Java 正则表达式

正则表达式 基本来讲是一种模式，描述一组具有该共同模式的字符串。如果您是 Perl 程序员，应该非常熟悉 Java 语言中的正则表达式 (regex) 模式语法。但是，如果您不习惯使用正则表达式语法，它可能看起来很怪异。本节指导您在 Java 程序中使用正则表达式。

Regular Expressions API

下面是一组具有某些共性的字符串：

• A string
• A longer string
• A much longer string

注意，这些字符串中的每一个都以 a 开头，以 string 结尾。Java Regular Expressions API 可帮助您将这些元素提取出来，查看它们之间的模式，然后使用已收集的信息做有趣的工作。

Regular Expressions API 有 3 个您几乎总是在使用的核心类：

• Pattern 描述一种字符串模式。
• Matcher 测试一个字符串，查看它是否与模式匹配。
• PatternSyntaxException 告诉您，无法接受您尝试定义的模式的某个方面。

很快您就会开始使用简单的正则表达式模式，该模式使用了这些类。但是在这么做之前，看看 regex 模式语法。

regex 模式语法

regex 模式 描述字符串的结构，表达式会尝试在输入字符串中查找该结构。这是正则表达式可能看起来有点奇怪的地方。但是，一旦您理解了该语法，就可以更轻松地解释它。表 1 列出了在模式字符串中使用的一些最常见的 regex 构造：

表 1. 常见 regex 构造

前几种构造称为 量词 ，因为它们对之前的内容进行量化。\d 等构造是预定义的字符类。任何在一种模式中没有特殊含义的字符都是文字并与自身匹配。

模式匹配

掌握 表 1 中的模式语法后，就能理解清单 1 中的简单示例了，这个示例使用了 Java Regular Expressions API 中的类。

清单 1. 使用 regex 进行模式匹配

Pattern pattern = Pattern.compile("a.*string");
  Matcher matcher = pattern.matcher("a string");
  boolean didMatch = matcher.matches();
  Logger.getAnonymousLogger().info (didMatch);
  int patternStartIndex = matcher.start();
  Logger.getAnonymousLogger().info (patternStartIndex);
  int patternEndIndex = matcher.end();
  Logger.getAnonymousLogger().info (patternEndIndex);

首先，清单 1 调用 compile()（ Pattern 上的一个静态方法）来创建一个 Pattern 类，并使用一个字符串文字来表示想要匹配的模式。该文字使用了 regex 模式语法。在本例中，该模式的中文翻译为：

_找到一个具有以下形式的字符串：A 或 a 后跟零或更多个字符，然后是 string。

匹配方法

接下来，清单 1 在 Pattern 上调用 matcher()。该调用创建一个 Matcher 实例。 然后 Matcher 搜索您传入的字符串，寻找与您在创建 Pattern 时使用的模式字符串相匹配的结果。

每个 Java 语言字符串都是一个带索引的字符集合，索引从 0 开始，到字符串长度减 1 结束。Matcher 从 0 开始解析该字符串，寻找与它匹配的结果。处理完成后，Matcher 包含有关在输入字符串中找到（或未找到）匹配结果的信息。可在 Matcher 上调用各种方法来访问该信息：

• matches() 告诉您整个输入序列是否与该模式准确匹配。
• start() 告诉您匹配的字符串在输入字符串中开始处的索引值。
• end() 告诉您匹配的字符串在输入字符串中结束处的索引值加 1 的结果。

清单 1 找到了一个从 0 开始，到 7 结束的匹配结果。因此，调用 matches() 会返回 true，调用 start() 会返回 0，调用 end() 会返回 8。

lookingAt() 与 matches()

如果字符串中的元素比搜索模式中的字符要多，可使用 lookingAt() 代替 matches()。lookingAt() 搜索与给定模式匹配的子字符串。例如，考虑下面这个字符串：

Here is a string with more than just the pattern.

您可在此字符串中搜索 a.*string，而且如果使用 lookingAt()，就会获得一个匹配结果。但是如果使用 matches()，就会返回 false，因为字符串中包含的内容比模式中的多。

regex 中的复杂模式

可使用 regex 类轻松完成简单的搜索，同时也可使用 Regular Expressions API 执行非常复杂的操作。

Wiki 几乎完全基于正则表达式。Wiki 内容基于用户的字符串输入，并且使用正则表达式来解析和格式化该输入。 任何用户都可输入一个 wiki 词组，从而在 wiki 中创建另一个主题的链接，这个词组通常是一系列串联的单词，每个单词以一个大写字母开头，类似这样：

MyWikiWord

假设一个用户输入下面这个字符串：

Here is a WikiWord followed by AnotherWikiWord, then YetAnotherWikiWord.

您可使用 regex 模式在这个字符串中搜索 wiki 单词，类似这样：

[A-Z][a-z]*([A-Z][a-z]*)+

下面是搜索 wiki 单词的代码：

String input = "Here is a WikiWord followed by AnotherWikiWord, then SomeWikiWord.";
Pattern pattern = Pattern.compile("[A-Z][a-z]*([A-Z][a-z]*)+");
Matcher matcher = pattern.matcher(input);
while (matcher.find()) {
  Logger.getAnonymousLogger().info("Found this wiki word:" + matcher.group());
}

运行此代码，应在控制台中看到 3 个 wiki 单词。

替换字符串

搜索匹配内容很有用，但也可在找到匹配字符串后操作它们。您可将匹配的字符串替换为其他字符串，就像在文字处理程序中搜索一些文本并将它替换为其他文本一样。Matcher 有两个替换字符串元素的方法：

• replaceAll() 将所有匹配值替换为一个指定的字符串。
• replaceFirst() 仅将第一个匹配值替换为一个指定的字符串。

使用 Matcher 的 replace 方法很简单：

String input = "Here is a WikiWord followed by AnotherWikiWord, then SomeWikiWord.";
Pattern pattern = Pattern.compile("[A-Z][a-z]*([A-Z][a-z]*)+");
Matcher matcher = pattern.matcher(input);
Logger.getAnonymousLogger().info("Before:" + input);
String result = matcher.replaceAll("replacement");
Logger.getAnonymousLogger().info("After:" + result);

与之前一样，此代码会查找 wiki 单词。Matcher 找到一个匹配值时，它会将该 wiki 单词文本替换为相应的替换值。运行该代码时，可在控制台上看到以下消息：

Before:Here is WikiWord followed by AnotherWikiWord, then SomeWikiWord.
  After:Here is replacement followed by replacement, then replacement.

如果使用 replaceFirst()，则会看到此消息：

Before:Here is a WikiWord followed by AnotherWikiWord, then SomeWikiWord.
  After:Here is a replacement followed by AnotherWikiWord, then SomeWikiWord.

匹配和操作分组

搜索一个 regex 模式的匹配结果时，可获得有关找到的结果的信息。您已在 Matcher 的 start() 和 end() 方法上看到过该功能。但也可以通过捕获 分组 来引用匹配值。

在每种模式中，通常通过将模式的各部分放在圆括号中来创建分组。分组从左向右编号，从 1 开始编号（分组 0 表示完整的匹配结果）。清单 2 中的代码将每个 wiki 单词替换为一个“包含”该单词的字符串：

清单 2. 匹配分组