java正则表达式彻底研究.doc

java正则表达式彻底研究 package testreg; import java.util.regex.Matcher; import java.util.regex.Pattern; /** * pTitle: 正则表达式的研究/p * pDescription: * 最近在工作中常常用到一些正则表达式的使用问题，到网上去找介绍大多是一鳞半爪。求人不如 * 求已。一狠心，自己看!这两天利用我们项目两期之间的一点空闲对J2SE所支持的正则表达式来 * 了个彻底研究!代价是……就是浪废了部门近十二张白纸。闲话少说，书归正传。 * 原理： * 正则表达式的原理是有限状态自动机，自动机内部有有限个状态，有一个初始状态，有一个 * 结束状态。自动机根据输入和自身内部的当前状态来决定下一步于什么。呵呵，这是很久以前学 * 的东东了也记不清了，大家只作参照吧。 * Java中的正则表达式： * 从J2SE1.4起Java增加了对正则表达式的支持就是java.util.regex包，这个包中主要有 * 3个类:Pattern,代表模式，就是正则表达式自身，Matcher，是一个有限状态自动机，其实大多 * 数的活还是让Pattern类于了，Matcher往往只是简单的调用Pattern，不知道这是什么模式。这 * 两个类写的都很经典，还有不少算法在内值得有功力的人仔细研究一下。另一个是一个异常类当所 * 用正则表达式不正确时抛出，是运行时异常。 * 几个难点： * 1.line terminator * line terminator 中文意终结符，是指一个或两个字符组成的字符序列。java中的 * 所有line terminator: * A newline (line feed) character (\n), * -----------换行符(0A) * A carriage-return character followed immediately by a newline character (\r\n), * -----------回车+换行(0D0A) * A standalone carriage-return character (\r), * -----------回车(0D) * A next-line character (\u0085), * ------------下一行符？(？表示我也不知道是什么，请大家明白的给我发mail * A line-separator character (\u2028), or * ------------行分隔符？ * A paragraph-separator character (\u2029). * ------------段落分隔符？ * If UNIX_LINES mode is activated, then the only line terminators recognized are newline characters. * 如果使用unix模式则只有\n被认为是line terminator，也就是在使用pattern时如下： * Pattern p=Ppile(正则表达式,Pattern.UNIX_LINE); * 或 Pattern p=Ppile((?d)正则表达式) * .匹配除line terminator以外的所有字符(未指定DOTALL时) * 在指定DOTAll模式时.匹配所有字符 * 2.Quantifiers,Greedy,Reluctant and Possessive. * 这几个词不太好译，原文是Greedy Quantifiers,Reluctant Quantifiers and Possessive * Quantifiers凭我这点英语我只好译作贪婪的量子，不情愿的量子和占有欲强的量子？这也太搞笑了， * 好在我理解了他们的意思。这点等下我细说。 * 3. 对于[a-zA-Z],[a-d[h-i]],[^a-f],[b-f[a-z]],[b-f[^cd]]等形式的理解 * 对于上述，原文用range,union,negation,intersection,subtraction等来描述 * range表是范围，union是并集，negation是取反，intersection是交集，subtraction * 是……是减法？？反正是减去一部分的意思 * range a-z 从a到z的小写字母 * negation [^a-f]除了a-f之外所有的，全集是所有字符 * union [a-d[h-i]] a-d并h-i