Java中使用正則表達(dá)式處理文本數(shù)據(jù)

本文將介紹如何在Java中使用正則表達(dá)式來處理文本數(shù)據(jù)。正則表達(dá)式就是一個(gè)字符串，但和普通的字符串不同的是，正則表達(dá)式是對(duì)一組相似字符串的抽象，如下面的幾個(gè)字符串：

a98b   c0912d   c10b   a12345678d   ab

我們仔細(xì)分析上面五個(gè)字符串，可以看出它們有一個(gè)共同特征，就是第一個(gè)字符必須是'a'或'c'，最后一個(gè)字符必須是'b'或'd'，而中間的字符是任意多個(gè)數(shù)字組成（包括0個(gè)數(shù)字）。因此，我們可以將這五個(gè)字符串的共同特點(diǎn)抽象出來，這就產(chǎn)生了一個(gè)正則表達(dá)式：[ac]\\d*[bd]。而根據(jù)這個(gè)正則表達(dá)式，我們可以寫出無窮多個(gè)滿足條件的字符串。

在Java中使用正則表達(dá)式的方法非常多，最簡(jiǎn)單的就是和字符串一起使用。在String中有四個(gè)方法可以使用正則表達(dá)式，它們是matches、split、replaceAll和replaceFirst。

一、matches方法

matches方法可以判斷當(dāng)前的字符串是否匹配給定的正則表達(dá)式。如果匹配，返回true，否則，返回false。matches方法的定義如下：

如上面給出的正則表達(dá)式我們可以用如下程序驗(yàn)證。

!---->String[] ss = new String[]{"a98b", "c0912d", "c10b", "a12345678d", "ab"};
for(String s: ss)
 System.out.println(s.matches("[ac]\\d*[bd]"));

輸出結(jié)果：

true
true
true
true
true

下面簡(jiǎn)單解釋一下這個(gè)正則表達(dá)式的含義。如果我們學(xué)過編譯原理的詞法分析，就會(huì)很容易理解上面的正則表達(dá)式（因?yàn)檎齽t表達(dá)式的表示方法和詞法分析中的表達(dá)式類似）。如在 [...]中的相當(dāng)于或"|"，如[abcd]相當(dāng)于a|b|c|d，也就是a或b或c或d。如上面的正則表達(dá)式的開頭部分是[ac]，就代表著字符串的開頭只能是a或c。[bd]表達(dá)字符串結(jié)尾只能是b或d。而中間的\d表達(dá)0-9的數(shù)字，由于\在正則表達(dá)式中有特殊含義，所以用\\來表示\。而*表示有0或無窮多個(gè)（這在詞法分析中叫*閉包），由于*跟在\d后面，因此表達(dá)有0或無窮多個(gè)數(shù)字。

二、split方法

split方法使用正則表達(dá)式來分割字符串，并以String數(shù)組的形式返回分割結(jié)果。split有兩種重載形式，它們定義如下：

!---->public String[] split(String regex)
public String[] split(String regex, int limit)

如下面的代碼將使用split的第一種重載形式來分割HTTP請(qǐng)求頭的第一行，代碼如下：

!---->String s = "GET /index.html HTTP/1.1";
String ss[] = s.split(" +");
for(String str: ss)
System.out.println(str);

輸出結(jié)果：

GET
/index.html
HTTP/1.1

在使用split的第一種重載形式時(shí)應(yīng)注意，如果分割后的字符串最后有空串，將被忽略。如使用正則表達(dá)式\d來分割字符串a(chǎn)0b1c3456時(shí)，得到的數(shù)組的長(zhǎng)度為3，而不是7。

在split的第二種重載形式中有一個(gè)limit參數(shù)，要分三種情況討論：

1. 大于0： 如limit的值為n，那么將對(duì)正則表達(dá)式使用n-1次，下面的代碼：

!---->String s = "a0b1c3456";
String ss[] = s.split("\\d", 3);
for(String str: ss)
  System.out.println(str);

輸出結(jié)果:

a
b
c3456

從輸出結(jié)果可以看出，程序只對(duì)" a0b1c3456"使用了兩次正則表達(dá)式，也就是在少掃描完字符'1'后，不管后面有沒有滿足條件的字符串，都將后面的字符串作為一個(gè)整體來作為返回?cái)?shù)組的最后一個(gè)值。

2. 小于0： 不忽略結(jié)尾的空串。也就是上面的例子返回?cái)?shù)組的長(zhǎng)度應(yīng)該是7，而不是3。

3. 等于0：這是默認(rèn)值，相當(dāng)于split的第一種重載形式。

三、replaceAll 和 replaceFirst方法

為兩個(gè)方法的定義如下：

public String replaceAll(String regex, String replacement)
public String replaceFirst(String regex, String replacement)

這兩個(gè)方法用replacement替換當(dāng)前字符串中和regex匹配的字符串。使用方法很簡(jiǎn)單，這里不再詳述，感興趣的讀者可以參考相關(guān)的文檔。