正则表达式学习经验分析讲义.doc

正则表达式学习经验分析 正则表达式用来指定字符串模式。当你需要定位匹配某种模式的字符串时就可以使用正则表达式。例如，我们下面的一个例程就是在一个HTML文件中通过查找字符串模式a href=...来定位所有的超链接。 ??当然，为了指定一种模式，使用...这种记号是不够精确的。你需要精确地指定什么样的字符排列是一个合法的匹配。当描述某种模式时，你需要使用一种特殊的语法。 ??这里有一个简单例子。正则表达式 [Jj]ava.+ 匹配下列形式的任何字符串： 首字母是J或j? 后续的三个字母是ava? 字符串的剩余部分由一个或多个任意字符组成? ??例如，字符串“javaness”匹配这个特殊的正则表达式，但是字符串“Core?Java”却不匹配。 ??如你所见，你需要了解一点语法来理解正则表达式的含意。幸运的是对于大多数的用途，使用少量的简单构造（straightforward?constructs）就已足够。 字符类是可选自符的集合，用‘[封装，比如[Jj],[0-9],[A-Za-z]或[^0-9]。这里的-表示范围（Unicode落在两个边界之间的所有字符），^表示求补（指定字符外的所有字符）。? 有许多预定以的字符类，像\d（数字）或\p{Sc}（Unicode货币符号），见表12-8和12-9。? 大多数字符与它们自身匹配，像上例中的ava字符。? 符号.匹配任何字符（可能行终止符（line?terminators）除外，这依赖于标识设置（flag?settings））? \用作转义符，比如\.匹配一个句点，\\匹配一个反斜杠。? ^和$分别匹配行头和行尾? 如果X和Y都是正则表达式，则XY表示“X的匹配后面跟着Y的匹配”。X|Y表示“任何X或Y的匹配”? 可以将量词（quantifier）用到表达式中，X+?表示X重复1次或多次，X*?表示X重复0次或多次，X??表示X重复0次或1次? 默认地，一个量词总是与使总体成功匹配的最长的可能重复匹配。可以加上后缀？（称为reluctant或stingy?匹配，用以匹配最小的重复数），和+（称为possessive或贪婪匹配，用以即使在总体匹配失败的情况下也匹配最大的重复数）来更改这种属性。? 例如，字符串cab匹配[a-z]*ab，但不匹配[a-z]*+ab。第一种情况下，[a-z]*只匹配字符c，因此字符ab正好与模式的剩余部分匹配。但是贪婪版本[a-z]*+就与字符cab匹配，模式的剩余部分ab就匹配失败（，这样总体也就匹配失败）。 可以使用分组来定义子表达式。将分组封装在（）中，如([+-]?)([0-9]+)。然后你可以让模式匹配符（the?pattern?matcher）返回每个分组的匹配，或者使用\n来回引分组（refer?back?to?a?group?with?\n），其中n是组号（以\1起始）? ??这里有一个稍微有点复杂却又很有用的正则表达式－－它用来描述十进制和十六进制的整数。 [+-]?[0-9]+|0[Xx][0-9A-Fa-f]+ ??不幸的是，在使用正则表达式的各种程序和库之间，它的语法还没有完全标准化。对基本的构造上已达成了共识，但在细节方面有许多令人“抓狂”的区别（many?maddening?differences）。Java的正则表达式类使用了与Perl语言类似的语法，但也不尽相同。表12-8显示了Java语法的所有正则表达式构造。要了解更多关于正则表达式的信息，请参考Pattern类的API文档，或者Jeffrey?E.?F.?Friedl的著作《Mastering?Regular?Expressions》(OReilly?and?Associates,?1997)（刚去第二书店查了一下，东南大学出版社已经引入了其第二版，影印） 表12-8?正则表达式语法  语法???????????????????????????????????????解释  字符 c?????????????????????????????????????????字符c \unnnn,?\xnn,?\0n,?\0nn,?\0nnn???????带有十六或八进制值的代码单元 \0n?????????????????????????????八进制0n代表的字符（0=n=7） \0nn???????????????????????????八进制0nn代表的字符(0=n=7) \0mnn?????????????????????????八进制0mnn代表的字符(0=m=3,0=n=7) \xnn???????????????????????????十六进制?0xnn所代表