主页 > 新闻资讯 > 大数据编程入门:Java正则表达式

大数据编程入门:Java正则表达式

作者:游老师 浏览次数: 2021-06-30 14:57
在Java中,自带了支持正则表达式的包,那么什么是正则表达式,正则表达式在Java中又有着什么样的作用呢?今天小编带来了大数据编程入门:Java正则表达式这篇文章。
一、Java正则表达式
正则表达式—用来描述或者匹配一系列符合某个语句规则的字符串。
1、正则表达式实例
字符串实际上是一个简单的正则表达式。例如,Hello World正则表达式匹配”Hello World”字符串。
“.”(点)也是一个正则表达式,它与任何字符(如“a”或“1”)匹配。
下表列出了正则表达式的一些示例和说明:
正则表达式 描述
Miuku is so cute 匹配字符串”Miuku is so cute”
Miuku\s+is\s+so\s+cute 其中\s+匹配可以多个空格,此实例匹配为”Miuku is so cute”
^\d+(\.\d+)? ^ 定义了以什么开始
\d+ 匹配一个或多个数字
? 设置括号内的选项是可选的
\. 匹配 "."
可以匹配的实例:"5", "1.5" 和 "2.21"。
2、Java.util.regex包主要包括以下三个类:
Pattern类:
Pattern对象是正则表达式的编译表示。Pattern类没有公共构造函数。要创建Pattern对象,必须首先调用其公共静态编译方法,该方法返回一个Pattern对象。该方法将正则表达式作为其第一个参数。
Matcher类:
Matcher对象是解释和匹配输入字符串的引擎。与Pattern类一样,Matcher没有通用的构造方法。您需要调用Pattern对象的Matcher方法来获得Matcher对象。
PatternSyntaxException:
PatternSyntaxException是一个非强制的异常类,它表示正则表达式模式中的语法错误。
下面的实例中使用正则表达式.*Miuku.* 用于查找字符串中是否包了Miuku子串:
运行结果:
 
二、捕获组
捕获组是一种将多个字符视为单个单元的方法。它是通过将括号中的字符分组来创建的。
例如,正则表达式(dog)创建一个带有“d”、“o”和“g”的组。
捕获组通过从左到右的方括号进行编号。例如,在表达式((A)(B(C)))中,有四个这样的组:
((A)(B(C)))
(A)
(B(C))
(C)
通过调用matcher对象的groupCount方法,可以看到一个表达式有多少个组。groupCount方法返回一个int值,指示matcher对象当前有多个捕获组。
还有一个特殊的组(group(0)),它始终表示整个表达式。groupCount的返回值中不包括该组。
实例:
以下示例显示如何从给定字符串中查找数字字符串:
 
运行结果:
 
三、正则表达式语法
在其他语言中,\\的意思是:我想在正则表达式中插入一个普通(文字)反斜杠,请不要给它任何特别的意义。
在Java中,\\是我意思是:我想插入一个正则表达式的反斜杠,所以它后面的字符有特殊的含义。
因此,在其他语言(如Perl)中,一个反斜杠就足以具有转义功能,而在Java中,正则表达式需要两个反斜杠才能解析为其他语言的转义功能。同样容易理解的是,在Java的正则表达式中,两个\\表示其他语言中的一个\,这就是为什么表示一个数字的正则表达式是\\d,而表示一个普通的斜杠是\\。
System.out.print("\\");    // 输出为 \
System.out.print("\\\\");  // 输出为 \\
字符 说明
\ 将下一个字符标记为特殊字符、文本、反向引用或八进制转义字符。例如,n匹配字符n。\n匹配换行符。序列\\\匹配\\,\\(匹配(。
^ 匹配输入字符串的开头。如果设置了Regexp对象的Multiline属性,^还将匹配“\n”或“\r”之后的位置。
$ 匹配输入字符串的结尾。如果设置了RegExp对象的Multiline属性,$还将匹配"\n"或"\r"之前的位置。
* 零次或多次匹配前面的字符或子表达式。例如,zo* 匹配"z"和"zoo"。* 等效于 {0,}。
+ 一次或多次匹配前面的字符或子表达式。例如,"zo+"与"zo"和"zoo"匹配,但与"z"不匹配。+ 等效于 {1,}。
? 零次或一次匹配前面的字符或子表达式。例如,"do(es)?"匹配"do"或"does"中的"do"。? 等效于 {0,1}。
{n} n 是非负整数。正好匹配 n 次。例如,"o{2}"与"Bob"中的"o"不匹配,但与"food"中的两个"o"匹配。
{n,} n 是非负整数。至少匹配 n 次。例如,"o{2,}"不匹配"Bob"中的"o",而匹配"foooood"中的所有 o。"o{1,}"等效于"o+"。"o{0,}"等效于"o*"。
{n,m} m 和 n 是非负整数,其中 n <= m。匹配至少 n 次,至多 m 次。例如,"o{1,3}"匹配"fooooood"中的头三个 o。'o{0,1}' 等效于 'o?'。注意:您不能将空格插入逗号和数字之间。
? 当此字符后面跟着任何其他限定符(*、+、?、{n}、{n,}、{n,m})之后,匹配模式为“非贪心”,“非贪心”模式匹配搜索最短的可能字符串,而默认“贪心的”模式匹配则搜索可能的最长字符串。例如,在字符串“0000”中,”0+?”只匹配一个“0”,而“0+”匹配所有“0”。
. 匹配除"\r\n"之外的任何单个字符。若要匹配包括"\r\n"在内的任意字符,请使用诸如"[\s\S]"之类的模式。
(pattern) 匹配 pattern 并捕获该匹配的子表达式。可以使用 $0…$9 属性从结果"匹配"集合中检索捕获的匹配。若要匹配括号字符 ( ),请使用"\("或者"\)"。
(?:pattern)
匹配 pattern 但不捕获该匹配的子表达式,即它是一个非捕获匹配,不存储供以后使用的匹配。这对于用"or"字符 (|) 组合模式部件的情况很有用。例如,'industr(?:y|ies) 是比 'industry|industries' 更经济的表达式。
(?=pattern) 执行前向预测前瞻搜索的子表达式,该表达式与模式匹配的字符串开头的字符串相匹配。它是非捕获匹配,也就是说,无法捕获以供以后使用的匹配。例如,’windows(?=95|98|NT|2000)’与“windows 2000”中的“windows”匹配,但与“windows 3.1”中的“windows”不匹配。先预测不占用字符,即匹配后,下一个匹配搜索跟随前一个匹配,而不是先组成预测的字符。
(?!pattern) 执行反向预测先行搜索的子表达式,该搜索与不在与模式匹配的字符串起点处的搜索字符串相匹配。它是非捕获匹配,也就是说,无法捕获以供以后使用的匹配。例如,'Windows (?!95|98|NT|2000)'与“Windows 3.1”中的“Windows”匹配,但与“Windows 2000”中的“Windows”不匹配。先预测不占用字符,即匹配后,下一个匹配搜索跟随前一个匹配,而不是先组成预测的字符。
x|y 匹配 x 或 y。例如,'z|food' 匹配"z"或"food"。'(z|f)ood' 匹配"zood"或"food"。
[xyz] 字符集。匹配包含的任一字符。例如,"[abc]"匹配"plain"中的"a"。
[^xyz] 反向字符集。匹配未包含的任何字符。例如,"[^abc]"匹配"plain"中"p","l","i","n"。
[a-z] 字符范围。匹配指定范围内的任何字符。例如,"[a-z]"匹配"a"到"z"范围内的任何小写字母。
[^a-z] 反向范围字符。匹配不在指定的范围内的任何字符。例如,"[^a-z]"匹配任何不在"a"到"z"范围内的任何字符。
\b 匹配一个字边界,即字与空格间的位置。例如,"er\b"匹配"never"中的"er",但不匹配"verb"中的"er"。
\B 非字边界匹配。"er\B"匹配"verb"中的"er",但不匹配"never"中的"er"。
\cx 匹配 x 指示的控制字符。例如,\cM 匹配 Control-M 或回车符。x 的值必须在 A-Z 或 a-z 之间。如果不是这样,则假定 c 就是"c"字符本身。
\d 数字字符匹配。等效于 [0-9]。
\D 非数字字符匹配。等效于 [^0-9]。
\f 换页符匹配。等效于 \x0c 和 \cL。
\n 换行符匹配。等效于 \x0a 和 \cJ。
\r 匹配一个回车符。等效于 \x0d 和 \cM。
\s 匹配任何空白字符,包括空格、制表符、换页符等。与 [ \f\n\r\t\v] 等效。
\S 匹配任何非空白字符。与 [^ \f\n\r\t\v] 等效。
\t 制表符匹配。与 \x09 和 \cI 等效。
\v 垂直制表符匹配。与 \x0b 和 \cK 等效。
\w 匹配任何字类字符,包括下划线。与"[A-Za-z0-9_]"等效。
\W 与任何非单词字符匹配。与"[^A-Za-z0-9_]"等效。
\xn 匹配 n,此处的 n 是一个十六进制转义码。十六进制转义码必须正好是两位数长。例如,"\x41"匹配"A"。"\x041"与"\x04"&"1"等效。允许在正则表达式中使用 ASCII 代码。
\num 匹配 num,此处的 num 是一个正整数。到捕获匹配的反向引用。例如,"(.)\1"匹配两个连续的相同字符。
\n 标识一个八进制转义码或反向引用。如果 \n 前面至少有 n 个捕获子表达式,那么 n 是反向引用。否则,如果 n 是八进制数 (0-7),那么 n 是八进制转义码。
\nm 标识一个八进制转义码或反向引用。如果 \nm 前面至少有 nm 个捕获子表达式,那么 nm 是反向引用。如果 \nm 前面至少有 n 个捕获,则 n 是反向引用,后面跟有字符 m。如果两种前面的情况都不存在,则 \nm 匹配八进制值 nm,其中 n 和 m 是八进制数字 (0-7)。
\nml 当 n 是八进制数 (0-3),m 和 l 是八进制数 (0-7) 时,匹配八进制转义码 nml。
\un 匹配 n,其中 n 是以四位十六进制数表示的 Unicode 字符。例如,\u00A9 匹配版权符号 (©)。
以上就是关于大数据编程入门:Java正则表达式的部分内容了,希望这篇文章能够对大家有所帮助~
热点排行
推荐文章
立即申请>>