Регулярные выражения в Java Регулярные выражения Регулярным выражением

Регулярные выражения в Java

Регулярные выражения Регулярным выражением называется некоторый шаблон, который может быть применён к тексту(String, в Java) Регулярное выражение либо соответствует(matches) тексту (или части текста), либо не соответствует ему Если регулярное выражение соответствует части текста, то легко найти какой именно Если регулярное выражение составное, тогда легко можно найти какая именно часть регулярного выражения какой именно части текста соответствует Используя эту информацию, можно извлекать части текста и производить замены в тексте Регулярные выражения очень удобный инструмент для обработки текста Регулярные выражения часто используются для автоматической генерации Web страниц

Perl и Java Язык программирования Perl широко используется в программирование на стороне сервера, потому что Работа с текстом – большая доля для программирования на серверной стороне Регулярные выражения встроены в синтаксис языка Perl Начиная с версии Java 1.4, в Java есть пакет, который работает с регулярными выражениями, java.util.regex Регулярные выражения в Java и Perl похожи Эта новая возможность во многом унаследована от обработки текстов в Java 1.4 Регулярные выражения в Java 1.4 - обычный пакет, не нужно нового синтаксиса для поддержания их Регулярные выражения в Java мощны, также как в Perl, но Регулярные выражения удобнее, чем в Perl

Первый пример Регулярное выражение "[a-z]+" выделяет последовательность из одного или более символов нижнего регистра [a-z] означает любой символ от a до z, включающий знак + означает “один или больше” Предположим мы применяем этот шаблон к строке "Now is the time" Существует три пути каким образом можно применить шаблон: К целой строке: не пройдёт тестирование, потому что строка содержит отличные от символов алфавита в нижнем регистре К началу строки: не сработает, поскольку строка не начинается с символа нижнего регистра Поиск по всей строке: а вот это сработает и выдаст первое совпадение ow Если применить повторно, найдут is, the, time, и fail 

Так сделаем это на Java, I Сперва нужно скомпилировать(compile) шаблон import java.util.regex.*; Pattern p = Pattern.compile("[a-z]+"); Затем, нужно создать “выделитель” (matcher) для участка текста посылая сообщение шаблону Matcher m = p.matcher("Now is the time"); На заметку: Pattern и Matcher в пакете java.util.regex Ни Pattern ни Matcher не имеют публичного конструктора; их нужно создавать используя методы класса Pattern Выделитель (matcher) содержит информацию обо всём: шаблоне и тексте, к которому будем применять

Так сделаем это на Java, II Пусть у нас есть выделитель m, m.matches() возвращает true если шаблон соответствует всей входной текстовой строке, и false в противном случае m.lookingAt() возвращает true если шаблон соответствует началу текстовой строки, и false иначе m.find() возвращает true если шаблон соответствует любой части текстовой строки, и false иначе Если повторно вызвать метод, m.find() он продолжит искать с того места на котором остановился при предыдущем вызове m.find() вернёт true столько раз, сколько вхождений шаблона в строку; после чего, он вернёт false Когда m.find() возвращает false, выделитель m сбрасывается на начало строки (и может быть использован снова)

Нахождение выделенного После успешного выделения, m.start() вернёт индекс первого найденного символа После успешного выделения, m.end() возвращает индекс последнего символа, плюс один Если попытка выделения не производилась, или была неуспешной, то m.start() и m.end() бросит ошибку IllegalStateException Это RuntimeException, вы не обязаны её обрабатывать Может показаться странным, что m.end() возвращает индекс последнего элемента плюс один, но это потому что многие методы класса String требуют (удобно) Например, "Now is the time".substring(m.start(), m.end()) вернёт как раз выделенную подстроку

Полный пример import java.util.regex.*; public class RegexTest { public static void main(String args[]) { String pattern = "[a-z]+"; String text = "Now is the time"; Pattern p = Pattern.compile(pattern); Matcher m = p.matcher(text); while (m.find()) { System.out.print(text.substring(m.start(), m.end()) + "*"); } } } Результат: ow*is*the*time*

Дополнительные методы Если m выделитель, тогда m.replaceFirst(replacement) возвращает новую String где первая подстрока отвечающая шаблону заменена на replacement m.replaceAll(replacement) возвращает новую String где все подстроки отвечающие шаблону заменены на replacement m.find(startIndex) ищет следующее вхождение шаблона, начиная от некоторого индекса m.reset() сбрасывает выделитель m.reset(newText) сбрасывает выделитель и даёт новый текст на “исследование” (который может быть String, StringBuffer, или CharBuffer)

Некоторые простые шаблоны abc точная последовательность 3-ёх символов [abc] любой один из трёх символов a, b, или c [^abc] любой символ кроме трёх a, b, или c (непосредственно внутри кв.скобки, ^ означает “нет,” но в других случаях означает просто символ ^) [a-z] любой один символ от a до z, включительно [a-zA-Z0-9] любой один символ или цифра

Последовательности и альтернативы Если один шаблон следует за другим, или два шаблона следуют последовательно Например, [A-Za-z]+[0-9] выделит один или более символов алфавита, за которыми следует одна цифра Вертикальная черта, |, используется для выбора альтернатив Например, шаблон abc|xyz выделит либо abc, либо xyz

Некоторые предопределенные классы символов . любой одиночный символ, кроме символа конца строки \d цирфа: [0-9] \D не-цифра: [^0-9] \s знак пробела (любой): [ \t\n\x0B\f\r] \S не знак пробела (любого): [^\s] \w буква слова: [a-zA-Z_0-9] \W не буква слова: [^\w] Замечание про пробел. Пробелы важны в регулярных выражениях!

Граничные выделители Эти шаблоны выделяют пустые строки или спец позиции: ^ начало строки $ конец строки \b граница слова \B не граница слова \A начало ввода (может быть несколько строк) \Z конец ввода, кроме символа терминации, если есть \z конец ввода \G конец предыдущего выделения

Жадные квантификаторы (Термин “жадный” будет объяснён позднее) Предположим X представляет некоторый шаблон X? опционально, X случается однажды или вообще не случается X* X произвольное число раз X+ X случается один или больше раз X{n} X случается ровно n раз X{n,} X случается n или больше раз X{n,m} X случается по крайне мере n но не более чем m раз Заметим, что все квантификаторы постфиксные операции, то есть идут после операнда

Типы квантификаторов Жадные будет выделять пока может, и отступает назад, только если очень нужно We’ll do examples in a moment Расслабленные выделяют настолько мало, сколько смогут, берут больше – если очень нужно Расслабить “жадные” можно символом ?: X?? X*? X+? X{n}? X{n,}? X{n,m}? Эгоистичные выделяют так много как могут и, никогда не отдают добро Сделать эгоистичными можно прибавлением +: X?+ X*+ X++ X{n}+ X{n,}+ X{n,m}+

Примеры квантификаторов Пусть есть следующий текст aardvark Используем шаблон a*ardvark (a* жадный): a* выделит aa, но затем должен быть ardvark a* отдаст для “общего дела” одну a, и шаблон (ardvark) успешно отработает Используем a*?ardvark (a*? расслабленный): a*? полениться что-то выделять (строка null), но тогда не подходит ardvark a*? согласится взять первую букву a, и шаблон (ardvark) успешно отработает Используем шаблон a*+ardvark (a*+ эгоистичен): a*+ выделит aa, и будет сидеть на них до конца, так ardvark никогда не совпадёт и шаблон не заработает

Захваченные группы В регулярных выражениях, круглые скобки используются для группировки, их также можно назвать захваты (придержать для дальнейшего использования) всё выделенное частью шаблона Например: ([a-zA-Z]*)([0-9]*) выделяет любое число букв, за которыми следует любое число цифр Если выделение будет успешным, \1 содержит буквы и \2 содержит цифры В дополнение, \0 то, что выделено по всему шаблону Захватывающие группы нумеруются по открытым скобкам слева направо: ( ( A ) ( B ( C ) ) ) 1 2 3 4 \0 = \1 = ((A)(B(C))), \2 = (A), \3 = (B(C)), \4 = (C) Пример: ([a-zA-Z])\1 выделяет двойные символы, как letter

Захваченные группы в Java Если m выделитель который успешно выполнился, тогда m.group(n) возвратит String соответствующий захваченной группе n Это может быть пустая строка Это может быть null если весь шаблон выполняется, но эта группа ничему не соответствует m.group() возвращает String соответствующий всему шаблону (так же как и m.group(0)) Это может быть пустая строка Если m не соответствует(или не было попыток), этот метод бросает исключение IllegalStateException

Пример использования захватывающих групп Предположим word соответствует слову в англ. Также предположим, что мы хотим передвинуть все согласные из начала слова word (если есть) в конец слова (так string станет ingstr) Pattern p = Pattern.compile("([^aeiou]*)(.*)"); Matcher m = p.matcher(word); if (m.matches()) { System.out.println(m.group(2) + m.group(1)); } Заметим использование (.*) для индикации “все остальные символы”

Двойные бэкслеши Бэкслеши имеют специальный смысл в регулярных выражениях; например, \b означает границу слова Бэкслеши имеют специальное значение в Java; например, \b означает символ пробела Сперва применяются правила языка Java! Если написать "\b[a-z]+\b" получится строка с двумя пробелами внутри – это не то что вы хотели! Запомните, вы можете использовать двойные бэкслешм, так "\\b[a-z]+\\b" даёт правильную строку Запомните: если вы читаете строку где-то, которая не работает – вы должны проверить те ли в ней символы

Обозначение метасимволов Множество специальных символов – обычные, квадратные, фигурные скобки, звездочка, знак плюса и т.д.—используются в регулярных выражениях; их называют метасимволы Предположим вы хотите найти a* (a со *) "a*"; не работает; поскольку значит “ноль или больше a” "a\*"; не работает; звездочку не нужно выделять бэкслешем (см константы Java String), Java проигнорирует знак \ "a\\*" работает; это три символа a, \, * Чтобы жизнь мёдом не казалась, в регулярных выражениях запрещено выделять не-метасимволы символы

Пробелы Одно можно сказать о пробелах (пустышках) в регулярных выражениях, но это важно: Пробелы важны! Пробел отвечает за пробел—когда вы вставляете пробел в шаблон, это означает, что вы ищите пробел в тексте! Очень очень плохая идея вставлять пробелы в регулярные выражения, чтобы они “читались лучше”…

Думайте в регулярных выражениях Регулярные выражения не просто использовать поначалу Это поток закорючек без слов Может показаться простым по отдельности – но вместе сущий ужас и хаос Регулярные выражение – язык программирования в миниатюре Это другая, отличная от Java парадигма, и требует от вас учиться по новым шаблонам В Java вы не можете просто использоватьa регулярные выражения; создайте Patterns и Matchers Синтаксис Java для работы со строками не помогает, однако Несмотря на это, регулярные выражения очень мощный и удобный инструмент обработки строк, что окупает все усилия по их изучению

Конец