)“\”以免出現(xiàn)編譯錯(cuò)誤。遺憾的是，轉(zhuǎn)義處理過程很容易出現(xiàn)錯(cuò)誤，所以應(yīng)該小心謹(jǐn)慎。你可以首先輸入未經(jīng)轉(zhuǎn)義處理的正則表達(dá)式，然后從左到右依次把每一個(gè)“\”替換成“\\”。如果要復(fù)檢，你可以試著把它輸出到屏幕上。 |
| 初始化字符串之后，實(shí)例化PatternCompiler對(duì)象，用PatternCompiler編譯正則表達(dá)式創(chuàng)建一個(gè)Pattern對(duì)象： |
| 現(xiàn)在，創(chuàng)建PatternMatcher對(duì)象，調(diào)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(duì)象，輸出匹配的組。由于logEntry字符串包含匹配的內(nèi)容，你可以看到類如下面的輸出： |
| 下面一個(gè)任務(wù)是分析HTML頁面內(nèi)FONT標(biāo)記的所有屬性。HTML頁面內(nèi)典型的FONT標(biāo)記如下所示： |
| 程序?qū)凑杖缦滦问剑敵雒恳粋€(gè)FONT標(biāo)記的屬性： |
| 在這種情況下，我建議你使用兩個(gè)正則表達(dá)式。第一個(gè)如圖十一所示，它從字體標(biāo)記提取出“"face="Arial, Serif" size="+2" color="red"”。 |
| 第二個(gè)正則表達(dá)式如圖十二所示，它把各個(gè)屬性分割成名字-值對(duì)。 |
圖十二：匹配單個(gè)屬性，并把它分割成名字-值對(duì) |
| 現(xiàn)在我們來看看完成這個(gè)任務(wù)的Java代碼。首先創(chuàng)建兩個(gè)正則表達(dá)式字符串，用Perl5Compiler把它們編譯成Pattern對(duì)象。編譯正則表達(dá)式的時(shí)候，指定Perl5Compiler.CASE_INSENSITIVE_MASK選項(xiàng)，使得匹配操作不區(qū)分大小寫。 |
| 接下來，創(chuàng)建一個(gè)執(zhí)行匹配操作的Perl5Matcher對(duì)象。 |
| 假設(shè)有一個(gè)String類型的變量html，它代表了HTML文件中的一行內(nèi)容。如果html字符串包含F(xiàn)ONT標(biāo)記，匹配器將返回true。此時(shí)，你可以用匹配器對(duì)象返回的MatchResult對(duì)象獲得第一個(gè)組，它包含了FONT的所有屬性： |
| 接下來創(chuàng)建一個(gè)PatternMatcherInput對(duì)象。這個(gè)對(duì)象允許你從最后一次匹配的位置開始繼續(xù)進(jìn)行匹配操作，因此，它很適合于提取FONT標(biāo)記內(nèi)屬性的名字-值對(duì)。創(chuàng)建PatternMatcherInput對(duì)象，以參數(shù)形式傳入待匹配的字符串。然后，用匹配器實(shí)例提取出每一個(gè)FONT的屬性。這通過指定PatternMatcherInput對(duì)象（而不是字符串對(duì)象）為參數(shù)，反復(fù)地調(diào)用PatternMatcher對(duì)象的contains()方法完成。PatternMatcherInput對(duì)象之中的每一次迭代將把它內(nèi)部的指針向前移動(dòng)，下一次檢測(cè)將從前一次匹配位置的后面開始。 |
| 下面我們來看看另一個(gè)處理HTML的例子。這一次，我們假定Web服務(wù)器從widgets.acme.com移到了newserver.acme.com。現(xiàn)在你要修改一些頁面中的鏈接： |
| 執(zhí)行這個(gè)搜索的正則表達(dá)式如圖十三所示： |
| 如果能夠匹配這個(gè)正則表達(dá)式，你可以用下面的內(nèi)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(dá)式語法用$1、$2等表示已經(jīng)匹配且提取出來的組。圖十三的表達(dá)式把所有作為一個(gè)組匹配和提取出來的內(nèi)容附加到鏈接的后面。 |
現(xiàn)在，返回Java。就象前面我們所做的那樣，你必須創(chuàng)建測(cè)試字符串，創(chuàng)建把正則表達(dá)式編譯到Pattern對(duì)象所必需的對(duì)象，以及創(chuàng)建一個(gè)PatternMatcher對(duì)象： |
| 接下來，用com.oroinc.text.regex包Util類的substitute()靜態(tài)方法進(jìn)行替換，輸出結(jié)果字符串： |
| Util.substitute()方法的語法如下： |
| 這個(gè)調(diào)用的前兩個(gè)參數(shù)是以前創(chuàng)建的PatternMatcher和Pattern對(duì)象。第三個(gè)參數(shù)是一個(gè)Substiution對(duì)象，它決定了替換操作如何進(jìn)行。本例使用的是Perl5Substitution對(duì)象，它能夠進(jìn)行Perl5風(fēng)格的替換。第四個(gè)參數(shù)是想要進(jìn)行替換操作的字符串，最后一個(gè)參數(shù)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(shù)。 |
posted on 2008-06-26 23:01
crazy 閱讀(183)
評(píng)論(0) 編輯 收藏 所屬分類:
java