Java与正则表达式(2年级2)

1/5/2008来源:Java教程人气:5838


  java与正则表达式(2年级2)
学习正则表达式,我本来也按照正则表达式的组件一个个地攻。Java中写的Summary of regular-eXPRession constrUCts也不过6页纸,花上1天半天的时间一个个测试,学得也差不多了。可惜yqj2065的记性好、忘性大,3天之后记得几个最简单的东西了。惨。

MSDN上的正则表达式介绍 就是完整的教材,yqj2065又学习了一次(JScript),10天后又忘得7788了。

现在我变个花样考虑:假如我设计regex,按照(2年级之1)中的5点能不能搞定呢?把核心5点记住先:

1. 基本正则表达式:一个单字符a(其中a 在正规字符的字母表∑中),以及元字符或元字符组成。可能是: L (a) = {a}; L (ε) ={ε}; L (Ф) = {}。

r和s 均是正则表达式时:

2. r s表达式: L (r s) = L (r) ∪ L (s)。

3. rs表达式: L (r s) = L (r) L (s)。

4. r*表达式: L (r*) = L (r) *。

5. (r)格式的表达式: L ( (r)) = L (r),括号并不改变语言,它们只调整运算的优先权。闭包>连结>并集。


我不用脑袋,用5个指头记它们。那个指头忘性大,就打那个指头。单字符、并集 、连结、闭包 *、括号()。

§3字母表∑
单字符依靠于字母表∑,Java支持Unicode。所有,∑=Unicode。比如说:

String str=” 单字符依靠于字母表”,regex是字。效果不错。


我想使用EditPad Pro方便一些,它却不支持Unicode。也罢,本来就不预备现在研究它(3年级再搞。),先搞定ASCII - The American Standard Code for Information Interchange,似乎在汇编语言中经常查一下。现在都有些模糊了。



ASCII大概分成这几个部分:可打印和不可打印字符。

l 不可打印字符Non-Printable Characters:Java中有几个不可打印字符,能放在正则表达式中,这些东西倒是有点希奇。

l 可打印字符:所有大写和小写字母、所有数字、所有标点符号和一些其他符号。这里的要害在于有一些可打印字符with special meanings,成为了元字符(metacharacters)。



所有的ASCII字符中,我们千调万选找了一个最非凡的字符backslash \,作为转义escape开关。虽然与Java的转义符号一样,我还是希奇为什么选它而不选#。它很轻易与除号/混淆,另外M$ OS中的目录经常是E:\Regex\1\2,我听说C++编程时,其regex要用E:\\\\Regex\\\\1去匹配,不知在Java的源代码中,怎么样。

核心1点说明:单一的a、x、#,’,” 都是基本的regex。单一的元字符都不是基本的regex。



练习:str=” [email protected]#e$f%g^h&j&k*l”+

”(m)n_o+pq\r=s-t/u.v,W?x>y<z\"aa\'”

①regEx="#"(或\"、\’、 r、 \\、 >、n、)注重:Java的源代码中String要使用转义\"而且regEx="\"",但正则表达式是"如程序:

import java.util.regex.*;

class Regex1{

public static void main(String args[]) {

String str="For my\" money\" ";

String regEx="\""; //

Pattern p=Pattern.compile(regEx);

Matcher m=p.matcher(str);

boolean result=m.find();

System.out.println(result);

}

}

这里的要点是:Java语言本身对源代码中的一些字符\"要经过编译处理,之后正则表达式引擎才得到一个regexp"。这也是C++用4个backslash匹配一个\文本字符的原因。我们要区别Java语言与正则表达式各自的要求。

在使用各种正则表达式练习器时,一定要注重。




§4并集
核心2点是ab。在文档中称为"character class", 也叫 "character set"。这就不好翻译了,字符集轻易与ASCII字符集等混淆,字符类?不伦不类。也许叫字符并集比较好,