蟒蛇与鳄鱼生死大战:java正则表达式(2)

from:http://topic.csdn.net/u/20080627/14/8a91b33a-f35c-4303-85b5-e0a8da462202.html

　　1.不以某某开头 ，比如不以www开头

　　public class Test {

　　public static void main(String[] args) {

　　String[] strs = {

　　"abc1232", "wwwadsf",

　　"awwwfas", "wwadfsf",

　　"", "ww", " ", "www"

　　};

　　String regex = "(?:(?!^www).)*";//regex = "(?!^www).*";貌似也可以

　　for(String str : strs) {

　　System.out.printf("%-7s %s%n", str, str.matches(regex));

　　}

　　}

　　}

　　(?!X) 专业名称为 Negative Lookahead，表示字符间缝隙后面不允许出现的字符，即匹配字符间的缝隙，如果缝隙后的字符不是 X 的话，那这个缝隙就匹配成功。

　　举个例子，aab 和 aac，现有表达式 aa(?!b) 这时我们能匹配到的字符串是 aac，因为 aa 的后面的缝隙之后不允许出现字符 b，因此只有 aac 进行了匹配。

　　再来看个示例：

　　public class Test {

　　public static void main(String[] args) {

　　String str = "AQuickBrownFoxJumpsOverTheLazyDog";

　　String[] strs = str.split("(?
　　for(String s : strs) {

　　System.out.println(s);

　　}

　　}

　　}

　　根据大写字母拆分字符串。当然了，这个使用字符串进行分析同样也能进行拆分，但是使用正则表达式来拆的话更为便捷直观一些。

　　在进行这种拆分时，由于在拆分后的字符数不能减少，因此只能使用零宽度的lookaround 功能进行匹配，lookaround 包括四个，即：(?=X) (?!X) (?<=X) (?
　　来看一下这个表达式：(?
　　前面说到过:

　　(?!) 表示缝隙后面不允许出现的东西，而

　　(?
　　(?=) 表示缝隙后允许出现的东西，

　　(?<=) 表示缝隙前允许出现的东西。

　　这个表达式在拆分时，根据零宽度匹配缝隙进行拆分的，这个缝隙必须满足以下条件：

　　(?
　　A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

　　PS：不加 (?
　　|A|Quick|Brown|Fox|Jumps|Over|The|Lazy|Dog

　　根据 split 的功能，正则表达式处理程序就根据上面的 | 将字符串给拆分开来了。

　　2. 不区分大小写

　　不加任何限制的匹配是匹配分大小写的，但是正则表达式中可以进行改变，有两种方式：参数式和内嵌式。

　　来看个示例：

　　import java.util.regex.Matcher;

　　import java.util.regex.Pattern;

　　public class Test {

　　public static void main(String[] args) {

　　String str = "Book";

　　Pattern pattern = Pattern.compile("book");

　　Matcher matcher = pattern.matcher(str);

　　System.out.println(matcher.matches());

　　}

　　}

　　上面的这个表达式 book 是不能匹配字符串 Book 的，这时我们只要给定编译时的参数就可以了：

　　Pattern pattern = Pattern.compile("book", Pattern.CASE_INSENSITIVE);

　　Pattern.CASE_INSENSITIVE 这是一个 int 类型的常量，值为 2。表示表达式忽略大小写进行区配。如果我们不采用 Pattern 和 Matcher 两个类来匹配的话，只是使用 String 的 matches 方法的话，我们就不能指定表达式的编译参数了，这时就需要采用内嵌标志表达式了，与 Pattern.CASE_INSENSITIVE,对应的内嵌标志表达式是 (?i)，它有四种形式：

　　1，(?i)

　　2，(?-i)

　　3，(?i:X)

　　4，(?-i:X)

　　不带有 - 的是开标志，带有 - 的是关标志。

　　把上面的代码改成这样：

　　class Test {

　　public static void main(String[] args) {

　　String str = "Book";

　　String regex = "(?i)book";

　　System.out.println(str.matches(regex));

　　}

　　}

　　我们就达到了同样的效果，当然这样并不是最好的，因为字符串中只有 B 是大写的，我们没有必要把所有的字符都进行不区分大小写匹配，我们可以在打开标志，用 (?i) 的第二种形式马上关掉它:String regex = "(?i)b(?-i)ook";

　　这样的话，只有 b 是区分大小写了，而 (?-i) 后面的还是得区分大小写匹配的。这样写可能看上去很不顺眼，我们还能使用第 3 种形式直接指定某些字符是不区分大小写的。

　　String regex = "(?i:b)ook";

　　这样的表达式与上面的那个在语义上是相同的。就效率上肯定是优于一下子开，一下子关的。可见内嵌标志表达式要比指定编译参数的功能强大许多。

　　使用建议：如果能确定某些字符的大小写时，尽量使用已确定的字符，对于不确定的可以采用

　　(?i:X) 的方式指定。因此打开不区分大小写开关时，对匹配的性能是有一定影响的。

　　思考一下：String regex = "(?i)b(?-i:oo)k"; 这个表达式的意思？

　　3.多个单元的或操作

　　| 称为多选结构，用于匹配 | 之中的任何一个，拿你的例子来说明：

　　import java.util.regex.Matcher;

　　import java.util.regex.Pattern;

　　public class Test {

　　public static void main(String[] args) {

　　String str =

　　"/n" +

　　"/n" +

　　"";

　　String regex = "";

　　//String regex = "";貌似也可以

　　Pattern pattern = Pattern.compile(regex);

　　Matcher matcher = pattern.matcher(str);

　　while(matcher.find()) {

　　System.out.println(matcher.group());

　　}

　　}

　　}

　　注意到其中的 (?:ww|3) 在进行多选匹配时尽量找出多选中的规律，以减少多选的字符，www 和 3w 在最后一个字符可以共用，前面的不一样。

　　(?: ) 的意思表示组成一组，如果没有 (?: ) 这样的话，表达式就变成了：

　　String regex = "";

　　这样的语义完全变掉了，| 是在一组中进行选择，由于上面的那个表达式中没有组，就把整个表达式作为了一组，使用 | 的话，就进行了整个表达式的多选结构了。这个表达式的意思是：

　　匹配 ，这样的结果并不是我们所要的。

　　我们仅仅需要在 ww 和 3 之间进行选择，这时只要把 ww 和 3 放在一组中进行多选择就可以了，变成 (?:ww|3)。

　　还有，在多选结构中尽量把出现频率高的放在前面，这样可以加快匹配速度。

　　多选结构的效率在传统型的引擎中是效率低下的，如果是单个字符的选择，比如 a $ & 之中的一个，那就不要使用 (?:a|$|&) 了，可以直接使用字符类 [a$&] 就可以了。

　　4.解释一下这个正则的意义：String CONDITION = "(?=.*[a-z])(?=.*[A-Z])(?=.*\\d)";

　　from：http://topic.csdn.net/u/20080716/22/80cdd418-a0e9-4e7e-8435-df6d4bc11c4a.html

　　要解释这个，得先弄清楚 (?=) 这个表示什么意思。(?=.*[a-z]) 表示当前位置后面必须出现 .*[a-z] 的字符，这个可以理解为必须出现小写字母。

　　或者可以理解为某一个字符间的缝隙必须满足的条件，这个仅仅作为条件判断并不能匹配任何字

　　符，因为这属于非捕获组中的环视（lookarround）零宽度匹配。

　　举个大家常见的例子：

　　表达式：Win(?=XP)

　　现有字符串 WinXP 和 WinNT，在应用这个表达式时前者能与之进行匹配，为什么呢？

　　当匹配器指示到 (?=XP) 时，也就是在 n 字母后面的缝隙，这个缝隙必须满足的条件是：后面的字符必须是 XP，如果是的话，匹配成功，否则匹配失败。由于(?=XP) 是匹配缝隙的，因此并不会把 XP 给匹配输出，而只输出了 Win 因此，这个表达式的语义可以看作是：找到后面为“XP”字符所有的 Win。

　　假如，我们把表达式写成 Win(?=XP)(?=NT) 这样的话，那么这个语义是：找出后面为“XP”并且为“NT”字符所有的 Win 可以想象，这是个永远无法满足的匹配。(?=XP)(?=NT) 这个表示当前的缝隙必须同时满足的条件。

　　把这个表达式再改一下，改成 Win(?=.*XP)(?=.*NT) 这个表示 Win 的后面必须出现XP 与 NT，位置和顺序都是无关的（这主要是 .* 的作用）。当然了这个表达式的效率是比较低的，得向后进行两次断言。

　　如果字符串是 WincbaXPabcNT 这个字符串，当匹配指示器走到 n 后面的缝隙时开始进行向后断言，首先对 .*XP 进行断言，很明显能将 cbaXP 匹配成功，这时第一个断言完成，再对 .*NT 断言，可以看出 cbaXPabcNT 能与其匹配成功，这时第二个断言完成，因此表达式 Win(?=.*XP)(?=.*NT) 能对 WincbaXPabcNT 进行匹配。

　　同理 WincbaNTabcXP 也是同样的效果。

　　如果能理解上面的这些，对于 (?=.*[a-z])(?=.*[A-Z])(?=.*\\d) 这个的理应该不会很难吧，这个只不过是必须同时满足三个条件。

　　这个表达式在开始部分就进行断言，即索引为 0 的地方，也就是第一个字符的前面的缝隙，这个缝隙后面的字符必须满足 .*[a-z] .*[A-Z] .*\\d 三个条件，也就是说必后面必须出现至少一个小写字母、至少一个大写母、至少一个数字。



--------转载

每一种人生都是大家建筑的。