正则表达式（3）----在Java里的使用

从Java 1.4.0 开始，Java就内建了正则表达式包，java.util.regex，它使用的是传统型NFA。

通过java.util.regex 使用正则表达式非常简单，功能由一个接口（MatchResult）、两个类（Matcher、Pattern）、一个异常（PatternSyntaxException）组成。

Pattern是编译好的正则表达式，可以应用到多个实现了CharSequence接口的对象（String、StringBuffer、StringBuilder、CharBuffer等）上，而matcher则是对应具体的实例，表示将正则表达式应用到某个具体的目标字符串上。

本文通过编写一个从网页源代码中提取网络图片地址和转义标签（就是把“<”、“>”转换成“<”、“>”，写过web代码的朋友都懂）的Java实例来学习Java中的正则表达式的使用。

提取网络图片地址

首先，构造正则表达式。我们预期的的地址模式是类似于http://img.newnius.com/upload/201505180010.png 这种格式，支持https，支持自定义端口号，支持png、jpg、gif这三种图片格式。简单构造，得到以下正则表达式：https?://[_a-z0-9]+(\.[_a-z0-9]+)+(:[0-9]+)?/( [_a-z0-9]+/)*(png|jpg/gif)，这样看起来有点长，可以用到Java里的其他元字符，比如“/w”这个表示一般的字符，等价于[a-zA-Z_0-9]，另外，考虑到我们并不需要捕获其中的分组，用(?:)来表示不需要捕获。这两种方式可以加快正则表达式的远行速度。最终的正则表达式是这样的：https?://\\w+(?:\\.\\w+)+(?::\\d+)?/(?:\\w+/)*\\w+\\.(?:png|jpg|gif)。（Java里“\”需要写成“\\”形式，所以原始的正则表达式里的“\”全部要变成“\\”，这是由于Java会对字符串进行解析，然后才轮到regex来处理）。

函数如下：（str是网页源代码）

void find(String str) 
{
	String regex = "https?://\\w+(?:\\.\\w+)+(?::\\d+)?/(?:\\w+/)*\\w+\\.(?:png|jpg|gif)";
	//String regex="https?://\\w+(\\.\\w+)+(?::\\d+)?/(?:\\w+/)*\\w+\\.(?:png|jpg|gif)";
	Pattern p = Pattern.compile(regex);
	Matcher m = p.matcher(str);
	while (m.find()) 
	{
		String matchedText = m.group();
		int from = m.start();
		int to = m.end();
		System.out.println("matched [" + matchedText + " ] from " + from + " to " + to);
	}       
}

转义标签

依旧先是构建正则表达式，不多说了，直接写吧：<(\\s*[^<>]+\\s*)>，关于更多的字符一会贴在下面。

函数代码

void replace(String str) 
{
	String regex = "<(\\s*[^<>]+\\s*)>"
	//String regex="https?://\\w+(\\.\\w+)+(?::\\d+)?/(?:\\w+/)*\\w+\\.(?:png|jpg|gif)";
	Pattern p = Pattern.compile(regex);
	Matcher m = p.matcher(str);
	StringBuffer sb =new StringBuffer();
	while (m.find()) 
	{
		if(m.group(1)!=null)
		{
			//先将前面的字符串加上，然后加上此次的字符串
			m.appendReplacement(sb, "&lt$1&gt");
		}
	}
	//这个表示将剩下的字符加到尾部
	m.appendTail(sb);
	System.out.println(sb);
}

Regex的其他使用。

其实我们平时用的 String里的spilt() 和 replaceAll()都是利用到了正则表达式，这是正则表达式的简单使用。还有如果要判断一个字符串时是否是指定的格式，可以直接使用matchs() 函数。

更多详情见Java官方文档