文本匹配

正則表達(dá)式，又稱(chēng)正規(guī)表示法、常規(guī)表示法(英語(yǔ):Regular Expression，在代碼中常簡(jiǎn)寫(xiě)為regex、regexp或RE)，計(jì)算機(jī)科學(xué)的一個(gè)概念。正則表達(dá)式使用單個(gè)字符串來(lái)描述、匹配一系列符合某個(gè)句法規(guī)則的字符串。在很多文本編輯器里，正則表達(dá)式通常被用來(lái)檢索、替換那些符合某個(gè)模式的文本。

常用應(yīng)用

主要是分兩種應(yīng)用

• 文本替換 例如 ide
• 輸入驗(yàn)證 例如 登錄驗(yàn)證
• 文本摘取 例如爬蟲(chóng)

案例

java中的正則表達(dá)式是通過(guò)Pattern實(shí)現(xiàn)的

/**
 * 字符串規(guī)則驗(yàn)證
 * @param regexp 正則表達(dá)式
 * @param str     待驗(yàn)證字符串
 * @return       字符串是否符合正則表達(dá)式規(guī)則
 */
public static boolean test(String regexp,String str){
    //編譯正則表達(dá)式 返回Pattern對(duì)象
    Pattern pattern=Pattern.compile(regexp);
    //驗(yàn)證字符串返回Matcher對(duì)象
    Matcher match = pattern.matcher(str);
    //返回是否在字符串中找到匹配的子字符串
    return match.find();
}

正則表達(dá)式規(guī)則

[] 表示字符集合
() 表示組
\ 轉(zhuǎn)譯
{} 表示個(gè)數(shù)

正則表達(dá)式 實(shí)際上就是通過(guò)一個(gè)簡(jiǎn)化的規(guī)則去描述字符串
比如 "aaaa..." 有25個(gè)a
正則表達(dá)式的描述就是 a{25}
"aaa....bbb...."25個(gè)a 和26個(gè)b
正則表達(dá)式的描述就是 a{25}b{26}
這是精確匹配
假設(shè) 有一堆字符串 "a..."25個(gè)a "a..."10個(gè)a "a..."6個(gè)a
a{6,25} 表示 a個(gè)數(shù)可以是6個(gè) 7個(gè)，8個(gè) 。。。25個(gè)
這種是模糊匹配
假設(shè) 有一堆字符串 "a..."25個(gè)a "a..."10個(gè)a "a..."6個(gè)a
a{6,25} 表示 a個(gè)數(shù)可以是6個(gè) 7個(gè)，8個(gè) 。。。25個(gè)
這種是模糊匹配
那么有兩個(gè)特殊的字符 來(lái)表示
a{1,} === a+ +表示1到多個(gè)
a{0,} === a* *表示0到多個(gè)

[] 集合

"a..b..aabbababab.."26個(gè)字符
假設(shè)有這個(gè)字符串
ab交替混合 不規(guī)則出現(xiàn)
正則表達(dá)式的描述就是 [ab]{26}
[1-5]{26}===[12345]{26}
[a-e]===[abcde]
[0-9]====\d 表示0-9
[A-Za-z0-9_]===\w 表示所有字符
[^0-3]表示不出現(xiàn)0123

\ 轉(zhuǎn)義符

\n 換行符 \t tab符 \r 回車(chē)符 \f 換頁(yè)符 \v 垂直tab
\d 數(shù)字 \w 字符和數(shù)字加下劃線 \s [ \n\t\r\f\v]
\W [^\w] \D [^\d] \S [^\s]
\b 單詞邊界 \B [^\b]

() 組
()括起來(lái)的正則表達(dá)式 表示一個(gè)組
被括起來(lái)的正則表達(dá)式匹配的字符 可以用$1表示
假設(shè)有2個(gè)()
那么第一個(gè)就是$1 第二個(gè)就是$2

 System.out.println("123---123-----123".replaceAll("(1)2(3)","$1a$2b"));
 //輸出
 //1a3b---1a3b-----1a3b

假設(shè)文件a

abc
bcd
ece

對(duì)文件每行的頭尾加上單引號(hào)

String s=readFile();
writeFile(s.replaceAll("(\\w+)\\n","'$1'\n"))

完成一個(gè)Regexp的工具類(lèi)

test方法

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class RegExp {

    /**
     * 字符串規(guī)則驗(yàn)證
     * @param regexp 正則表達(dá)式
     * @param str     待驗(yàn)證字符串
     * @return       字符串是否符合正則表達(dá)式規(guī)則
     */
    public static boolean test(String regexp,String str){
        //編譯正則表達(dá)式 返回Pattern對(duì)象
        Pattern pattern= Pattern.compile(regexp);
        //驗(yàn)證字符串返回Matcher對(duì)象
        Matcher match = pattern.matcher(str);
        //返回是否在字符串中找到匹配的子字符串
        return match.find();
    }

    /**
     *  替換字符串
     * @param source
     * @param regexp
     * @param str
     * @return
     */
    public static String replace(String source,String regexp,String str){
        return source.replaceAll(regexp,str);
    }

    /**
     * 正則表達(dá)式替換方程
     */
    public interface ReplaceFunc{
        /**
         * 根據(jù)輸入的匹配項(xiàng)返回替換的對(duì)象
         * @param args args[0]=matcher args[1]=$1,args[2]=$2 ......
         * @return 替換字符串
         */
         String func(String... args);
    }

    /**
     * 可控的替換過(guò)程
     * @param source 源字符串
     * @param regexp 正則表達(dá)式
     * @param func   替換方法
     * @return
     */
    public static String replace(String source,String regexp,ReplaceFunc func){
        Pattern pattern=Pattern.compile(regexp);
        Matcher matcher = pattern.matcher(source);
        StringBuffer sb = new StringBuffer();
        while(matcher.find()){
            String parms[]=new String[matcher.groupCount()+1];
            for (int i = 0; i <parms.length; i++) {
                parms[i]=matcher.group(i);
            }
            if(parms.length!=0){
                matcher.appendReplacement(sb, func.func(parms));
            }
        }
        matcher.appendTail(sb);
        return sb.toString();
    }
}

例子
這樣我可以控制正則匹配的每一步 并作出對(duì)應(yīng)的操作來(lái)修改返回字符串

String result = RegExp.replace("abc\nbcd\ncdc\n", "(\\w+)\\n", new RegExp.ReplaceFunc() {
    @Override
    public String func(String... args) {
        String $1 = args[1];
        if("abc".equals($1)){
            return "'ABC'\n";
        }else if("bcd".equals($1)){
            return "'BcD'\n";
        }
        return "'" + $1 + "'\n";
    }
});
System.out.println(result);