前言
上一篇文章我們學(xué)習(xí)了正則表達(dá)式原理，這次我們學(xué)習(xí)下怎么寫正則表達(dá)式。這里，我們不會學(xué)習(xí)正則表達(dá)式的各種符號，如果不經(jīng)常寫，那么肯定是會忘的。到時候如果要想寫那么還需我們再去查資料。這里我們主要學(xué)習(xí)下在Java中如何使用正則，以及怎么寫出高效的正則表達(dá)式。
在Java中使用正則
先來干的，說下在Java中如何使用正則表達(dá)式。
通常情況下，我們做一個字符串的分割匹配之類的可能就直接使用String方法自帶的api來完成了。這里我們學(xué)習(xí)下正則表達(dá)式的實(shí)際使用流程，以及實(shí)際應(yīng)用場景的使用。
在正則表達(dá)式原理中，我們知道對于一個正則表達(dá)式，計算機(jī)需要把這個正則表達(dá)式翻譯成一個自動機(jī)。在Java中這個自動機(jī)就是：Pattern。所以第一步就是將正則編譯成Pattern。
Pattern p = Pattern.compile("regex");
然后我們用我們的目標(biāo)字符串去匹配。得到一個匹配結(jié)果。Java的正則原理是基于NFA的，支持的能力很全面。因此匹配結(jié)果中會有很多的信息。而這個結(jié)果在Java中就是Matcher，匹配器。這個匹配結(jié)果包含了我們想要的所有匹配信息。
String target = "targetString";
Matcher m = p.matcher(target);
現(xiàn)在我們拿到了匹配結(jié)果，這時候就可以從匹配結(jié)果中找到我們想要的信息了。
- 判斷target整串是否符合正則表達(dá)式
boolean isMatch = m.matchers();
- 獲取所有匹配的子串
List<String> result = new ArrayList<String>();
m.reset();
while(m.find()) {
result.add(target.subString(m.start(), m.end());
}
- 判斷target內(nèi)是否有符合正則規(guī)則的子串
boolean hasMatch = m.lookingAt();
- 替換符合正則規(guī)則的子串
String replaceAll = m.replaceAll("xxx");
String replaceFirst = m.replaceFirst("xxx");
注意事項(xiàng)：
- Matcher的matches(),lookingAt()，find()都會受到檢索范圍的影響。
- find(int start），replaceAll(),replaceFirst()，reset()不受影響。
- 另外Matcher的start和end屬性是整個串的index，與檢索范圍無關(guān)。
- 可以使用region(int start, int end)來確定要檢索的范圍。
Java中正則的數(shù)量詞模式
我們知道Java的量詞有*和+。那么數(shù)量詞模式又是什么呢？
正則表達(dá)式原理中我們知道NFA在匹配的時候需要兩個原則，1是量詞的優(yōu)先類型，2是后進(jìn)先出（回溯路徑）。因?yàn)榱吭~的優(yōu)先類型不同可能得到的匹配結(jié)果，和匹配的速度也不相同。
Java有三種數(shù)量詞模式：Greedy（貪婪），Reluctant（懶惰），Possessive（獨(dú)占）。
聽名字可能不知道是干啥，我們來分別介紹下。
- 貪婪模式是默認(rèn)的模式，正常使用數(shù)量詞時就是貪婪模式，他會盡可能多的匹配字符串。說白了就是量詞優(yōu)先。
- 懶惰模式，量詞后面加？。盡可能少的匹配被量詞修飾的字符串。
- 獨(dú)占模式，量詞后面加+，與貪婪相同量詞優(yōu)先，盡可能多匹配字符串，但是不會回溯。
舉個例子，對于正則表達(dá)式（".*"）來說，三種表達(dá)如下：
String target = "start \"hello world\" haha \"hello java\" 666 \"hello android\"";
Pattern greedy = Pattern.compile("\".*\"");
Pattern reluctant = Pattern.compile("\".*?\"");
Pattern possessive = Pattern.compile("\".*+\"");
我們可以看到這個正則表達(dá)式的意思就是要匹配雙引號以及雙引號包含的內(nèi)容。那么這三種寫法的結(jié)果分別是什么呢？
greedy的匹配結(jié)果："hello world" haha "hello java" 666 "hello android"
reluctant的匹配結(jié)果："hello world", "hello java", "hello android"（三個結(jié)果）
possessive的匹配結(jié)果：無
對于貪婪模式，盡可能多的匹配，因?yàn)槭牵?* ），所以最后的引號也會匹配到（.* ）中，這時明顯匹配失敗了，這時就會回溯到上一個選擇的路徑就是對于引號的匹配是用（.*）還是（" ），這時選擇（"）匹配成功得到 "hello world" haha "hello java" 666 "hello android"。
懶惰模式是盡可能少的匹配量詞修飾的字符串，因此會得到三個符合要求的結(jié)果。
而獨(dú)占模式就是匹配失敗后不會產(chǎn)生回溯因此匹配結(jié)果是空。
高效的使用正則表達(dá)式
優(yōu)化使用正則表達(dá)式主要是從兩點(diǎn)出發(fā)，1是優(yōu)化正則表達(dá)式本身，我們知道NFA型的正則表達(dá)式是以正則為主導(dǎo)的，正則表達(dá)式的寫法不同對于匹配的速度還是有影響的。優(yōu)化正則表達(dá)式本身的思路就是減少回溯，僅可能精準(zhǔn)的匹配想要匹配的字符。2、使用過程的優(yōu)化，工具本身帶有的給正則的屬性以及自身使用正則的習(xí)慣優(yōu)化。
- 避免重新編譯
String target0 = "target0";
String target1 = "target1";
//這樣的寫法"abc“這個正則會被編譯兩次
target0.matcher("abc");
target1.matcher("abc");
//"abc"只會被編譯一次
Pattern p = Pattern.compline("abc”);
boolean isMatch0 = p.matcher(target0).matchers();
boolean isMatch1 = p.matcher(target1).matchers();
不要濫用括號，使用非捕獲型括號
Java中的括號表示捕獲組的概念，捕獲組在匹配時會有一些引用，造成一些額外的開銷，因此能不用括號盡量不用括號。另外，當(dāng)我們要使用括號表示一個組的時候，如果我們不需要引用括號內(nèi)的文本，我們可以使用非捕獲型括號：（？：）。量詞等價轉(zhuǎn)換
對java來說：\d\d\d\d要比\d{4}快（Perl、Python、PHP正好相反）
====比={4}要快（Perl、Ruby和.NET優(yōu)化手段更高級，兩者一樣快）
另外，使用正確的量詞（+、*、?、{n,m}），如果能夠限定長度，那就最好了。不要濫用字符組
如果像這樣的字符組”[:]“，里面只有字符，那么這樣程序就有處理字符組的代價。使用.和這樣的原符號時也不要用[.][]來轉(zhuǎn)義，我們應(yīng)該使用轉(zhuǎn)義符來轉(zhuǎn)義，而不是用字符組。使用邊界匹配符
使用正確的邊界匹配符（^、$、\b、\B等），限定搜索字符串位置避免過多回溯
首先優(yōu)化量詞的使用，對于特定的業(yè)務(wù)場景，查看是需要先優(yōu)先量詞還是忽略量詞，對于java來說就是使用貪婪模式還是使用懶惰模式。
另外警惕過度回溯，比如”([abc]|[aef])+“這個正則表達(dá)式匹配”aaaaaaaaaaaaaa1"的時候耗時會非常的長，因?yàn)樗谧詈蟀l(fā)現(xiàn)1匹配的時候，會回溯到上一個a，然后嘗試用[aef]匹配，然后[aef]中有a，然后再去匹配1，發(fā)現(xiàn)不匹配，又回退到倒數(shù)第二個a，依次類推，回溯的次數(shù)變成了指數(shù)級。解決方式，第二個去掉a(會回溯一次)，或者使用獨(dú)占模式([abc][aef])++（不會產(chǎn)生回溯）。使用工具驗(yàn)證
檢測修改，有時你認(rèn)為的優(yōu)化可能禁止了其他你不知道的已經(jīng)生效的優(yōu)化?；蛘吣銉?yōu)化了正則，但是正確性卻不存在了。附上一個調(diào)試正則表達(dá)式的網(wǎng)址：http://regex.zjmainstay.cn/。
總結(jié)
正則表達(dá)式是個很強(qiáng)大的東西，雖然平時我們只是用了它皮毛，但是如果使用不當(dāng)還是會遇到一些問題的。因此了解它的原理，知道如何正確使用它還是很有必要的。這里我們也只是大致學(xué)習(xí)了平時自己不了解的正則相關(guān)的知識，當(dāng)然還有很多正則相關(guān)的內(nèi)容這里是沒有覆蓋到的，感興趣的同學(xué)可以去看精通正則表達(dá)式這本書。
