JAVA 正則表達式陳廣佳版本(超詳細)

BufferedReader in;
　　Pattern pattern = Pattern.compile("http://(//d{3}//)//s//d{3}-//d{4}");
　　in = new BufferedReader(new FileReader("phone"));
　　String s;
　　while ((s = in.readLine()) != null)
　　{
　　Matcher matcher = pattern.matcher(s);
　　if (matcher.find())
　　{
　　System.out.println(matcher.group());
　　}
　　}
　　in.close();

 CharSequence {
 charAt( i);
 length();
 subSequence( start, end);
 toString();
}

 java.util.regex.*;
 TestRegularExpression {
 main(String[] args) {
(args.length  2) {
 System.out.println( +
 +
);
 System.exit(0);
 }
 System.out.println(/);
( i = 1; i  args.length; i++) {
 System.out.println(
/);
 Pattern p = Pattern.compile(args[i]);
 Matcher m = p.matcher(args[0]);
(m.find()) {
 System.out.println(" + m.group() +
 at positions " +
  m.start() + + (m.end() - 1));
 }
 }
 }
}

 java.util.regex.*;
 com.bruceeckel.simpletest.*;
 java.util.*;
 FindDemo {
 Test monitor = Test();
 main(String[] args) {
 Matcher m = Pattern.compile()
 .matcher();
(m.find())
 System.out.println(m.group());
 i = 0;
(m.find(i)) {
 System.out.print(m.group() + );
 i++;
 }
 monitor.expect( String[] {
,
,
,
,
,
,
,
,
 +
 +

 });
 }
} 

java.util.regex.*;
 com.bruceeckel.simpletest.*;
 Groups {
 Test monitor = Test();
 String poem =
 +
 +
 +
 +
 +
 +
 +
;
 main(String[] args) {
 Matcher m =
 Pattern.compile()
 .matcher(poem);
(m.find()) {
( j = 0; j = m.groupCount(); j++)
 System.out.print( + m.group(j) + );
 System.out.println();
 }
 monitor.expect( String[]{
 +
,
,
 +
,
 +
,
 +
,
 +
,
,
 +

 });
 }
}

java.util.regex.*;
 com.bruceeckel.simpletest.*;
 StartEnd {
 Test monitor = Test();
 main(String[] args) {
 String[] input = String[] {
,
,

 };
 Pattern
 p1 = Pattern.compile(),
 p2 = Pattern.compile();
( i = 0; i  input.length; i++) {
 System.out.println( + i + + input[i]);
 Matcher
 m1 = p1.matcher(input[i]),
 m2 = p2.matcher(input[i]);
(m1.find())
 System.out.println( + m1.group() +
+ m1.start() + + m1.end());
(m2.find())
 System.out.println( + m2.group() +
+ m2.start() + + m2.end());
(m1.lookingAt()) 
 System.out.println(
  + m1.start() + + m1.end());
(m2.lookingAt())
 System.out.println(
  + m2.start() + + m2.end());
(m1.matches()) 
 System.out.println(
  + m1.start() + + m1.end());
(m2.matches())
 System.out.println(
  + m2.start() + + m2.end());
 }
 monitor.expect( String[] {
,
,
,
 +
,
,
,
 +
,
,
,
,
,
,
,
,
,
 +
,
,

 });
 }
}

在這些標志里面，Pattern.CASE_INSENSITIVE，Pattern.MULTILINE，以及Pattern.COMMENTS是最有用的(其中Pattern.COMMENTS還能幫我們把思路理清楚，并且/或者做文檔)。注意，你可以用在表達式里插記號的方式來啟用絕大多數(shù)的模式。這些記號就在上面那張表的各個標志的下面。你希望模式從哪里開始啟動，就在哪里插記號。

可以用"OR" ('|')運算符把這些標志合使用：

java.util.regex.*;
 com.bruceeckel.simpletest.*;
 ReFlags {
 Test monitor = Test();
 main(String[] args) {
 Pattern p = Pattern.compile(,
 Pattern.CASE_INSENSITIVE | Pattern.MULTILINE);
 Matcher m = p.matcher(
 +
 +
);
(m.find())
 System.out.println(m.group());
 monitor.expect( String[] {
,
,

 });
 }
}

這樣創(chuàng)建出來的正則表達式就能匹配以"java"，"Java"，"JAVA"...開頭的字符串了。此外，如果字符串分好幾行，那它還會對每一行做匹配(匹配始于字符序列的開始，終于字符序列當中的行結(jié)束符)。注意，group( )方法僅返回匹配的部分。

split( )

所謂分割是指將以正則表達式為界，將字符串分割成String數(shù)組。

String[] split(CharSequence charseq)
String[] split(CharSequence charseq, limit)

這是一種既快又方便地將文本根據(jù)一些常見的邊界標志分割開來的方法。

java.util.regex.*;
 com.bruceeckel.simpletest.*;
 java.util.*;
 SplitDemo {
 Test monitor = Test();
 main(String[] args) {
 String input =
;
 System.out.println(Arrays.asList(
 Pattern.compile().split(input)));

 System.out.println(Arrays.asList(
 Pattern.compile().split(input, 3)));
 System.out.println(Arrays.asList(
.split()));
 monitor.expect( String[] {
,
,

 });
 }
} 

第二個split( )會限定分割的次數(shù)。

正則表達式是如此重要，以至于有些功能被加進了String類，其中包括split( )(已經(jīng)看到了)，matches( )，replaceFirst( )以及replaceAll( )。這些方法的功能同Pattern和Matcher的相同。

替換操作

正則表達式在替換文本方面特別在行。下面就是一些方法：

replaceFirst(String replacement)將字符串里，第一個與模式相匹配的子串替換成replacement。

replaceAll(String replacement)，將輸入字符串里所有與模式相匹配的子串全部替換成replacement。

appendReplacement(StringBuffer sbuf, String replacement)對sbuf進行逐次替換，而不是像replaceFirst( )或replaceAll( )那樣，只替換第一個或全部子串。這是個非常重要的方法，因為它可以調(diào)用方法來生成replacement(replaceFirst( )和replaceAll( )只允許用固定的字符串來充當replacement)。有了這個方法，你就可以編程區(qū)分group，從而實現(xiàn)更強大的替換功能。

調(diào)用完appendReplacement( )之后，為了把剩余的字符串拷貝回去，必須調(diào)用appendTail(StringBuffer sbuf, String replacement)。

下面我們來演示一下怎樣使用這些替換方法。說明一下，這段程序所處理的字符串是它自己開頭部分的注釋，是用正則表達式提取出來并加以處理之后再傳給替換方法的。

java.util.regex.*;
 java.io.*;
 com.bruceeckel.util.*;
 com.bruceeckel.simpletest.*;

 TheReplacements {
 Test monitor = Test();
 main(String[] args) Exception {
 String s = TextFile.read();

 Matcher mInput =
 Pattern.compile(, Pattern.DOTALL)
 .matcher(s);
(mInput.find())
 s = mInput.group(1); 

 s = s.replaceAll(, );


 s = s.replaceAll(, );
 System.out.println(s);
 s = s.replaceFirst(, );
 StringBuffer sbuf = StringBuffer();
 Pattern p = Pattern.compile();
 Matcher m = p.matcher(s);


(m.find())
 m.appendReplacement(sbuf, m.group().toUpperCase());

 m.appendTail(sbuf);
 System.out.println(sbuf);
 monitor.expect( String[]{
,
,
,
,
,
,
,
,
,

 });
 }
} 

用TextFile.read( )方法來打開和讀取文件。mInput的功能是匹配'/*!' 和 '!*/' 之間的文本(注意一下分組用的括號)。接下來，我們將所有兩個以上的連續(xù)空格全都替換成一個，并且將各行開頭的空格全都去掉(為了讓這個正則表達式能對所有的行，而不僅僅是第一行起作用，必須啟用多行模式)。這兩個操作都用了String的replaceAll( )(這里用它更方便)。注意，由于每個替換只做一次，因此除了預編譯Pattern之外，程序沒有額外的開銷。

replaceFirst( )只替換第一個子串。此外，replaceFirst( )和replaceAll( )只能用常量(literal)來替換，所以如果每次替換的時候還要進行一些操作的話，它們是無能為力的。碰到這種情況，得用appendReplacement( )，它能在進行替換的時候想寫多少代碼就寫多少。在上面那段程序里，創(chuàng)建sbuf的過程就是選group做處理，也就是用正則表達式把元音字母找出來，然后換成大寫的過程。通常你得在完成全部的替換之后才調(diào)用appendTail( )，但是如果要模仿replaceFirst( )(或"replace n")的效果，你也可以只替換一次就調(diào)用appendTail( )。它會把剩下的東西全都放進sbuf。

你還可以在appendReplacement( )的replacement參數(shù)里用"$g"引用已捕獲的group，其中'g' 表示group的號碼。不過這是為一些比較簡單的操作準備的，因而其效果無法與上述程序相比。

reset( )

此外，還可以用reset( )方法給現(xiàn)有的Matcher對象配上個新的CharSequence。

java.util.regex.*;
 java.io.*;
 com.bruceeckel.simpletest.*;
 Resetting {
 Test monitor = Test();
 main(String[] args) Exception {
 Matcher m = Pattern.compile()
 .matcher();
(m.find())
 System.out.println(m.group());
 m.reset();
(m.find())
 System.out.println(m.group());
 monitor.expect( String[]{
,
,
,
,
,

 });
 }
} 

如果不給參數(shù)，reset( )會把Matcher設到當前字符串的開始處。

如果你曾經(jīng)用過Perl或任何其他內(nèi)建正則表達式支持的語言，你一定知道用正則表達式處理文本和匹配模式是多么簡單。如果你不熟悉這個術語，那么“正則表達式”（Regular Expression）就是一個字符構(gòu)成的串，它定義了一個用來搜索匹配字符串的模式。

許多語言，包括Perl、PHP、Python、JavaScript和JScript，都支持用正則表達式處理文本，一些文本編輯器用正則表達式實現(xiàn)高級“搜索-替換”功能。那么Java又怎樣呢？本文寫作時，一個包含了用正則表達式進行文本處理的Java規(guī)范需求（Specification Request）已經(jīng)得到認可，你可以期待在JDK的下一版本中看到它。

然而，如果現(xiàn)在就需要使用正則表達式，又該怎么辦呢？你可以從Apache.org下載源代碼開放的Jakarta-ORO庫。本文接下來的內(nèi)容先簡要地介紹正則表達式的入門知識，然后以Jakarta-ORO API為例介紹如何使用正則表達式。

一、正則表達式基礎知識

我們先從簡單的開始。假設你要搜索一個包含字符“cat”的字符串，搜索用的正則表達式就是“cat”。如果搜索對大小寫不敏感，單詞“catalog”、“Catherine”、“sophisticated”都可以匹配。也就是說：

1.1 句點符號
假設你在玩英文拼字游戲，想要找出三個字母的單詞，而且這些單詞必須以“t”字母開頭，以“n”字母結(jié)束。另外，假設有一本英文字典，你可以用正則表達式搜索它的全部內(nèi)容。要構(gòu)造出這個正則表達式，你可以使用一個通配符——句點符號“.”。這樣，完整的表達式就是“t.n”，它匹配“tan”、“ten”、“tin”和“ton”，還匹配“t#n”、“tpn”甚至“t n”，還有其他許多無意義的組合。這是因為句點符號匹配所有字符，包括空格、Tab字符甚至換行符：

1.2 方括號符號

為了解決句點符號匹配范圍過于廣泛這一問題，你可以在方括號（“[]”）里面指定看來有意義的字符。此時，只有方括號里面指定的字符才參與匹配。也就是說，正則表達式“t[aeio]n”只匹配“tan”、“Ten”、“tin”和“ton”。但“Toon”不匹配，因為在方括號之內(nèi)你只能匹配單個字符：

1.3 “或”符號
如果除了上面匹配的所有單詞之外，你還想要匹配“toon”，那么，你可以使用“|”操作符。“|”操作符的基本意義就是“或”運算。要匹配“toon”，使用“t(a|e|i|o|oo)n”正則表達式。這里不能使用方擴號，因為方括號只允許匹配單個字符；這里必須使用圓括號“()”。圓括號還可以用來分組，具體請參見后面介紹。

1.4 表示匹配次數(shù)的符號
表一顯示了表示匹配次數(shù)的符號，這些符號用來確定緊靠該符號左邊的符號出現(xiàn)的次數(shù)： 

假設我們要在文本文件中搜索美國的社會安全號碼。這個號碼的格式是999-99-9999。用來匹配它的正則表達式如圖一所示。在正則表達式中，連字符（“-”）有著特殊的意義，它表示一個范圍，比如從0到9。因此，匹配社會安全號碼中的連字符號時，它的前面要加上一個轉(zhuǎn)義字符“/”。

圖一：匹配所有123-12-1234形式的社會安全號碼

假設進行搜索的時候，你希望連字符號可以出現(xiàn)，也可以不出現(xiàn)——即，999-99-9999和999999999都屬于正確的格式。這時，你可以在連字符號后面加上“？”數(shù)量限定符號，如圖二所示：

圖二：匹配所有123-12-1234和123121234形式的社會安全號碼

下面我們再來看另外一個例子。美國汽車牌照的一種格式是四個數(shù)字加上二個字母。它的正則表達式前面是數(shù)字部分“[0-9]{4}”，再加上字母部分“[A-Z]{2}”。圖三顯示了完整的正則表達式。

圖三：匹配典型的美國汽車牌照號碼，如8836KV

1.5 “否”符號
“^”符號稱為“否”符號。如果用在方括號內(nèi)，“^”表示不想要匹配的字符。例如，圖四的正則表達式匹配所有單詞，但以“X”字母開頭的單詞除外。

圖四：匹配所有單詞，但“X”開頭的除外

1.6 圓括號和空白符號
假設要從格式為“June 26, 1951”的生日日期中提取出月份部分，用來匹配該日期的正則表達式可以如圖五所示：

圖五：匹配所有Moth DD,YYYY格式的日期

新出現(xiàn)的“/s”符號是空白符號，匹配所有的空白字符，包括Tab字符。如果字符串正確匹配，接下來如何提取出月份部分呢？只需在月份周圍加上一個圓括號創(chuàng)建一個組，然后用ORO API（本文后面詳細討論）提取出它的值。修改后的正則表達式如圖六所示：

圖六：匹配所有Month DD,YYYY格式的日期，定義月份值為第一個組

1.7 其它符號

為簡便起見，你可以使用一些為常見正則表達式創(chuàng)建的快捷符號。如表二所示：
表二：常用符號

例如，在前面社會安全號碼的例子中，所有出現(xiàn)“[0-9]”的地方我們都可以使用“/d”。修改后的正則表達式如圖七所示：

圖七：匹配所有123-12-1234格式的社會安全號碼

二、Jakarta-ORO庫

有許多源代碼開放的正則表達式庫可供Java程序員使用，而且它們中的許多支持Perl 5兼容的正則表達式語法。我在這里選用的是Jakarta-ORO正則表達式庫，它是最全面的正則表達式API之一，而且它與Perl 5正則表達式完全兼容。另外，它也是優(yōu)化得最好的API之一。

Jakarta-ORO庫以前叫做OROMatcher，Daniel Savarese大方地把它贈送給了Jakarta Project。你可以按照本文最后參考資源的說明下載它。

我首先將簡要介紹使用Jakarta-ORO庫時你必須創(chuàng)建和訪問的對象，然后介紹如何使用Jakarta-ORO API。

▲ PatternCompiler對象

首先，創(chuàng)建一個Perl5Compiler類的實例，并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現(xiàn)，允許你把正則表達式編譯成用來匹配的Pattern對象。

▲ Pattern對象

要把正則表達式編譯成Pattern對象，調(diào)用compiler對象的compile()方法，并在調(diào)用參數(shù)中指定正則表達式。例如，你可以按照下面這種方式編譯正則表達式“t[aeio]n”：

默認情況下，編譯器創(chuàng)建一個大小寫敏感的模式（pattern）。因此，上面代碼編譯得到的模式只匹配“tin”、“tan”、 “ten”和“ton”，但不匹配“Tin”和“taN”。要創(chuàng)建一個大小寫不敏感的模式，你應該在調(diào)用編譯器的時候指定一個額外的參數(shù)：

創(chuàng)建好Pattern對象之后，你就可以通過PatternMatcher類用該Pattern對象進行模式匹配。

▲ PatternMatcher對象

PatternMatcher對象根據(jù)Pattern對象和字符串進行匹配檢查。你要實例化一個Perl5Matcher類并把結(jié)果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現(xiàn)，它根據(jù)Perl 5正則表達式語法進行模式匹配：

使用PatternMatcher對象，你可以用多個方法進行匹配操作，這些方法的第一個參數(shù)都是需要根據(jù)正則表達式進行匹配的字符串：

· boolean matches(String input, Pattern pattern)：當輸入字符串和正則表達式要精確匹配時使用。換句話說，正則表達式必須完整地描述輸入字符串。
· boolean matchesPrefix(String input, Pattern pattern)：當正則表達式匹配輸入字符串起始部分時使用。
· boolean contains(String input, Pattern pattern)：當正則表達式要匹配輸入字符串的一部分時使用（即，它必須是一個子串）。
另外，在上面三個方法調(diào)用中，你還可以用PatternMatcherInput對象作為參數(shù)替代String對象；這時，你可以從字符串中最后一次匹配的位置開始繼續(xù)進行匹配。當字符串可能有多個子串匹配給定的正則表達式時，用PatternMatcherInput對象作為參數(shù)就很有用了。用PatternMatcherInput對象作為參數(shù)替代String時，上述三個方法的語法如下：

· boolean matches(PatternMatcherInput input, Pattern pattern)
· boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)
· boolean contains(PatternMatcherInput input, Pattern pattern)

三、應用實例

下面我們來看看Jakarta-ORO庫的一些應用實例。

3.1 日志文件處理

任務：分析一個Web服務器日志文件，確定每一個用戶花在網(wǎng)站上的時間。在典型的BEA WebLogic日志文件中，日志記錄的格式如下：

分析這個日志記錄，可以發(fā)現(xiàn)，要從這個日志文件提取的內(nèi)容有兩項：IP地址和頁面訪問時間。你可以用分組符號（圓括號）從日志記錄提取出IP地址和時間標記。

首先我們來看看IP地址。IP地址有4個字節(jié)構(gòu)成，每一個字節(jié)的值在0到255之間，各個字節(jié)通過一個句點分隔。因此，IP地址中的每一個字節(jié)有至少一個、最多三個數(shù)字。圖八顯示了為IP地址編寫的正則表達式：

圖八：匹配IP地址

IP地址中的句點字符必須進行轉(zhuǎn)義處理（前面加上“/”），因為IP地址中的句點具有它本來的含義，而不是采用正則表達式語法中的特殊含義。句點在正則表達式中的特殊含義本文前面已經(jīng)介紹。
日志記錄的時間部分由一對方括號包圍。你可以按照如下思路提取出方括號里面的所有內(nèi)容：首先搜索起始方括號字符（“[”），提取出所有不超過結(jié)束方括號字符（“]”）的內(nèi)容，向前尋找直至找到結(jié)束方括號字符。圖九顯示了這部分的正則表達式。

圖九：匹配至少一個字符，直至找到“]”

現(xiàn)在，把上述兩個正則表達式加上分組符號（圓括號）后合并成單個表達式，這樣就可以從日志記錄提取出IP地址和時間。注意，為了匹配“- -”（但不提取它），正則表達式中間加入了“/s-/s-/s”。完整的正則表達式如圖十所示。

圖十：匹配IP地址和時間標記

現(xiàn)在正則表達式已經(jīng)編寫完畢，接下來可以編寫使用正則表達式庫的Java代碼了。
為使用Jakarta-ORO庫，首先創(chuàng)建正則表達式字符串和待分析的日志記錄字符串：

這里使用的正則表達式與圖十的正則表達式差不多完全相同，但有一點例外：在Java中，你必須對每一個向前的斜杠（“/”）進行轉(zhuǎn)義處理。圖十不是Java的表示形式，所以我們要在每個“/”前面加上一個“/”以免出現(xiàn)編譯錯誤。遺憾的是，轉(zhuǎn)義處理過程很容易出現(xiàn)錯誤，所以應該小心謹慎。你可以首先輸入未經(jīng)轉(zhuǎn)義處理的正則表達式，然后從左到右依次把每一個“/”替換成“//”。如果要復檢，你可以試著把它輸出到屏幕上。

初始化字符串之后，實例化PatternCompiler對象，用PatternCompiler編譯正則表達式創(chuàng)建一個Pattern對象：

現(xiàn)在，創(chuàng)建PatternMatcher對象，調(diào)用PatternMatcher接口的contain()方法檢查匹配情況：

接下來，利用PatternMatcher接口返回的MatchResult對象，輸出匹配的組。由于logEntry字符串包含匹配的內(nèi)容，你可以看到類如下面的輸出：

3.2 HTML處理實例一

下面一個任務是分析HTML頁面內(nèi)FONT標記的所有屬性。HTML頁面內(nèi)典型的FONT標記如下所示：

程序?qū)凑杖缦滦问剑敵雒恳粋€FONT標記的屬性：

在這種情況下，我建議你使用兩個正則表達式。第一個如圖十一所示，它從字體標記提取出“"face="Arial, Serif" size="+2" color="red"”。

圖十一：匹配FONT標記的所有屬性

第二個正則表達式如圖十二所示，它把各個屬性分割成名字-值對。

圖十二：匹配單個屬性，并把它分割成名字-值對

分割結(jié)果為：

現(xiàn)在我們來看看完成這個任務的Java代碼。首先創(chuàng)建兩個正則表達式字符串，用Perl5Compiler把它們編譯成Pattern對象。編譯正則表達式的時候，指定Perl5Compiler.CASE_INSENSITIVE_MASK選項，使得匹配操作不區(qū)分大小寫。
接下來，創(chuàng)建一個執(zhí)行匹配操作的Perl5Matcher對象。

假設有一個String類型的變量html，它代表了HTML文件中的一行內(nèi)容。如果html字符串包含F(xiàn)ONT標記，匹配器將返回true。此時，你可以用匹配器對象返回的MatchResult對象獲得第一個組，它包含了FONT的所有屬性：

接下來創(chuàng)建一個PatternMatcherInput對象。這個對象允許你從最后一次匹配的位置開始繼續(xù)進行匹配操作，因此，它很適合于提取FONT標記內(nèi)屬性的名字-值對。創(chuàng)建PatternMatcherInput對象，以參數(shù)形式傳入待匹配的字符串。然后，用匹配器實例提取出每一個FONT的屬性。這通過指定PatternMatcherInput對象（而不是字符串對象）為參數(shù)，反復地調(diào)用PatternMatcher對象的contains()方法完成。PatternMatcherInput對象之中的每一次迭代將把它內(nèi)部的指針向前移動，下一次檢測將從前一次匹配位置的后面開始。

本例的輸出結(jié)果如下：

3.3 HTML處理實例二

下面我們來看看另一個處理HTML的例子。這一次，我們假定Web服務器從widgets.acme.com移到了newserver.acme.com。現(xiàn)在你要修改一些頁面中的鏈接：

執(zhí)行這個搜索的正則表達式如圖十三所示：

 圖十三：匹配修改前的鏈接

如果能夠匹配這個正則表達式，你可以用下面的內(nèi)容替換圖十三的鏈接：

注意#字符的后面加上了$1。Perl正則表達式語法用$1、$2等表示已經(jīng)匹配且提取出來的組。圖十三的表達式把所有作為一個組匹配和提取出來的內(nèi)容附加到鏈接的后面。
現(xiàn)在，返回Java。就象前面我們所做的那樣，你必須創(chuàng)建測試字符串，創(chuàng)建把正則表達式編譯到Pattern對象所必需的對象，以及創(chuàng)建一個PatternMatcher對像

接下來，用com.oroinc.text.regex包Util類的substitute()靜態(tài)方法進行替換，輸出結(jié)果字符串：

Util.substitute()方法的語法如下：

這個調(diào)用的前兩個參數(shù)是以前創(chuàng)建的PatternMatcher和Pattern對象。第三個參數(shù)是一個Substiution對象，它決定了替換操作如何進行。本例使用的是Perl5Substitution對象，它能夠進行Perl5風格的替換。第四個參數(shù)是想要進行替換操作的字符串，最后一個參數(shù)允許指定是否替換模式的所有匹配子串（Util.SUBSTITUTE_ALL），或只替換指定的次數(shù)。

【結(jié)束語】在這篇文章中，我為你介紹了正則表達式的強大功能。只要正確運用，正則表達式能夠在字符串提取和文本修改中起到很大的作用。另外，我還介紹了如何在Java程序中通過Jakarta-ORO庫利用正則表達式。至于最終采用老式的字符串處理方式（使用StringTokenizer，charAt，和substring），還是采用正則表達式，這就有待你自己決定了。

Jakarta-ORO篇

由于工作的需要，本人經(jīng)常要面對大量的文字電子資料的整理工作，因此曾對在JAVA中正則表達式的應用有所關注，并對其有一定的了解，希望通過本文與同行進行有關方面的心得交流。

正則表達式：
正則表達式是一種可以用于模式匹配和替換的強有力的工具，一個正則表達式就是由普通的字符（例如字符 a 到 z）以及特殊字符（稱為元字符）組成的文字模式，它描述在查找文字主體時待匹配的一個或多個字符串。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。

正則表達式在字符數(shù)據(jù)處理中起著非常重要的作用，我們可以用正則表達式完成大部分的數(shù)據(jù)分析處理工作，如:判斷一個串是否是數(shù)字、是否是有效的Email地址，從海量的文字資料中提取有價值的數(shù)據(jù)等等，如果不使用正則表達式，那么實現(xiàn)的程序可能會很長，并且容易出錯。對這點本人深有體會，面對大量工具書電子檔資料的整理工作，如果不懂得應用正則表達式來處理，那么將是很痛苦的一件事情，反之則將可以輕松地完成，獲得事半功倍的效果。

由于本文目的是要介紹如何在JAVA里運用正則表達式，因此對剛接觸正則表達式的讀者請參考有關資料，在此因篇幅有限不作介紹。

JAVA對正則表達式的支持：
在JDK1.3或之前的JDK版本中并沒有包含正則表達式庫可供JAVA程序員使用，之前我們一般都在使用第三方提供的正則表達式庫，這些第三方庫中有源代碼開放的，也有需付費購買的，而現(xiàn)時在JDK1.4的測試版中也已經(jīng)包含有正則表達式庫---java.util.regex。

故此現(xiàn)在我們有很多面向JAVA的正則表達式庫可供選擇，以下我將介紹兩個較具代表性的 Jakarta-ORO和java.util.regex，首先當然是本人一直在用的 Jakarta-ORO：

Jakarta-ORO正則表達式庫

1．簡介：

Jakarta-ORO是最全面以及優(yōu)化得最好的正則表達式API之一，Jakarta-ORO庫以前叫做OROMatcher，是由Daniel F. Savarese編寫，后來他將其贈與Jakarta Project，讀者可在Apache.org的網(wǎng)站下載該API包。

許多源代碼開放的正則表達式庫都是支持Perl5兼容的正則表達式語法，Jakarta-ORO正則表達式庫也不例外，他與Perl 5正則表達式完全兼容。

2．對象與其方法：

★PatternCompiler對象：
我們在使用Jakarta-ORO API包時，最先要做的是，創(chuàng)建一個Perl5Compiler類的實例，并把它賦值給PatternCompiler接口對象。Perl5Compiler是PatternCompiler接口的一個實現(xiàn)，允許你把正則表達式編譯成用來匹配的Pattern對象。

PatternCompiler compiler=new Perl5Compiler();

★Pattern對象：
要把所對應的正則表達式編譯成Pattern對象，需要調(diào)用compiler對象的compile()方法，并在調(diào)用參數(shù)中指定正則表達式。舉個例子，你可以按照下面這種方式編譯正則表達式"s[ahkl]y"：

Pattern pattern=null;
try {
pattern=compiler.compile("s[ahkl]y ");
} catch (MalformedPatternException e) {
e.printStackTrace();
}

在默認的情況下，編譯器會創(chuàng)建一個對大小寫敏感的模式（pattern）。因此，上面代碼編譯得到的模式只匹配"say"、"shy"、 "sky"和"sly"，但不匹配"Say"和"skY"。要創(chuàng)建一個大小寫不敏感的模式，你應該在調(diào)用編譯器的時候指定一個額外的參數(shù):

pattern=compiler.compile("s[ahkl]y",Perl5Compiler.CASE_INSENSITIVE_MASK);

Pattern對象創(chuàng)建好之后，就可以通過PatternMatcher類用該Pattern對象進行模式匹配。

★PatternMatcher對象:

PatternMatcher對象依據(jù)Pattern對象和字符串展開匹配檢查。你要實例化一個Perl5Matcher類并把結(jié)果賦值給PatternMatcher接口。Perl5Matcher類是PatternMatcher接口的一個實現(xiàn)，它根據(jù)Perl 5正則表達式語法進行模式匹配：
PatternMatcher matcher=new Perl5Matcher();

PatternMatcher對象提供了多個方法進行匹配操作，這些方法的第一個參數(shù)都是需要根據(jù)正則表達式進行匹配的字符串：

1、boolean matches(String input, Pattern pattern)：當要求輸入的字符串input和正則表達式pattern精確匹配時使用該方法。也就是說當正則表達式完整地描述輸入字符串時返回真值。
2、boolean matchesPrefix(String input, Pattern pattern)：要求正則表達式匹配輸入字符串起始部分時使用該方法。也就是說當輸入字符串的起始部分與正則表達式匹配時返回真值。
3、boolean contains(String input, Pattern pattern)：當正則表達式要匹配輸入字符串的一部分時使用該方法。當正則表達式為輸入字符串的子串時返回真值。

但以上三種方法只會查找輸入字符串中匹配正則表達式的第一個對象，如果當字符串可能有多個子串匹配給定的正則表達式時，那么你就可以在調(diào)用上面三個方法時用PatternMatcherInput對象作為參數(shù)替代String對象，這樣就可以從字符串中最后一次匹配的位置開始繼續(xù)進行匹配，這樣就方便的多了。

用PatternMatcherInput對象作為參數(shù)替代String時，上述三個方法的語法如下：

• boolean matches(PatternMatcherInput input, Pattern pattern)
• boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)
• boolean contains(PatternMatcherInput input, Pattern pattern)

★Util.substitute()方法:
查找后需要要進行替換，我們就要用到Util.substitute()方法，其語法如下：

public static String substitute(PatternMatcher matcher,
Pattern pattern,Substitution sub,String input,
int numSubs)

前兩個參數(shù)分別為PatternMatcher和Pattern對象。而第三個參數(shù)是個Substiution對象，由它來決定替換操作如何進行。第四個參數(shù)是要進行替換操作的目標字符串，最后一個參數(shù)用來指定是否替換模式的所有匹配子串（Util.SUBSTITUTE_ALL），或只進行指定次數(shù)的替換。

在這里我相信有必要詳細解說一下第三個參數(shù)Substiution對象，因為它將決定替換將怎樣進行。

Substiution:
Substiution是一個接口類，它為你提供了在使用Util.substitute()方法時控制替換方式的手段，它有兩個標準的實現(xiàn)類：StringSubstitution與Perl5Substitution。當然，同時你也可以生成自己的實現(xiàn)類來定制你所需要的特殊替換動作。

StringSubstitution：
StringSubstitution 實現(xiàn)的是簡單的純文字替換手段，它有兩個構(gòu)造方法：

StringSubstitution()->缺省的構(gòu)造方法，初始化一個包含零長度字符串的替換對象。

StringSubstitution(java.lang.String substitution)->初始化一個給定字符串的替換對象。

Perl5Substitution：
Perl5Substitution 是StringSubstitution的子類，它在實現(xiàn)純文字替換手段的同時也允許進行針對MATH類里各匹配組的PERL5變量的替換，所以他的替換手段比其直接父類StringSubstitution更為多元化。

它有三個構(gòu)造器：

Perl5Substitution()

Perl5Substitution(java.lang.String substitution)

Perl5Substitution(java.lang.String substitution, int numInterpolations)

前兩種構(gòu)造方法與StringSubstitution一樣，而第三種構(gòu)造方法下面將會介紹到。

在Perl5Substitution的替換字符串中可以包含用來替代在正則表達式里由小擴號圍起來的匹配組的變量，這些變量是由$1, $2,$3等形式來標識。我們可以用一個例子來解釋怎樣使用替換變量來進行替換：

假設我們有正則表達式模式為b/d+:（也就是b[0-9]+:），而我們想把所有匹配的字符串中的"b"都改為"a",而"："則改為"-"，而其余部分則不作修改，如我們輸入字符串為"EXAMPLE b123:"，經(jīng)過替換后就應該變成"EXAMPLE a123-"。要做到這點，我們就首先要把不做替換的部分用分組符號小括號包起來，這樣正則表達式就變?yōu)?b(/d+):"，而構(gòu)造Perl5Substitution對象時其替換字符串就應該是"a$1-"，也就是構(gòu)造式為Perl5Substitution（"a$1-"），表示在使用Util.substitute()方法時只要在目標字符串里找到和正則表達式" b(/d+): "相匹配的子串都用替換字符串來替換，而變量$1表示如果和正則表達式里第一個組相匹配的內(nèi)容則照般原文插到$1所在的為置，如在"EXAMPLE b123："中和正則表達式相匹配的部分是"b123："，而其中和第一分組"(/d+)"相匹配的部分則是"123"，所以最后替換結(jié)果為"EXAMPLE a123-"。

有一點需要清楚的是，如果你把構(gòu)造器Perl5Substitution(java.lang.String substitution,int numInterpolations)

中的numInterpolations參數(shù)設為INTERPOLATE_ALL，那么當每次找到一個匹配字串時，替換變量（$1，$2等）所指向的內(nèi)容都根據(jù)目前匹配字串來更新，但是如果numInterpolations參數(shù)設為一個正整數(shù)N時，那么在替換時就只會在前N次匹配發(fā)生時替換變量會跟隨匹配對象來調(diào)整所代表的內(nèi)容，但N次之后就以一致以第N次替換變量所代表內(nèi)容來做為以后替換結(jié)果。

舉個例子會更好理解：

假如沿用以上例子中的正則表達式模式以及替換內(nèi)容來進行替換工作，設目標字符串為"Tank b123: 85 Tank b256: 32 Tank b78: 22"，并且設numInterpolations參數(shù)為INTERPOLATE_ALL，而Util.substitute()方法中的numSub變量設為SUBSTITUTE_ALL（請參考上文Util.substitute()方法內(nèi)容），那么你獲得的替換結(jié)果將會是：
Tank a123- 85 Tank a256- 32 Tank a78- 22

但是如果你把numInterpolations設為2，并且numSubs依然設為SUBSTITUTE_ALL，那么這時你獲得的結(jié)果則會是：
Tank a123- 85 Tank a256- 32 Tank a256- 22

你要注意到最后一個替換所用變量$1所代表的內(nèi)容與第二個$1一樣為"256"，而不是預期的"78"，因為在替換進行中，替換變量$1只根據(jù)匹配內(nèi)容進行了兩次更新，最后一次就使第二次匹配時所更新的結(jié)果，那么我們可以由此知道，如果numInterpolations設為1，那么結(jié)果將是：
Tank a123- 85 Tank a123- 32 Tank a123- 22

3．應用示例：

剛好前段時間公司準備出一個《伊索預言》的英語學習互動教材，其中有電子檔資料的整理工作，我們就以此為例來看一下Jakarta-ORO與JDBC2.0 API結(jié)合起來對數(shù)據(jù)庫內(nèi)的資料進行簡單提取與整理的實現(xiàn)。假設由錄入部的同事送過來的存放在MS SQLSERVER 7數(shù)據(jù)庫里的電子檔的表結(jié)構(gòu)如下（注：或許在不同的DBMS中有相應的正則表達式的應用，但這不在本文討論范圍內(nèi)）：

表名：AESOP, 表中每條記錄包含有三列:

ID（int）：單詞索引號
WORD（varchar）：單詞
CONTENT(varchar)：存放單詞的相關解釋與例句等內(nèi)容

其中CONTENT列中內(nèi)容的格式如下：
[音標] [詞性] （解釋）{(例句一/例句解釋/例句中該詞的詞性: 單詞在句中的意思) (例句二/例句解釋/例句中該詞的詞性: 單詞在句中的意思)}

如對應單詞Kevin,CONTENT中的內(nèi)容如下：
['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)( Kevin is living in ZhuHai now./凱文現(xiàn)住在珠海/名詞: 凱文)}

我們的例子主要針對CONTENT列中內(nèi)容進行字符串處理。

★查找單個匹配：

首先，讓我們嘗試把CONTNET列中的[音標]字段的內(nèi)容列示出來，由于所有單詞的記錄中都有這一項并且都在字串開始位置，所以這個查找工作比較簡單：

1、確定相應的正則表達式：/[[^]]+/]
這個是很簡單的正則表達式，其意思是要求相匹配的字符串必須為以一對中括號包含的所有內(nèi)容，如['kevin] 、[名詞]等，但內(nèi)容中不包括"]"符號，也就是要避免出現(xiàn)"[][]"會作為一個匹配對象的情況出現(xiàn)（有關正則表達式的基礎知識請參照有關資料，這里不再詳述）。

注意，在Java中，你必須對每一個向前的斜杠（"/"）進行轉(zhuǎn)義處理。所以我們要在上面的正則表達式里每個"/"前面加上一個"/"以免出現(xiàn)編譯錯誤，也就是在JAVA中初始化正則表達式的字符串的語句應該為：

String restring=" //[[^]]+//]";

并且在表達式里每個符號中間不能有空格，否則就會同樣出現(xiàn)編譯錯誤。

2、實例化PatternCompiler對象，創(chuàng)建Pattern對象
PatternCompiler compiler=new Perl5Compiler();

Pattern pattern=compiler.compile(restring);

3、創(chuàng)建PatternMatcher對象，調(diào)用PatternMatcher接口的contain()方法檢查匹配情況：

PatternMatcher matcher=new Perl5Matcher();
if (matcher.contains(content,pattern)) {
//處理代碼片段
}

這里matcher.contains(content,pattern)中的參數(shù) content是從數(shù)據(jù)庫里取來的字符串變量。該方法只會查到第一個匹配的對象字符串，但是由于音標項均在CONETNET內(nèi)容字符串中的起始位置，所以用這個方法就已經(jīng)可以保證把每條記錄里的音標項找出來了,但更為直接與合理的辦法是使用boolean matchesPrefix(PatternMatcherInput input, Pattern pattern)方法，該方法驗證目標字符串是否以正則表達式所匹配的字串為起始。

具體實現(xiàn)的完整的程序代碼如下：

package RegularExpressions;

//import……
import org.apache.oro.text.regex.*;


//使用Jakarta-ORO正則表達式庫前需要把它加到CLASSPATH里面，如果用IDE是//JBUILDER，那么也可以在JBUILDER里直接自建新庫。
public class yisuo {
 public static void main(String[] args) {
  try {
   //使用JDBC DRIVER進行DBMS連接，這里我使用的是一個第三方JDBC
   //DRIVER，Microsoft本身也有一個面向SQLSERVER7/2000的免費JDBC //DRIVER，但其性能真的是奇差，不用也罷。
   Class.forName("com.jnetdirect.jsql.JSQLDriver");

   Connection con = DriverManager.getConnection("jdbc:JSQLConnect://kevin:1433",
     "kevin chen", "re");
   Statement stmt = con.createStatement(ResultSet.TYPE_SCROLL_SENSITIVE,
     ResultSet.CONCUR_UPDATABLE);

   //為使用Jakarta-ORO庫而創(chuàng)建相應的對象
   String rsstring = " //[[^]]+//]";
   PatternCompiler orocom = new Perl5Compiler();
   Pattern pattern = orocom.compile(rsstring);
   PatternMatcher matcher = new Perl5Matcher();
   ResultSet uprs = stmt.executeQuery("SELECT * FROM aesop");

   while (uprs.next()) {
    Stirng word = uprs.getString("word");
    Stirng content = uprs.getString("content");

    if (matcher.contains(content, pattern)) {
     //或if(matcher.matchesPrefix(content,pattern)){
     MatchResult result = matcher.getMatch();
     Stirng pure = result.toString();
     System.out.println(word + "的音標為：" + pure);
    }
   }
  } catch (Exception e) {
   System.out.println(e);
  }
 }
}

輸出結(jié)果為：kevin的音標為['kevin]

在這個處理中我是用toString()方法來取得結(jié)果，但是如果正則表達式里是用了分組符號（圓括號），那么就可以用group(int gid)的方法來取得相應各組匹配的結(jié)果，如正則表達式改為" (/[[^]]+/])"，那么就可以用以下方法來取得結(jié)果：pure=result.group(0);

用程序驗證，輸出結(jié)果同樣為：kevin的音標為['kevin]

而如果正則表達式為（/[[^]]+/]）（/[[^]]+/]），則會查找到兩個連續(xù)的方括號所包含的內(nèi)容，也就找到[音標] [詞性]兩項，但是兩項的結(jié)果分別在兩個組里面，分別由下面語句獲得結(jié)果：

result.group(0)->返回[音標] [詞性]兩項內(nèi)容，也就是與整個正則表達式相匹配的結(jié)果字符串，在這里也就為['kevin] [名詞]

result.group(1) ->返回[音標]項內(nèi)容，結(jié)果應是['kevin]

result.group(2) ->返回[詞性]項內(nèi)容，結(jié)果應是[名詞]

繼續(xù)用程序驗證，發(fā)現(xiàn)輸出并不正確，主要是當內(nèi)容有中文時就不能成功匹配，考慮到可能是Jakarta-ORO正則表達式庫版本不支持中文的問題，回看一下原來我一直用的還是2.0.1的老版本，馬上到Jakarta.org上下載最新的2.0.4版本裝上再用程序驗證，得出的結(jié)果就和預期一樣正確。

★查找多個匹配：
經(jīng)過第一步的嘗試使用Jakarta-ORO后，我們已經(jīng)知道了如何正確使用該API包來查找目標字符串里一個匹配的子串，下面我們接著來看一看當目標字符串里包含不止一個匹配的子串時我們?nèi)绾伟阉鼈円粋€接一個找出來進行相應的處理。

首先我們先試個簡單的應用，假設我們想把CONTNET字段內(nèi)容里所有用方括號包起來的字串都找出來，很清楚地，CONTNET字段的內(nèi)容里面就只有兩項匹配的內(nèi)容：[音標]和 [詞性]，剛才我們其實已經(jīng)把它們分別找出來了，但是我們所用的方法是分組方法，把"[音標] [詞性]"作為一整個正則表達式匹配的內(nèi)容先找到，再根據(jù)分組把[音標]和 [詞性]分別挑出來。但是現(xiàn)在我們需要做的是把[音標]和[詞性]分別做為與同一個正則表達式匹配的內(nèi)容，先找到一個接著再找下一個，也就是剛才我們的表達式為（/[[^]]+/]）（/[[^]]+/]）,而現(xiàn)在應為" /[[^]]+/] "。

我們已經(jīng)知道在匹配操作的三個方法里只要用PatternMatcherInput對象作為參數(shù)替代String對象就可以從字符串中最后一次匹配的位置開始繼續(xù)進行匹配，實現(xiàn)的程序片段如下：

PatternMatcherInput input=new PatternMatcherInput(content);
while (matcher.contains(input,pattern)) {
result=matcher.getMatch();
System.out.println(result.group(0))
}

輸出結(jié)果為:['kevin]

[名詞]

接著我們來做復雜一點的處理，就是我們要先把下面內(nèi)容：
['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)( Kevin is living in ZhuHai now. /凱文現(xiàn)住在珠海/名詞: 凱文)}中的整個例句部分（也就是由大括號所包含的部分）找出來，再分別把例句一和例句二找出，而各例句中的各項內(nèi)容（英文句、中文句、詞性、解釋）也要分項列出。

第一步當然是要定出相應的正則表達式，需要有兩個，一是和整個例句部分（也就是由大括號包起來的部分）匹配的正則表達式："/{.+/}",
另一個則要和每個例句部分匹配（也就是小括號中的內(nèi)容），：/(([^)]+/)

而且由于要把例句的各項分離出來，所以要再把里面的各部分用分組的方法匹配出來：" ([^(]+)/(.+)/(.+):([^)]+) "。
為了簡便起見，我們不再和從數(shù)據(jù)庫里讀出，而是構(gòu)造一個包含同樣內(nèi)容的字符串變量，程序片段如下：

try{
String content="['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞:凱文) (Kevin is living in ZhuHai now./凱文現(xiàn)住在珠海/名詞: 凱文)}";
String ps1="http://{.+//}";
String ps2="http://([^)]+//)";
String ps3="([^(]+)/(.+)/(.+):([^)]+)";
String sentence;
PatternCompiler orocom=new Perl5Compiler();
Pattern pattern1=orocom.compile(ps1);
Pattern pattern2=orocom.compile(ps2);
Pattern pattern3=orocom.compile(ps3);
PatternMatcher matcher=new Perl5Matcher();
//先找出整個例句部分
if (matcher.contains(content,pattern1)) {
MatchResult result=matcher.getMatch();
String example=result.toString();
PatternMatcherInput input=new PatternMatcherInput(example);
//分別找出例句一和例句二
while (matcher.contains(input,pattern2)){
result=matcher.getMatch();
sentence=result.toString();
//把每個例句里的各項用分組的辦法分隔出來
if (matcher.contains(sentence,pattern3)){
result=matcher.getMatch();
System.out.println("英文句: "+result.group(1));
System.out.println("句子中文翻譯: "+result.group(2));
System.out.println("詞性: "+result.group(3));
System.out.println("意思: "+result.group(4));
}
}
}
}
catch(Exception e) {
System.out.println(e);
}

輸出結(jié)果為：
英文句: Kevin loves comic.
句子中文翻譯: 凱文愛漫畫
詞性: 名詞
意思: 凱文
英文句: Kevin is living in ZhuHai now.
句子中文翻譯: 凱文現(xiàn)住在珠海
詞性: 名詞
意思: 凱文

★查找替換：
以上的兩個應用都是單純在查找字符串匹配方面的，我們再來看一下查找后如何對目標字符串進行替換。

例如我現(xiàn)在想把第二個例句進行改動，換為：Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。

也就是把
['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)( Kevin is living in ZhuHai now. /凱文現(xiàn)住在珠海/名詞: 凱文)}

改為：
['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)( Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。)}

之前，我們已經(jīng)了解Util.substitute()方法與Substiution接口，以及Substiution的兩個實現(xiàn)類StringSubstitution和Perl5Substitution，我們就來看看怎么用Util.substitute()方法配合Perl5Substitution來完成我們上面提出的替換要求，確定正則表達式：

我們要先找到其中的整個例句部分，也就是由大括號包起來的字串，并且把兩個例句分別分組，所以正則表達式為："/{(/([^)]+/))(/([^)]+/))/}"，如果用替換變量來代替分組，那么上面的表達式可以看為"/{$1$2/}",這樣就可以更容易看出替換變量與分組間的關系。

根據(jù)上面的正則表達式Perl5Substitution類可以這樣構(gòu)造：
Perl5Substitution("{$1( Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。)}")

再根據(jù)這個Perl5Substitution對象來使用Util.substitute()方法便可以完成替換了，實現(xiàn)的代碼片段如下：

try{
String content="['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)(Kevin lives in ZhuHai now./凱文現(xiàn)住在珠海/名詞: 凱文)}";
String ps1="http://{(//([^)]+//))(//([^)]+//))//}";
String sentence;
String pure;
PatternCompiler orocom=new Perl5Compiler();
Pattern pattern1=orocom.compile(ps1);
PatternMatcher matcher=new Perl5Matcher();
String result=Util.substitute(matcher,
pattern1,new Perl5Substitution(
"{$1( Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。)}",1),
content,Util.SUBSTITUTE_ALL);
System.out.println(result);
}
catch(Exception e) {
System.out.println(e);
}

輸出結(jié)果是正確的，為：
['kevin] [名詞]（人名凱文）{(Kevin loves comic./凱文愛漫畫/名詞: 凱文)( Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。)}

至于有關使用numInterpolations參數(shù)的構(gòu)造器用法，讀者只要根據(jù)上面的介紹自己動手試一下就會清楚了，在此就不再例述。

總結(jié)：

本文首先介紹了Jakarta-ORO正則表達式庫的對象與方法，并且接著舉例讓讀者對實際應用有進一步的了解，雖然例子都比較簡單，但希望讀者們在看了該文后對Jakarta-ORO正則表達式庫有一定的認知，在實際工作中有所幫助與啟發(fā)。

其實在Jakarta org里除了Jakarta-ORO外還有一個百分百的純JAVA正則表達式庫，就是由Jonathan Locke贈與Jakarta ORG的Regexp，在該包里面包含了完整的文檔以及一個用于調(diào)試的Applet例子，對其有興趣的讀者可以到此下載。

參考資料：

本文的主要參考文章，該文在介紹Jakarta-ORO的同時也為讀者詳盡解析了正則表達式的基本語法。
一個基于PERL的正則表達式詳盡教程（雖然該教程是基于PERL的，但是你并不需要有PERL的經(jīng)驗，雖然那會有所幫助），以及一個不錯的正則表達式簡例教程。
最不可缺少的當然是Jakarta-ORO的幫助文檔http://jakarta.apache.org/oro/api/

關于作者
陳廣佳 Kevin Chen,汕頭大學電子信息工程系工科學士，臺灣大新出版社珠海區(qū)開發(fā)部，現(xiàn)正圍繞中日韓電子資料使用JAVA開發(fā)電子詞典等相關項目?？赏ㄟ^E-mail:cgjmail@163.net于他聯(lián)系。

java.util.regex篇

現(xiàn)在JDK1.4里終于有了自己的正則表達式API包，JAVA程序員可以免去找第三方提供的正則表達式庫的周折了，我們現(xiàn)在就馬上來了解一下這個SUN提供的遲來恩物- -對我來說確實如此。

1.簡介：

java.util.regex是一個用正則表達式所訂制的模式來對字符串進行匹配工作的類庫包。

它包括兩個類：Pattern和Matcher

首先一個Pattern實例訂制了一個所用語法與PERL的類似的正則表達式經(jīng)編譯后的模式，然后一個Matcher實例在這個給定的Pattern實例的模式控制下進行字符串的匹配工作。

以下我們就分別來看看這兩個類：

2.Pattern類:

Pattern的方法如下：

一個正則表達式，也就是一串有特定意義的字符，必須首先要編譯成為一個Pattern類的實例，這個Pattern對象將會使用 matcher()方法來生成一個Matcher實例，接著便可以使用該 Matcher實例以編譯的正則表達式為基礎對目標字符串進行匹配工作，多個Matcher是可以共用一個Pattern對象的。

現(xiàn)在我們先來看一個簡單的例子，再通過分析它來了解怎樣生成一個Pattern對象并且編譯一個正則表達式，最后根據(jù)這個正則表達式將目標字符串進行分割：

import java.util.regex.*;
public class Replacement{
public static void main(String[] args) throws Exception {
// 生成一個Pattern,同時編譯一個正則表達式
Pattern p = Pattern.compile("[/]+");
//用Pattern的split()方法把字符串按"/"分割
String[] result = p.split(
"Kevin has seen《LEON》seveal times,because it is a good film."
+"/ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部"
+"好電影。/名詞:凱文。");
for (int i=0; iresult.length; i++)
System.out.println(result[i]);
}
}

輸出結(jié)果為：

Kevin has seen《LEON》seveal times,because it is a good film.
凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。
名詞:凱文。

很明顯，該程序?qū)⒆址?/"進行了分段，我們以下再使用 split(CharSequence input, int limit)方法來指定分段的段數(shù)，程序改動為：

tring[] result = p.split("Kevin has seen《LEON》seveal times,because it is a good film./ 凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。"，2);

這里面的參數(shù)"2"表明將目標語句分為兩段。

輸出結(jié)果則為：

Kevin has seen《LEON》seveal times,because it is a good film.

凱文已經(jīng)看過《這個殺手不太冷》幾次了，因為它是一部好電影。/名詞:凱文。

由上面的例子，我們可以比較出java.util.regex包在構(gòu)造Pattern對象以及編譯指定的正則表達式的實現(xiàn)手法與我們在上一篇中所介紹的Jakarta-ORO 包在完成同樣工作時的差別，Jakarta-ORO 包要先構(gòu)造一個PatternCompiler類對象接著生成一個Pattern對象，再將正則表達式用該PatternCompiler類的compile()方法來將所需的正則表達式編譯賦予Pattern類：

PatternCompiler orocom=new Perl5Compiler();
Pattern pattern=orocom.compile("REGULAR EXPRESSIONS");
PatternMatcher matcher=new Perl5Matcher();

但是在java.util.regex包里，我們僅需生成一個Pattern類，直接使用它的compile()方法就可以達到同樣的效果:
Pattern p = Pattern.compile("[/]+");

因此似乎java.util.regex的構(gòu)造法比Jakarta-ORO更為簡潔并容易理解。

3.Matcher類:

Matcher方法如下：

（光看方法的解釋是不是很不好理解？不要急，待會結(jié)合例子就比較容易明白了）

一個Matcher實例是被用來對目標字符串進行基于既有模式（也就是一個給定的Pattern所編譯的正則表達式）進行匹配查找的，所有往Matcher的輸入都是通過CharSequence接口提供的，這樣做的目的在于可以支持對從多元化的數(shù)據(jù)源所提供的數(shù)據(jù)進行匹配工作。

我們分別來看看各方法的使用：

★matches()/lookingAt ()/find()：
一個Matcher對象是由一個Pattern對象調(diào)用其matcher()方法而生成的，一旦該Matcher對象生成,它就可以進行三種不同的匹配查找操作：

1. matches()方法嘗試對整個目標字符展開匹配檢測，也就是只有整個目標字符串完全匹配時才返回真值。
2. lookingAt ()方法將檢測目標字符串是否以匹配的子串起始。
3. find()方法嘗試在目標字符串里查找下一個匹配子串。

以上三個方法都將返回一個布爾值來表明成功與否。

★replaceAll ()/appendReplacement()/appendTail()：

Matcher類同時提供了四個將匹配子串替換成指定字符串的方法：

1. replaceAll()
2. replaceFirst()
3. appendReplacement()
4. appendTail()

replaceAll()與replaceFirst()的用法都比較簡單，請看上面方法的解釋。我們主要重點了解一下appendReplacement()和appendTail()方法。

appendReplacement(StringBuffer sb, String replacement) 將當前匹配子串替換為指定字符串，并且將替換后的子串以及其之前到上次匹配子串之后的字符串段添加到一個StringBuffer對象里，而appendTail(StringBuffer sb) 方法則將最后一次匹配工作后剩余的字符串添加到一個StringBuffer對象里。

例如，有字符串fatcatfatcatfat,假設既有正則表達式模式為"cat"，第一次匹配后調(diào)用appendReplacement(sb,"dog"),那么這時StringBuffer sb的內(nèi)容為fatdog，也就是fatcat中的cat被替換為dog并且與匹配子串前的內(nèi)容加到sb里，而第二次匹配后調(diào)用appendReplacement(sb,"dog")，那么sb的內(nèi)容就變?yōu)閒atdogfatdog，如果最后再調(diào)用一次appendTail（sb）,那么sb最終的內(nèi)容將是fatdogfatdogfat。

還是有點模糊？那么我們來看個簡單的程序：

//該例將把句子里的"Kelvin"改為"Kevin"
import java.util.regex.*;
public class MatcherTest{
public static void main(String[] args)
throws Exception {
//生成Pattern對象并且編譯一個簡單的正則表達式"Kelvin"
Pattern p = Pattern.compile("Kevin");
//用Pattern類的matcher()方法生成一個Matcher對象
Matcher m = p.matcher("Kelvin Li and Kelvin Chan are both working in Kelvin Chen's KelvinSoftShop company");
StringBuffer sb = new StringBuffer();
int i=0;
//使用find()方法查找第一個匹配的對象
boolean result = m.find();
//使用循環(huán)將句子里所有的kelvin找出并替換再將內(nèi)容加到sb里
while(result) {
i++;
m.appendReplacement(sb, "Kevin");
System.out.println("第"+i+"次匹配后sb的內(nèi)容是："+sb);
//繼續(xù)查找下一個匹配對象
result = m.find();
}
//最后調(diào)用appendTail()方法將最后一次匹配后的剩余字符串加到sb里；
m.appendTail(sb);
System.out.println("調(diào)用m.appendTail(sb)后sb的最終內(nèi)容是:"+ sb.toString());
}
}

最終輸出結(jié)果為：
第1次匹配后sb的內(nèi)容是：Kevin
第2次匹配后sb的內(nèi)容是：Kevin Li and Kevin
第3次匹配后sb的內(nèi)容是：Kevin Li and Kevin Chan are both working in Kevin
第4次匹配后sb的內(nèi)容是：Kevin Li and Kevin Chan are both working in Kevin Chen's Kevin
調(diào)用m.appendTail(sb)后sb的最終內(nèi)容是：Kevin Li and Kevin Chan are both working in Kevin Chen's KevinSoftShop company.

看了上面這個例程是否對appendReplacement()，appendTail()兩個方法的使用更清楚呢，如果還是不太肯定最好自己動手寫幾行代碼測試一下。

★group()/group(int group)/groupCount()：
該系列方法與我們在上篇介紹的Jakarta-ORO中的MatchResult .group()方法類似(有關Jakarta-ORO請參考上篇的內(nèi)容)，都是要返回與組匹配的子串內(nèi)容，下面代碼將很好解釋其用法：

import java.util.regex.*;
public class GroupTest{
public static void main(String[] args)
throws Exception {
Pattern p = Pattern.compile("(ca)(t)");
Matcher m = p.matcher("one cat,two cats in the yard");
StringBuffer sb = new StringBuffer();
boolean result = m.find();
System.out.println("該次查找獲得匹配組的數(shù)量為："+m.groupCount());
for(int i=1;i=m.groupCount();i++){
System.out.println("第"+i+"組的子串內(nèi)容為： "+m.group(i));
}
}
}

輸出為：
該次查找獲得匹配組的數(shù)量為：2
第1組的子串內(nèi)容為：ca
第2組的子串內(nèi)容為：t

Matcher對象的其他方法因比較好理解且由于篇幅有限，請讀者自己編程驗證。

4．一個檢驗Email地址的小程序：
最后我們來看一個檢驗Email地址的例程，該程序是用來檢驗一個輸入的EMAIL地址里所包含的字符是否合法，雖然這不是一個完整的EMAIL地址檢驗程序，它不能檢驗所有可能出現(xiàn)的情況，但在必要時您可以在其基礎上增加所需功能。

import java.util.regex.*;
public class Email {
public static void main(String[] args) throws Exception {
String input = args[0];
//檢測輸入的EMAIL地址是否以 非法符號"."或"@"作為起始字符
Pattern p = Pattern.compile("^//.|^//@");
Matcher m = p.matcher(input);
if (m.find()){
System.err.println("EMAIL地址不能以'.'或'@'作為起始字符");
}
//檢測是否以"www."為起始
p = Pattern.compile("^www//.");
m = p.matcher(input);
if (m.find()) {
System.out.println("EMAIL地址不能以'www.'起始");
}
//檢測是否包含非法字符
p = Pattern.compile("[^A-Za-z0-9//.//@_//-~#]+");
m = p.matcher(input);
StringBuffer sb = new StringBuffer();
boolean result = m.find();
boolean deletedIllegalChars = false;
while(result) {
//如果找到了非法字符那么就設下標記
deletedIllegalChars = true;
//如果里面包含非法字符如冒號雙引號等，那么就把他們消去，加到SB里面
m.appendReplacement(sb, "");
result = m.find();
}
m.appendTail(sb);
input = sb.toString();
if (deletedIllegalChars) {
System.out.println("輸入的EMAIL地址里包含有冒號、逗號等非法字符，請修改");
System.out.println("您現(xiàn)在的輸入為: "+args[0]);
System.out.println("修改后合法的地址應類似: "+input);
}
}
}

例如，我們在命令行輸入：java Email www.kevin@163.net

那么輸出結(jié)果將會是：EMAIL地址不能以'www.'起始

如果輸入的EMAIL為@kevin@163.net

則輸出為：EMAIL地址不能以'.'或'@'作為起始字符

當輸入為：cgjmail#$%@163.net

那么輸出就是：

輸入的EMAIL地址里包含有冒號、逗號等非法字符，請修改
您現(xiàn)在的輸入為: cgjmail#$%@163.net
修改后合法的地址應類似: cgjmail@163.net

5．總結(jié)：
本文介紹了jdk1.4.0-beta3里正則表達式庫--java.util.regex中的類以及其方法，如果結(jié)合與上一篇中所介紹的Jakarta-ORO API作比較，讀者會更容易掌握該API的使用，當然該庫的性能將在未來的日子里不斷擴展，希望獲得最新信息的讀者最好到及時到SUN的網(wǎng)站去了解。

6．結(jié)束語：
本來計劃再多寫一篇介紹一下需付費的正則表達式庫中較具代表性的作品，但覺得既然有了免費且優(yōu)秀的正則表達式庫可以使用，何必還要去找需付費的呢，相信很多讀者也是這么想的:，所以有興趣了解更多其他的第三方正則表達式庫的朋友可以自己到網(wǎng)上查找或者到我在參考資料里提供的網(wǎng)址去看看。

參考資料

java.util.regex的幫助文檔
Dana Nourie 和Mike McCloskey所寫的Regular Expressions and the Java" Programming Language
需要更多的第三方正則表達式資源以及基于它們所開發(fā)的應用程序請看