大数据编程入门:Java正则表达式

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”

Miukus+iss+sos+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:

大数据编程入门:Java正则表达式

运行结果:

大数据编程入门:Java正则表达式

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:

大数据编程入门:Java正则表达式

运行结果:

大数据编程入门:Java正则表达式

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。 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“ ”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" "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 "之外的任何单个字符。若要匹配包括"r "在内的任意字符,请使用诸如"[sS]"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,"erb"匹配"never"中的"er",但不匹配"verb"中的"er"。

B

非字边界匹配。"erB"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 和 cL。

换行符匹配。等效于 和 cJ。

r

匹配一个回车符。等效于 和 cM。

s

匹配任何空白字符,包括空格、制表符、换页符等。与 [ f r v] 等效。

S

匹配任何非空白字符。与 [^ f r v] 等效。

制表符匹配。与 和 cI 等效。

v

垂直制表符匹配。与 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,"A"匹配"A"。"1"与""&"1"等效。允许在正则表达式中使用 ASCII 代码。

um

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。

标识一个八进制转义码或反向引用。如果 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。

m

标识八进制转义码或反向引用。如果在 m前面至少有nm个捕获子表达式,则nm是一个反向引用。如果文件前面至少有n个捕获,那么n是一个反向引用,后跟字符m。如果上述两个条件都不存在,则值nm与八进制值nm匹配,其中n和m是八进制数字(0-7)。

ml

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,© 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~

展开阅读全文

页面更新:2024-03-05

标签:制表符   斜杠   范围内   整数   表达式   空格   字符串   是非   字符   实例   入门   对象   两个   模式   数字   方法   数据   科技

1 2 3 4 5

上滑加载更多 ↓
推荐阅读:
友情链接:
更多:

本站资料均由网友自行发布提供,仅用于学习交流。如有版权问题,请与我联系,QQ:4156828  

© CopyRight 2020-2024 All Rights Reserved. Powered By 71396.com 闽ICP备11008920号-4
闽公网安备35020302034903号

Top