`
gk23
  • 浏览: 171931 次
  • 性别: Icon_minigender_1
  • 来自: 北京
社区版块
存档分类
最新评论

正则表达式经验总结一

正则表达式GoogleOO
阅读更多

文章出处：http://topic.csdn.net/u/20080627/14/8a91b33a-f35c-4303-85b5-e0a8da462202.html

1 多行匹配
2 不以某某开头 ，比如不以www开头
3 不区分大小写
4 2个单元的或操作，比如  www ¦ 3w 都可以这种

火龙果回答：

1：多行匹配

在默认的情况下 . 是不能匹配行结束符的（行结束符有 6 个，具体的可以看看 Pattern 的 API DOC）
同样，可以像不匹配大小写匹配那样使用编译参数：Pattern.DOTALL

如果还得区分大小写的话，还得加上上面说到的 Pattern.CASE_INSENSITIVE 这个，举个例子：

 

 

Java代码 复制代码
  1. import java.util.regex.Matcher;   
  2. import java.util.regex.Pattern;public class Test {   
  3.   
  4.     public static void main(String[] args) {   
  5.         String str =    
  6.                 "<table>                \n" +   
  7.                 "  <tr>                 \n" +   
  8.                 "    <td>               \n" +   
  9.                 "       Hello World!    \n" +   
  10.                 "    </td>              \n" +   
  11.                 "  </tr>                \n" +   
  12.                 "</table>";   
  13.         String regex = "<td>(.+?)</td>";   
  14.         Pattern pattern = Pattern.compile(regex);   
  15.         Matcher matcher = pattern.matcher(str);   
  16.         while(matcher.find()) {   
  17.             System.out.println(matcher.group(1).trim());   
  18.         }           
  19.     }   
  20. }  
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test {

    public static void main(String[] args) {
        String str = 
                "<table>                \n" +
                "  <tr>                 \n" +
                "    <td>               \n" +
                "       Hello World!    \n" +
                "    </td>              \n" +
                "  </tr>                \n" +
                "</table>";
        String regex = "<td>(.+?)</td>";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);
        while(matcher.find()) {
            System.out.println(matcher.group(1).trim());
        }        
    }
}

 

 

 

 

 

上面这个是不能从 str 抽取出东西的，因为 td 的后面带有换行符，我们只要更改一下：

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL);

这样就行了，如果 td 还得不区分大小写的话，再改成：

Pattern pattern = Pattern.compile(regex, Pattern.DOTALL | Pattern.CASE_INSENSITIVE);

这样的话，td 哪怕是大写的这个表达式都能把 td 之间的字符区抽取出来。

当然和 Pattern.CASE_INSENSITIVE 一样，Pattern.DOTALL 也有内嵌标志表达式，即 (?s)
s 的意思表示 single-line 就是忽略换行符什么的，只看成单行进行处理。

这个表达式使用内嵌 (?s) 的话可以改为：

String regex = "(?s)<td>(.+?)</td>";

如果还要不区分大小写的话，再加上 i 标志：
String regex = "(?s)(?i)<td>(.+?)</td>";

但这样显得很拖沓，可以把它们合并起来：
String regex = "(?is)<td>(.+?)</td>";    // 秩序无所谓

最后需要说明一下的是，我曾看到过由于不明白 DOTALL，为了让 . 匹配行结束符，直接把表达式写成：

String regex = "<td>((.|\\s)+?)</td>";

这样做是极其危险的，由于选择结构的匹配效率问题，这样做在比较长的字符串时会造成堆栈溢出，
使程序崩溃，如果使用 DOTALL 或者 (?s) 的话就不会出现这种情况。

2：不以某某开头 ，比如不以www开头

Java代码 复制代码
  1. public class Test {   
  2.   
  3.     public static void main(String[] args) {   
  4.         String[] strs = {   
  5.                 "abc1232",  "wwwadsf",   
  6.                 "awwwfas",  "wwadfsf",   
  7.                 "", "ww", " ", "www"  
  8.             };   
  9.         String regex = "(?:(?!^www).)*";   
  10.         for(String str : strs) {   
  11.             System.out.printf("%-7s %s%n", str, str.matches(regex));   
  12.         }   
  13.     }   
  14. }  
public class Test {

    public static void main(String[] args) {
        String[] strs = {
                "abc1232",  "wwwadsf",
                "awwwfas",  "wwadfsf",
                "", "ww", " ", "www"
            };
        String regex = "(?:(?!^www).)*";
        for(String str : strs) {
            System.out.printf("%-7s %s%n", str, str.matches(regex));
        }
    }
}

 

 

(?!X) 专业名称为 Negative Lookahead，表示字符间缝隙后面不允许出现的字符，
即匹配字符间的缝隙，如果缝隙后的字符不是 X 的话，那这个缝隙就匹配成功。

举个例子，aab 和 aac，现有表达式 aa(?!b) 这时我们能匹配到的字符串是 aac，
因为 aa 的后面的缝隙之后不允许出现字符 b，因此只有 aac 进行了匹配。

再来看个示例：

Java代码 复制代码
  1. public class Test {   
  2.     public static void main(String[] args) {   
  3.         String str = "AQuickBrownFoxJumpsOverTheLazyDog";   
  4.         String[] strs = str.split("(?<!^)(?=[A-Z])");   
  5.         for(String s : strs) {   
  6.             System.out.println(s);   
  7.         }   
  8.     }   
  9. }  
public class Test {
    public static void main(String[] args) {
        String str = "AQuickBrownFoxJumpsOverTheLazyDog";
        String[] strs = str.split("(?<!^)(?=[A-Z])");
        for(String s : strs) {
            System.out.println(s);
        }
    }
}

 

 

 

根据大写字母拆分字符串。当然了，这个使用字符串进行分析同样也能进行拆分，
但是使用正则表达式来拆的话更为便捷直观一些。

在进行这种拆分时，由于在拆分后的字符数不能减少，因此只能使用零宽度的
lookaround 功能进行匹配，lookaround 包括四个，即：

(?=X)  (?!X)  (?<=X)  (?<!X)

来看一下这个表达式：(? <!^)(?=[A-Z])

前面说到过 (?!) 表示缝隙后面不允许出现的东西，而 (? <!) 表示缝隙前不允许出现的东西。
(?=) 表示缝隙后允许出现的东西，(? <=) 表示缝隙前允许出现的东西。

这个表达式在拆分时，根据零宽度匹配缝隙进行拆分的，这个缝隙必须满足以下条件：

(? <!^) 表示缝隙不允许前不能是行开始，即缝隙不能出现在首字母的前面。
(?=[A-Z]) 表示缝隙后面允许出现 A-Z 的大写字母。

这时这个表达式就匹配了下面带有 ¦ 的缝隙：

A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog
PS：不加 (?<!^) 的话，会变成：
|A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

根据 split 的功能，正则表达式处理程序就根据上面的 ¦ 将字符串给拆分开来了。


3，不区分大小写
不加任何限制的匹配是匹配分大小写的，但是正则表达式中可以进行改变，
有两种方式：参数式和内嵌式。

来看个示例：

 

Java代码 复制代码
  1. import java.util.regex.Matcher;   
  2. import java.util.regex.Pattern;public class Test {   
  3.   
  4.     public static void main(String[] args) {           
  5.         String str = "Book";   
  6.         Pattern pattern = Pattern.compile("book");   
  7.         Matcher matcher = pattern.matcher(str);   
  8.         System.out.println(matcher.matches());   
  9.     }   
  10. }  
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test {

    public static void main(String[] args) {        
        String str = "Book";
        Pattern pattern = Pattern.compile("book");
        Matcher matcher = pattern.matcher(str);
        System.out.println(matcher.matches());
    }
}

 

 

 

 

 

 

 

 

 

上面的这个表达式 book 是不能匹配字符串 Book 的，这时我们只要给定编译时的参数就可以了：

Pattern pattern = Pattern.compile("book", Pattern.CASE_INSENSITIVE);

Pattern.CASE_INSENSITIVE 这是一个 int 类型的常量，值为 2。表示表达式忽略大小写进行区配。

如果我们不采用 Pattern 和 Matcher 两个类来匹配的话，只是使用 String 的 matches 方法的话，
我们就不能指定表达式的编译参数了，这时就需要采用内嵌标志表达式了，与 Pattern.CASE_INSENSITIVE
对应的内嵌标志表达式是 (?i)，它有四种形式：
1，(?i)
2，(?-i)
3，(?i:X)
4，(?-i:X)
不带有 - 的是开标志，带有 - 的是关标志。

把上面的代码改成这样：

Java代码 复制代码
  1. public class Test {   
  2.   
  3.     public static void main(String[] args) {           
  4.         String str = "Book";   
  5.         String regex = "(?i)book";   
  6.         System.out.println(str.matches(regex));   
  7.     }   
  8. }  
public class Test {

    public static void main(String[] args) {        
        String str = "Book";
        String regex = "(?i)book";
        System.out.println(str.matches(regex));
    }
}

 

 

 

我们就达到了同样的效果，当然这样并不是最好的，因为字符串中只有 B 是大写的，
我们没有必要把所有的字符都进行不区分大小写匹配，我们可以在打开标志，用 (?i) 的
第二种形式马上关掉它：
    String regex = "(?i)b(?-i)ook";

这样的话，只有 b 是区分大小写了，而 (?-i) 后面的还是得区分大小写匹配的。这样写
可能看上去很不顺眼，我们还能使用第 3 种形式直接指定某些字符是不区分大小写的。
    String regex = "(?i:b)ook";

这样的表达式与上面的那个在语义上是相同的。就效率上肯定是优于一下子开，一下子关的。

可见内嵌标志表达式要比指定编译参数的功能强大许多。

使用建议：如果能确定某些字符的大小写时，尽量使用已确定的字符，对于不确定的可以采用
(?i:X) 的方式指定。因此打开不区分大小写开关时，对匹配的性能是有一定影响的。

思考一下：String regex = "(?i)b(?-i:oo)k"; 这个表达式的意思？


另外：第 1 和第 4，我没看明白需要了解什么，请在下面的楼层中具体地说明一下。

4：2个单元的或操作

¦ 称为多选结构，用于匹配 ¦ 之中的任何一个，拿你的例子来说明：

 

Java代码 复制代码
  1. import java.util.regex.Matcher;   
  2. import java.util.regex.Pattern;public class Test {   
  3.   
  4.     public static void main(String[] args) {   
  5.         String str =    
  6.                 "<img src=\"http://www.google.com/1.gif\"/>\n" +   
  7.                 "<img src=\"http://3w.google.com/1.gif\"/>\n" +   
  8.                 "<img src=\"http://abc.baidu.com/1.gif\"/>";   
  9.         String regex = "<img\\ssrc=\"http://(?:ww|3)w.google.com/1.gif\"/>";   
  10.         Pattern pattern = Pattern.compile(regex);   
  11.         Matcher matcher = pattern.matcher(str);   
  12.         while(matcher.find()) {   
  13.             System.out.println(matcher.group());   
  14.         }           
  15.     }   
  16. }  
import java.util.regex.Matcher;
import java.util.regex.Pattern;public class Test {

    public static void main(String[] args) {
        String str = 
                "<img src=\"http://www.google.com/1.gif\"/>\n" +
                "<img src=\"http://3w.google.com/1.gif\"/>\n" +
                "<img src=\"http://abc.baidu.com/1.gif\"/>";
        String regex = "<img\\ssrc=\"http://(?:ww|3)w.google.com/1.gif\"/>";
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(str);
        while(matcher.find()) {
            System.out.println(matcher.group());
        }        
    }
}

 

 

 

 

 

 

 

注意到其中的 (?:ww ¦3) 在进行多选匹配时尽量找出多选中的规律，以减少多选的字符，
www 和 3w 在最后一个字符可以共用，前面的不一样。

(?: ) 的意思表示组成一组，如果没有 (?: ) 这样的话，表达式就变成了：

String regex = "<img\\ssrc=\"http://ww|3w.google.com/1.gif\"/>";

这样的语义完全变掉了， ¦ 是在一组中进行选择，由于上面的那个表达式中没有组，就把整个表
达式作为了一组，使用 ¦ 的话，就进行了整个表达式的多选结构了。这个表达式的意思是：
匹配 <img ssrc="http://ww 或者是 3w.google.com/1.gif"/>，这样的结果并不是我们所要的。

我们仅仅需要在 ww 和 3 之间进行选择，这时只要把 ww 和 3 放在一组中进行多选择就可以了，
变成 (?:ww ¦3)。

还有，在多选结构中尽量把出现频率高的放在前面，这样可以加快匹配速度。

多选结构的效率在传统型的引擎中是效率低下的，如果是单个字符的选择，比如 a $ & 之中的一个，
那就不要使用 (?:a ¦$ ¦&) 了，可以直接使用字符类 [a$&] 就可以了。

5:split分割字母和数字，简单正则缝隙

 

Java代码 复制代码
  1. public class Test01 {   
  2.     public static void main(String[] args) {   
  3.         String str = "one123";   
  4.         String regex = "(?<=one)(?=123)";   
  5.         String[] strs = str.split(regex);   
  6.         for(int i = 0; i < strs.length; i++) {   
  7.             System.out.printf("strs[%d] = %s%n", i, strs[i]);   
  8.         }   
  9.     }   
  10. }  
public class Test01 {
    public static void main(String[] args) {
        String str = "one123";
        String regex = "(?<=one)(?=123)";
        String[] strs = str.split(regex);
        for(int i = 0; i < strs.length; i++) {
            System.out.printf("strs[%d] = %s%n", i, strs[i]);
        }
    }
}

 

分享到：
| (转)深入浅出之正则表达式
评论
发表评论

您还没有登录,请您登录后再发表评论

相关推荐

    正则表达式应用总结

    本文档结合多年使用正则表达式经验，总结正则表达式使用方式以及常见的正则表达式的表达。希望有助于您的学习！

    Apache重写与正则表达式经验总结

    自己在工作中对正则表达式，apache重写规则等常用到的总结。

    正则表达式经验谈 学习正则表达式的好帮手

    正则表达式经验谈 总结正则表达式常用的方法及出现的问题

    精通正则表达式~~~

    方法1：依据经验构建正则表达式... 262 真正的“消除循环”解法... 264 方法2：自顶向下的视角... 266 方法3：匹配主机名... 267 观察... 268 使用固化分组和占有优先量词... 268 简单的消除循环的例子... ...

    正则表达式个人学习总结

    正则表达式学习的最好的教程，纯个人经验总结，适合初学者

    [精通正则表达式(第三版)]

    第 1 章 正则表达式入门 29 解决实际问题 30 作为编程语言的正则表达式 32 以文件名做类比 32 以语言做类比 33 正则表达式的思维框架 34 对于有部分经验的读者 34 Egrep元字符 36 行的起始和结束 36 字符组...

    验证中的正则表达式总结

    总结了点正则表达式的经验《===================共享共享

    常用的正则表达式，绝对好用

    常用的正则表达式绝对好用，本人用过的经验总结！

    使用正则表达式判断密码强弱

    学python的re模板，写了个文章发现没人看，所以总结出来经验，理论没人爱，实战的人心，那么既然没人喜欢理论就直接上实战，在实战中精炼理论．不多说直接先上代码 def password_level(password): weak = re....

    Python 中文正则表达式笔记

    总结在 python 语言里使用正则表达式匹配中文的经验。

    正则表达式

    自己根据这些年的经验，把能够用到的做了一个总结

    正则表达式的优化全面详解( 三江小渡)

    所以满脑子都是考虑的优化两个字，不过还好之前是搞算法竞赛的，效率这个问题也一直是做斗争的对象，还算习惯吧，最近写正则也比较多，所以参考参考书、博文、自己的经验写点总结性的优化策略

    0513《编译原理》答案 设计并实现TINYC语言的扫描程序

    3.2 各记号对应的正则表达式及所有记号对应的正则表达式;  3.3 各记号对应的DFA及所有记号对应的DFA;  4 扫描程序的功能说明和程序说明,程序模块等;  5 输入示例及其运行结果;  6 总结: 获得的经验,遇到的...

    设计并实现TINYC语言的扫描程序TINYC.zip

    3.2 各记号对应的正则表达式及所有记号对应的正则表达式; 3.3 各记号对应的DFA及所有记号对应的DFA; 4 扫描程序的功能说明和程序说明,程序模块等; 5 输入示例及其运行结果; 6 总结: 获得的经验,遇到的问题,改进方案...

    java中的正则操作方法总结

    关于正则表达式的使用，更多的是自己的经验，有兴趣可以参阅相关书籍。这里主要写一下java中的正则操作方法

    javascript用于表单验证，比较齐全！

    本人多年实践经验总结的，包括输入域正则表达式，长度，字符串处理等。需要的自己看吧！

    html知识点实践经验总结

    1. 表格标签是table，tr是行，td是单元格，cellspacing是单元格与单元格的距离 cellpadding是内边距，...6.正则表达式是一种专门用于操作字符串的规则 通过一些符号来表示，简化对字符串操作 常见的操作有 匹配：matc

    微信小程序开发BUG经验总结

    可以使用正则表达式对做字符串替换，将短横替换为斜杠。 var iosDate= date.replace(/-/g, '/'); 。 2. wx.getUserInfo()接口更改问题 微信小程序最近被吐槽最多的一个更改，就是用户使用wx.getUser

    reading-notes:读书笔记

    经验总结 PHP开发者实践 规范写作 PHP The Right Way PHP Best Practices PHP-FIG PSR中文版 PHP Package Checklist Keep a CHANGELOG Best Practices for Modern PHP Development 文章 Sort常见排序算法 Chrome...

Magicbox
Global site tag (gtag.js) - Google Analytics