作者：歪書生
email: netnerd@163.com
日期：8/3/2001 5:36:11 PM
[TABLE][TR][TD]如果你曾經用過Perl或任何其他內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）就是一個字符構成的串，它定義了一個用來搜索匹配字符串的模式。 [/TD][/TR][/TABLE][TABLE][TR][TD]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規范需求（Specification Request）已經得到認可，你可以期待在JDK的下一版本中看到它。 [/TD][/TR][/TABLE][TABLE][TR][TD]然而，如果現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。 [/TD][/TR][/TABLE][TABLE][TR][TD][B]一、正則表達式基礎知識[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]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： [/TD][/TR][/TABLE][TABLE][TR][TD][img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4_a.jpg[/img] [/TD][/TR][/TABLE][TABLE][TR][TD][B]1.1 句點符號[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]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容。要構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： [/TD][/TR][/TABLE][TABLE][TR][TD][img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4_b.jpg[/img] [/TD][/TR][/TABLE][TABLE][TR][TD][B]1.2 方括號符號[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]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，因為在方括號之內你只能匹配單個字符： [/TD][/TR][/TABLE][TABLE][TR][TD][img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4_c.jpg[/img][/TD][/TR][/TABLE][TABLE][TR][TD][B]1.3 “或”符號[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]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。 [/TD][/TR][/TABLE][TABLE][TR][TD][img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4_d.jpg[/img] [/TD][/TR][/TABLE][TABLE][TR][TD][B]1.4 表示匹配次數的符號[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]表一顯示了表示匹配次數的符號，這些符號用來確定緊靠該符號左邊的符號出現的次數： [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4n.jpg[/img][/TD][/TR][/TABLE][TABLE][TR][TD]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義字符“\”。 [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4a.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖一：匹配所有123-12-1234形式的社會安全號碼[/TD][/TR][/TABLE][TABLE][TR][TD]假設進行搜索的時候，你希望連字符號可以出現，也可以不出現——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“？”數量限定符號，如圖二所示： [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4b.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖二：匹配所有123-12-1234和123121234形式的社會安全號碼[/TD][/TR][/TABLE][TABLE][TR][TD]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字加上二個字母。它的正則表達式前面是數字部分“[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。 [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4c.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖三：匹配典型的美國汽車牌照號碼，如8836KV[/TD][/TR][/TABLE][TABLE][TR][TD]1.5 “否”符號 [/TD][/TR][/TABLE][TABLE][TR][TD]“^”符號稱為“否”符號。如果用在方括號內，“^”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。 [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4d.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖四：匹配所有單詞，但“X”開頭的除外[/TD][/TR][/TABLE][TABLE][TR][TD]1.6 圓括號和空白符號 [/TD][/TR][/TABLE][TABLE][TR][TD]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： [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4e.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖五：匹配所有Moth DD,YYYY格式的日期[/TD][/TR][/TABLE][TABLE][TR][TD]新出現的“\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： [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4f.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖六：匹配所有Month DD,YYYY格式的日期，定義月份值為第一個組[/TD][/TR][/TABLE][TABLE][TR][TD][B]1.7 其它符號[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]為簡便起見，你可以使用一些為常見正則表達式創建的快捷符號。如表二所示： [/TD][/TR][/TABLE][TABLE][TR][TD]表二：常用符號 [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4o.jpg[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]例如，在前面社會安全號碼的例子中，所有出現“[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： [/TD][/TR][/TABLE][TABLE][TR][TD]
[img]http://www.ccw.com.cn/htm/app/aprog/01_7_31_4g.gif[/img] [/TD][/TR][/TABLE][TABLE][TR][TD]
圖七：匹配所有123-12-1234格式的社會安全號碼[/TD][/TR][/TABLE][TABLE][TR][TD][B]二、Jakarta-ORO庫[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]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，它也是優化得最好的API之一。 [/TD][/TR][/TABLE][TABLE][TR][TD]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。 [/TD][/TR][/TABLE][TABLE][TR][TD]我首先將簡要介紹使用Jakarta-ORO庫時你必須創建和訪問的對象，然后介紹如何使用Jakarta-ORO API。 [/TD][/TR][/TABLE][TABLE][TR][TD][B]▲ PatternCompiler對象[/B] [/TD][/TR][/TABLE][TABLE][TR][TD]首先，創建一個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，允許你把正則表達式編譯成用來匹配的Pattern對象。 [/TD][/TR][/TABLE]