java正則表達式教案課件

1、Java正則表達式第1頁，共92頁。早期起源正則表達式的“祖先”可以一直上溯至對人類神經(jīng)系統(tǒng)如何工作的早期研究。Warren McCulloch 和 Walter Pitts 這兩位神經(jīng)生理學家研究出一種數(shù)學方式來描述這些神經(jīng)網(wǎng)絡。1956 年, 一位叫 Stephen Kleene 的美國數(shù)學家在 McCulloch 和 Pitts 早期工作的基礎上，發(fā)表了一篇標題為“神經(jīng)網(wǎng)事件的表示法”的論文，引入了正則表達式的概念。正則表達式就是用來描述他稱為“正則集的代數(shù)”的表達式，因此采用“正則表達式”這個術(shù)語。 隨后，發(fā)現(xiàn)可以將這一工作應用于使用Ken Thompson 的計算搜索算法的一些早期研

2、究，Ken Thompson是Unix 的主要發(fā)明人。正則表達式的第一個實用應用程序就是 Unix 中的qed 編輯器。如他們所說，剩下的就是眾所周知的歷史了。從那時起直至現(xiàn)在正則表達式都是基于文本的編輯器和搜索工具中的一個重要部分。第2頁，共92頁。重要聲明許多語言，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 Java正則表達式不是javascript正則表達式第3頁，共92頁。Java正則表達式優(yōu)點使用java正則表達式與傳統(tǒng)編程相比優(yōu)點：在判斷EMAIL等傳統(tǒng)編程方法可能需要一

3、二十行代碼，使用正則表達式只需幾行代碼而已提高編程效率弊端：需要學習java正則表達式的用法。第4頁，共92頁?；A知識部份開始java正則表達式的基礎知識第5頁，共92頁。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： 第6頁，共92頁。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。你可以使用一個通配符句點符號“.”。這樣，完整

4、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： 第7頁，共92頁。1.2 方括號符號 句點優(yōu)點是通用，同時缺點也是通用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“taeion”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 .方括號表示可能出現(xiàn)的單個字符第8頁，

5、共92頁。1.3 “或”符號 句點和方括號只匹配單個字符，如果要匹配多個字符就要看”或”運算符了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?！皘”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。 第9頁，共92頁。1.4.1 表示匹配次數(shù)的符號 遇到單個字符的重復問題，就要看下面的符號表了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)： 第10頁，共9

6、2頁。1.4.2常用符號小結(jié)1句點.表示單個字符方括號表示可能出現(xiàn)字符集里的單個字符括號()可表示多個字符大括號表示次數(shù)轉(zhuǎn)義字符“”一般正則表達式是由通配符和固定字符組成第11頁，共92頁。1.4.3實例圖：匹配所有123-12-1234形式的社會安全號碼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。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“”?？纯聪旅婺且恍姓齽t表達式是對的:(0-9)3 -(0-9)2 - (0-9)40-93

7、 -0-92 - 0-94正確的是:第12頁，共92頁。1.4.4實例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一個數(shù)量限定符號，如圖所示： 看看下面那一行正則表達式是對的:(0-9)3 -?(0-9)2 -? (0-9)40-93 -*0-92 -* 0-94 正確的是:圖：匹配所有123-12-1234和123121234形式的社會安全號碼 第13頁，共92頁。1.4.5實例3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-

8、94”，再加上字母部分“A-Z2”。圖顯示了完整的正則表達式。 圖：匹配典型的美國汽車牌照號碼，如8836KV第14頁，共92頁。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：匹配所有單詞，但“X”開頭的除外第15頁，共92頁。1.6.1 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所示：看看下面哪一個是正確的:a-z* s+ 0-91,2,s* 0-94 a-z+ s+ 0-91,2,s* 0-94正

9、確的是:圖：匹配所有Moth DD,YYYY格式的日期第16頁，共92頁。1.6.2 圓括號和空白符號新出現(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所示： 圖：匹配所有Month DD,YYYY格式的日期，定義月份值為第一個組第17頁，共92頁。1.7.1 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 第18頁，共92頁。1.7.2 其它符號例如，在前面社會安全

10、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所示： 圖：匹配所有123-12-1234格式的社會安全號碼第19頁，共92頁。1.8常用符號總結(jié)句點.表示單個字符方括號表示可能出現(xiàn)字符集里的單個字符括號()可表示多個字符,還有分組功能大括號表示次數(shù)轉(zhuǎn)義字符“”一般正則表達式是由通配符和固定字符組成”符號稱為“否”符號d D w W s S等快捷符號第20頁，共92頁。實戰(zhàn)部份開始java正則表達式的實戰(zhàn)講解部份第21頁，共92頁。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，有許多支持Perl 5兼容的正則表達式語法。這里選

11、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。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。第22頁，共92頁。實戰(zhàn)思路PatternCompiler 根據(jù)用戶寫的正則表達式生(編譯成)Pattern, PatternMatcher比較器匹配Patt

12、ern和InputString,再返回真或假思路有點類似于java編譯器把*.java編譯成*.class 再由jvm加載執(zhí)行PatternCompiler根據(jù)正則表達式生成PatternInputStringPatternMatcher比較器匹配 Patten和InputString返回True 或者 false第23頁，共92頁。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

13、。 第24頁，共92頁。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“taeion”： 第25頁，共92頁。Pattern對象續(xù)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Pa

14、ttern對象進行模式匹配。 第26頁，共92頁。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： 第27頁，共92頁。介紹匹配的幾種方法使用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, Pa

15、ttern 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。(例如正則表達式abc 匹配abc1或abc2)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

16、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, Pat

17、tern pattern) 第28頁，共92頁。應用實例 應用實例介紹開始第29頁，共92頁。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：匹配

18、IP地址第30頁，共92頁。1.日志文件處理-續(xù)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：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，

19、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下圖所示。 圖：匹配IP地址和時間標記第31頁，共92頁。1.日志文件處理-續(xù)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前一頁圖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。前一頁圖不是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。

20、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。 第32頁，共92頁。1.日志文件處理-續(xù)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： 第33頁，共92頁。1.日志文件處理-續(xù)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

21、看到類如下面的輸出： 第34頁，共92頁。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。第一個如圖下所示，它從字體標記提取出“face=Arial, Serif size=+2 color=red”。 圖：匹配FONT標記的所有屬性第35頁，共92頁。2 .HTML處理實例一續(xù)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：匹配單個屬性，并把它分割成名字-值對分割結(jié)果為： 第36頁，共92頁。2 .HTM

22、L處理實例一續(xù)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。第37頁，共92頁。2 .HTML處理實例一續(xù)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FON

23、T的所有屬性 第38頁，共92頁。2 .HTML處理實例一續(xù)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

24、從前一次匹配位置的后面開始。 本例的輸出結(jié)果如下：第39頁，共92頁。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服務器從移到了?，F(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所示： 圖：匹配修改前的鏈接第40頁，共92頁。3 HTML處理實例二續(xù)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

25、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對象第41頁，共92頁。3 HTML處理實例二續(xù)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： 第42頁，共92頁。3 HTML處理實例二續(xù)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

26、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)。 第43頁，共92頁。結(jié)束語【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。 參考資料/htm/app/aprog/01_7_31_4.asp第44頁

27、，共92頁。Java正則表達式教案二第45頁，共92頁。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(shù)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。 第46頁，共92頁。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（Specifica

28、tion Request）已經(jīng)得到認可，你可以期待在JDK的下一版本中看到它。 第47頁，共92頁。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A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。 第48頁，共92頁。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： 第49頁，共9

29、2頁。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： 第50頁，共92頁。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

30、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“taeion”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： 第51頁，共92頁。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?！皘”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。 第52頁，共92頁。1.4 表示匹配次數(shù)的符號 表一顯

31、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)： 第53頁，共92頁。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 第54頁，共92頁。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

32、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 圖二：匹配所有123-12-1234和123121234形式的社會安全號碼 第55頁，共92頁。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“0-94”，再加上字母部分“A-Z2”。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 第56頁，共92頁。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

33、：匹配所有單詞，但“X”開頭的除外 第57頁，共92頁。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 第58頁，共92頁。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 第59頁，共92頁

34、。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： 第60頁，共92頁。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 第61頁，共92頁。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。

35、 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。 第62頁，共92頁。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。 第63頁，共9

36、2頁。 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“taeion”： 第64頁，共92頁。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 第65頁

37、，共92頁。 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： 第66頁，共92頁。 boolean matches(String input, Pattern pattern)：當輸入字符串和正則表達

38、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）。 第67頁，共92頁。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

39、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) 第68頁，共92頁。三、應用實例 下面我們來看

40、看Jakarta-ORO庫的一些應用實例。 第69頁，共92頁。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。 第70頁，共92頁。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

41、IP地址 第71頁，共92頁。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“” 第72頁，共92頁?，F(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。

42、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 第73頁，共92頁。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： 第74頁，共92頁。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

43、。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。 第75頁，共92頁。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： 第76頁，共92頁?，F(xiàn)在，創(chuàng)建PatternMatcher對象，調(diào)用PatternMatcher接口的contain()方法檢查匹配情況：第77頁，共92頁。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： 第78頁，共92頁。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 第79頁，共92頁。程序?qū)凑杖缦滦问?，輸出每一個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”。 第80頁，共92頁。圖十一：匹配FONT標記的所有屬性 第81頁，共92頁。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，