当前位置: 编程技术>其它
正则表达式学习经验分析第1/2页
来源: 互联网 发布时间:2014-10-14
本文导语: 当然,为了指定一种模式,使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时,你需要使用一种特殊的语法。 这里有一个简单例子。正则表达式 [Jj]ava.+ 匹配下列...
当然,为了指定一种模式,使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时,你需要使用一种特殊的语法。
这里有一个简单例子。正则表达式
[Jj]ava.+
匹配下列形式的任何字符串:
首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成
例如,字符串“javaness”匹配这个特殊的正则表达式,但是字符串“Core Java”却不匹配。
如你所见,你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途,使用少量的简单构造(straightforward constructs)就已足够。
字符类是可选自符的集合,用‘['封装,比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围(Unicode落在两个边界之间的所有字符),^表示求补(指定字符外的所有字符)。
有许多预定以的字符类,像d(数字)或p{Sc}(Unicode货币符号),见表12-8和12-9。
大多数字符与它们自身匹配,像上例中的ava字符。
符号.匹配任何字符(可能行终止符(line terminators)除外,这依赖于标识设置(flag settings))
用作转义符,比如.匹配一个句点,\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式,则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”
可以将量词(quantifier)用到表达式中,X+ 表示X重复1次或多次,X* 表示X重复0次或多次,X? 表示X重复0次或1次
默认地,一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀?(称为reluctant或stingy 匹配,用以匹配最小的重复数),和+(称为possessive或贪婪匹配,用以即使在总体匹配失败的情况下也匹配最大的重复数)来更改这种属性。
例如,字符串cab匹配[a-z]*ab,但不匹配[a-z]*+ab。第一种情况下,[a-z]*只匹配字符c,因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配,模式的剩余部分ab就匹配失败(,这样总体也就匹配失败)。
可以使用分组来定义子表达式。将分组封装在()中,如([+-]?)([0-9]+)。然后你可以让模式匹配符(the pattern matcher)返回每个分组的匹配,或者使用n来回引分组(refer back to a group with n),其中n是组号(以1起始)
这里有一个稍微有点复杂却又很有用的正则表达式--它用来描述十进制和十六进制的整数。
[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+
不幸的是,在使用正则表达式的各种程序和库之间,它的语法还没有完全标准化。对基本的构造上已达成了共识,但在细节方面有许多令人“抓狂”的区别(many maddening differences)。Java的正则表达式类使用了与Perl语言类似的语法,但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息,请参考Pattern类的API文档,或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)(刚去第二书店查了一下,东南大学出版社已经引入了其第二版,影印)
表12-8 正则表达式语法
--------------------------------------------------------------------------------
语法 解释
--------------------------------------------------------------------------------
字符
c 字符c
unnnn, xnn, n, nn, nnn 带有十六或八进制值的代码单元
n 八进制0n代表的字符(0
这里有一个简单例子。正则表达式
[Jj]ava.+
匹配下列形式的任何字符串:
首字母是J或j
后续的三个字母是ava
字符串的剩余部分由一个或多个任意字符组成
例如,字符串“javaness”匹配这个特殊的正则表达式,但是字符串“Core Java”却不匹配。
如你所见,你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途,使用少量的简单构造(straightforward constructs)就已足够。
字符类是可选自符的集合,用‘['封装,比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围(Unicode落在两个边界之间的所有字符),^表示求补(指定字符外的所有字符)。
有许多预定以的字符类,像d(数字)或p{Sc}(Unicode货币符号),见表12-8和12-9。
大多数字符与它们自身匹配,像上例中的ava字符。
符号.匹配任何字符(可能行终止符(line terminators)除外,这依赖于标识设置(flag settings))
用作转义符,比如.匹配一个句点,\匹配一个反斜杠。
^和$分别匹配行头和行尾
如果X和Y都是正则表达式,则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”
可以将量词(quantifier)用到表达式中,X+ 表示X重复1次或多次,X* 表示X重复0次或多次,X? 表示X重复0次或1次
默认地,一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀?(称为reluctant或stingy 匹配,用以匹配最小的重复数),和+(称为possessive或贪婪匹配,用以即使在总体匹配失败的情况下也匹配最大的重复数)来更改这种属性。
例如,字符串cab匹配[a-z]*ab,但不匹配[a-z]*+ab。第一种情况下,[a-z]*只匹配字符c,因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配,模式的剩余部分ab就匹配失败(,这样总体也就匹配失败)。
可以使用分组来定义子表达式。将分组封装在()中,如([+-]?)([0-9]+)。然后你可以让模式匹配符(the pattern matcher)返回每个分组的匹配,或者使用n来回引分组(refer back to a group with n),其中n是组号(以1起始)
这里有一个稍微有点复杂却又很有用的正则表达式--它用来描述十进制和十六进制的整数。
[+-]?[0-9]+|0[Xx][0-9A-Fa-f]+
不幸的是,在使用正则表达式的各种程序和库之间,它的语法还没有完全标准化。对基本的构造上已达成了共识,但在细节方面有许多令人“抓狂”的区别(many maddening differences)。Java的正则表达式类使用了与Perl语言类似的语法,但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息,请参考Pattern类的API文档,或者Jeffrey E. F. Friedl的著作《Mastering Regular Expressions》(O'Reilly and Associates, 1997)(刚去第二书店查了一下,东南大学出版社已经引入了其第二版,影印)
表12-8 正则表达式语法
--------------------------------------------------------------------------------
语法 解释
--------------------------------------------------------------------------------
字符
c 字符c
unnnn, xnn, n, nn, nnn 带有十六或八进制值的代码单元
n 八进制0n代表的字符(0