利用java正則表示式來解析並獲取指定的字串
Java的正則表示式不僅可以用來匹配驗證字串是否符合標準型別，還可以用來解析字串，獲取自己想要得到的資料。在java.util.regex包下提供了系列的類來對字串進行匹配。來看一下下面的例子：
public static String parse (String s)
{
Pattern pattern =Pattern.compile("charset=(.+?)\"");//匹配的模式
//萬用字元中也要加入轉移字元 (.+?)代表要查詢的內容
Matcher matcher=pattern.matcher(s);
while(matcher.find())
{
System.out.println(matcher.group(1)); //每次返回第一個即可 可用groupcount()方法來檢視捕獲的組數 個數
}
return s;
}
要匹配一下型別的字串：
<meta http-equiv="Content-Type"content="text/html; charset=UTF-8">
其中標紅的部分為想要獲取的資料，注意這裡要獲取的資料長度不固定，並且可能為unicode
Gb2312等其他編碼型別，在這裡我們所希望獲取的是其編碼方式。
具體應用例項：
package URL;
import java.net.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
import java.io.BufferedReader;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.util.regex.*;
public class DataFromURL {
public static String parse (String s)
{
Pattern pattern =Pattern.compile("charset=(.+?)\""
//萬用字元中也要加入轉移字元 (.+?)代表要查詢的內容
Matcher matcher=pattern.matcher(s);
while(matcher.find())
{
System.out.println(matcher.group(1));
}
return s;
}
public static voidgetDataFromURL(String url)
{
try{
URL u=new URL(url);//通過連線建立URL物件
BufferedReader reader=new BufferedReader(new InputStreamReader(u.openStream(),"gb2312"));//採用gb2312方式開啟輸入流
int c;
/*while((c=reader.read())!=-1)//該方法為每個字元讀取
{
System.out.print((char)c);
}*/
String s;
while((s=reader.readLine())!=null)//不為空一次性讀取一行
{
//System.out.println(s);
if(s.contains("charset"))
{
parse(s);
}
}
}catch(Exception e)
{
e.printStackTrace();
}
}
}
附錄正則表示式說明：
眾所周知，在程式開發中，難免會遇到需要匹配、查詢、替換、判斷字串的情況發生，而這些情況有時又比較複雜，如果用純編碼方式解決，往往會浪費程式設計師的時間及精力。因此，學習及使用正則表示式，便成了解決這一矛盾的主要手段。大 家都知道，正則表示式是一種可以用於模式匹配和替換的規範，一個正則表示式就是由普通的字元（例如字元a到z）以及特殊字元（元字元）組成的文字模式，它 用以描述在查詢文字主體時待匹配的一個或多個字串。正則表示式作為一個模板，將某個字元模式與所搜尋的字串進行匹配。自從jdk1.4推出java.util.regex包，就為我們提供了很好的JAVA正則表示式應用平臺。
因為正則表示式是一個很龐雜的體系，所以我僅例舉些入門的概念，更多的請參閱相關書籍及自行摸索。
// 反斜槓
/t 間隔 ('/u0009')
/n 換行 ('/u000A')
/r 回車 ('/u000D')
/d 數字 等價於[0-9]
/D 非數字 等價於[^0-9]
/s 空白符號 [/t/n/x0B/f/r]
/S 非空白符號 [^/t/n/x0B/f/r]
/w 單獨字元 [a-zA-Z_0-9]
/W 非單獨字元 [^a-zA-Z_0-9]
/f 換頁符
/e Escape
/b 一個單詞的邊界
/B 一個非單詞的邊界
/G 前一個匹配的結束
^為限制開頭
^java 條件限制為以Java為開頭字元
$為限制結尾
java$ 條件限制為以java為結尾字元
. 條件限制除/n以外任意一個單獨字元
java.. 條件限制為java後除換行外任意兩個字元加入特定限制條件「[]」
[a-z] 條件限制在小寫a to z範圍中一個字元
[A-Z] 條件限制在大寫A to Z範圍中一個字元
[a-zA-Z] 條件限制在小寫a to z或大寫A to Z範圍中一個字元
[0-9] 條件限制在小寫0 to 9範圍中一個字元
[0-9a-z] 條件限制在小寫0 to 9或a to z範圍中一個字元
[0-9[a-z]] 條件限制在小寫0 to 9或a to z範圍中一個字元(交集)
[]中加入^後加再次限制條件「[^]」
[^a-z] 條件限制在非小寫a to z範圍中一個字元
[^A-Z] 條件限制在非大寫A to Z範圍中一個字元
[^a-zA-Z] 條件限制在非小寫a to z或大寫A to Z範圍中一個字元
[^0-9] 條件限制在非小寫0 to 9範圍中一個字元
[^0-9a-z] 條件限制在非小寫0 to 9或a to z範圍中一個字元
[^0-9[a-z]] 條件限制在非小寫0 to 9或a to z範圍中一個字元(交集)在限制條件為特定字元出現0次以上時，可以使用「*」
J* 0個以上J
.* 0個以上任意字元
J.*D J與D之間0個以上任意字元在限制條件為特定字元出現1次以上時，可以使用「+」
J+ 1個以上J
.+ 1個以上任意字元
J.+D J與D之間1個以上任意字元在限制條件為特定字元出現有0或1次以上時，可以使用「?」
JA? J或者JA出現限制為連續出現指定次數字符「{a}」
J{2} JJ
J{3} JJJ
文字a個以上，並且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J並存)文字個以上，b個以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ兩者取一「|」
J|A J或A
Java|Hello Java或Hello
「()」中規定一個組合型別比如，我查詢<ahref=/"index.html/">index</a>中<a href></a>間的資料，可寫作<a.*href=/".*/">(.+?)</a>在使用Pattern.compile函式時，可以加入控制正則表示式的匹配行為的引數：
PatternPattern.compile(String regex, int flag)
flag的取值範圍如下：
Pattern.CANON_EQ 當且僅當兩個字元的"正規分解(canonical decomposition)"都完全相同的情況下，才認定匹配。比如用了這個標誌之後，表示式"a/u030A"會匹配"?"。預設情況下，不考慮"規 範相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 預設情況下，大小寫不明感的匹配只適用於US-ASCII字符集。這個標誌能讓表示式忽略大小寫進行匹配。要想對Unicode字元進行大小不明感的匹 配，只要將UNICODE_CASE與這個標誌合起來就行了。
Pattern.COMMENTS(?x) 在這種模式下，匹配時會忽略(正則表示式裡的)空格字元(譯者注：不是指表示式裡的"//s"，而是指表示式裡的空格，tab，回車之類)。註釋從#開始，一直到這行結束。可以通過嵌入式的標誌來啟用Unix行模式。
Pattern.DOTALL(?s) 在這種模式下，表示式'.'可以匹配任意字元，包括表示一行的結束符。預設情況下，表示式'.'不匹配行的結束符。
Pattern.MULTILINE
(?m) 在這種模式下，'^'和'$'分別匹配一行的開始和結束。此外，'^'仍然匹配字串的開始，'$'也匹配字串的結束。預設情況下，這兩個表示式僅僅匹配字串的開始和結束。
Pattern.UNICODE_CASE
(?u) 在這個模式下，如果你還啟用了CASE_INSENSITIVE標誌，那麼它會對Unicode字元進行大小寫不明感的匹配。預設情況下，大小寫不敏感的匹配只適用於US-ASCII字符集。
Pattern.UNIX_LINES(?d) 在這個模式下，只有'/n'才被認作一行的中止，並且與'.'，'^'，以及'$'進行匹配。拋開空泛的概念，下面寫出幾個簡單的Java正則用例：◆比如，在字串包含驗證時
//查詢以Java開頭,任意結尾的字串
Patternpattern = Pattern.compile("^Java.*");
Matchermatcher = pattern.matcher("Java不是人");
boolean b=matcher.matches();
//當條件滿足時，將返回true，否則返回false
System.out.println(b);
◆以多條件分割字串時
Pattern pattern =Pattern.compile("[, |]+");
String[] strs =pattern.split("Java Hello World Java,Hello,,World|Sun");
for (inti=0;i<strs.length;i++) {
System.out.println(strs[i]);
}
◆文字替換（首次出現字元）
Pattern pattern =Pattern.compile("正則表示式");
Matcher matcher =pattern.matcher("正則表示式 HelloWorld,正則表示式 Hello World");
//替換第一個符合正則的資料
System.out.println(matcher.replaceFirst("Java"));
◆文字替換（全部）
Pattern pattern =Pattern.compile("正則表示式");
Matcher matcher =pattern.matcher("正則表示式 HelloWorld,正則表示式 Hello World");
//替換第一個符合正則的資料
System.out.println(matcher.replaceAll("Java"));
◆文字替換（置換字元）
Pattern pattern =Pattern.compile("正則表示式");
Matcher matcher =pattern.matcher("正則表示式 HelloWorld,正則表示式 Hello World ");
StringBuffer sbr =new StringBuffer();
while(matcher.find()) {
matcher.appendReplacement(sbr, "Java");
}
matcher.appendTail(sbr);
System.out.println(sbr.toString());
◆驗證是否為郵箱地址
Stringstr="[email protected]";
Pattern pattern =Pattern.compile("[//w//.//-][email protected]([//w//-]+//.)+[//w//-]+",Pattern.CASE_INSENSITIVE);
Matcher matcher =pattern.matcher(str);
System.out.println(matcher.matches());
◆去除html標記
Pattern pattern =Pattern.compile("<.+?>", Pattern.DOTALL);
Matcher matcher =pattern.matcher("<a href=/"index.html/">主頁</a>");
String string =matcher.replaceAll("");
System.out.println(string);
◆查詢html中對應條件字串
Pattern pattern =Pattern.compile("href=/"(.+?)/"");
Matcher matcher =pattern.matcher("<a href=/"index.html/">主頁</a>");
if(matcher.find())
System.out.println(matcher.group(1));
}
◆擷取http://地址
//擷取url
Pattern pattern =Pattern.compile("(http://|https://){1}[//w//.//-/:]+");
Matcher matcher =pattern.matcher("dsdsds<http://dsds//gfgffdfd>fdf");
StringBuffer buffer= new StringBuffer();
while(matcher.find()){
buffer.append(matcher.group());
buffer.append("/r/n");
System.out.println(buffer.toString());
}
◆替換指定{}中文字
String str ="Java目前的發展史是由{0}年-{1}年";
String[][]object={new String[]{"//{0//}","1995"},newString[]{"//{1//}","2007"}};
System.out.println(replace(str,object));
public staticString replace(final String sourceString,Object[] object) {
Stringtemp=sourceString;
for(int i=0;i<object.length;i++){
String[]result=(String[])object[i];
Pattern pattern = Pattern.compile(result[0]);
Matcher matcher =pattern.matcher(temp);
temp=matcher.replaceAll(result[1]);
}
return temp;
}
◆以正則條件查詢指定目錄下檔案
//用於快取檔案列表
private ArrayList files = new ArrayList();
//用於承載檔案路徑
private String _path;
//用於承載未合併的正則公式
private String _regexp;
class MyFileFilter implements FileFilter {
/**
* 匹配檔名稱
*/
public boolean accept(File file) {
try {
Patternpattern = Pattern.compile(_regexp);
Matchermatch = pattern.matcher(file.getName());
returnmatch.matches();
} catch (Exception e) {
returntrue;
}
}
}
/**
* 解析輸入流
* @param inputs
*/
FilesAnalyze (String path,String regexp){
getFileName(path,regexp);
}
/**
* 分析檔名並加入files
* @param input
*/
private void getFileName(String path,String regexp) {
//目錄
_path=path;
_regexp=regexp;
File directory = new File(_path);
File[] filesFile =directory.listFiles(new MyFileFilter());
if (filesFile == null) return;
for (int j = 0; j <filesFile.length; j++) {
files.add(filesFile[j]);
}
return;
}
/**
* 顯示輸出資訊
* @param out
*/
public void print (PrintStream out) {
Iterator elements = files.iterator();
while (elements.hasNext()) {
File file=(File)elements.next();
out.println(file.getPath());
}
}
public static void output(String path,String regexp) {
FilesAnalyze fileGroup1 = newFilesAnalyze(path,regexp);
fileGroup1.print(System.out);
}
public static void main (String[] args) {
output("C://","[A-z|.]*");
}
Java正則的功用還有很多，事實上只要是字元處理，就沒有正則做不到的事情存在。（當然，正則解釋時較耗時間就是了|||……）