解析模式的文本字符串
正則表達式是根據文本匹配模式的方法 ― 類似於編譯器生成類文件的工作原理。編譯器在源代碼中查找各種模式以便將源代碼表達式轉換為字節碼。通過識別這些源代碼模式，編譯器能夠只將有效的源代碼表示轉換為已編譯的類文件。
什麼是模式？
在正則表達式的上下文中，模式是字符序列的文本表示法。例如，如果您想知道一個字符序列中是否存在 car這個詞，您會使用模式 car，因為這是精確地表示該字符串的方法。對於更復雜的模式，您可以使用特殊字符作為占位符。如果您不是要搜索 car，而是想搜索以字母 c開頭並以字母 r結尾的任何文本字符串，您會使用 c*r模式，其中 *代表第一個 r前的任意多個字符。 c*r模式將匹配任何以 c開頭並以 r結尾的字符串，如 cougar、 cavalier或 chrysler。
如何指定模式表達式
模式匹配的主要部分是關於要使用什麼樣的表達式。 Pattern 先保存要使用的表達式，然後將其傳遞給 Matcher 類以便在字符序列的上下文中檢查其匹配情況。例如，如果您想驗證一個電子郵件地址，您可能要檢查用戶輸入是否與這樣一個模式匹配 ― 它包含一個字母數字序列，後跟一個 @ 符號，@ 後又跟兩組用句點隔開的字符。這可以用表達式 \p{Alnum}+@\w+\.\p{Alpha}{2,3} 來表示。（是的，這過於簡化了電子郵件地址的結構，可能會排除某些有效的電子郵件地址，但它作為示例已經足夠了。）
在討論模式語言的具體細節之前，我們來仔細看一下 \p{Alnum}+@\w+\.\p{Alpha}{2,3} 。 \p{Alnum} 序列表示單個字母數字字符（A 到 Z、a 到 z 或 0 到 9）。 \p{Alnum} 後面的加號（+）被稱為 量詞（quantifier）。它被應用在表達式的前面部分，表示 \p{Alnum} 必須出現一次或更多次。使用星號（*）表示要出現零次或一次以上（含一次）。@ 就是意味著它必須出現在至少一個字母數字字符之後，這樣整個模式匹配才能成功。 \w+ 與 \p{Alnum}+ 類似，但添加了下劃線（_）。某些序列有多個表達式。反斜槓（\ .）代表句點。如果前面沒有反斜槓，單獨一個句點代表任意字符。最後的 \p{Alpha}{2, 3} 表示兩個或三個字母字符。
只要學會了規范語言，您就能掌握模式的所有秘密。我們來看一些更常用的表達式的種類：
文字（Literal）：表達式內任何不具有特殊意義的字符都被看作是一個文字，並與自身匹配。
量詞（Quantifier）：某些字符或表達式，它們被用來計算一個文字或分組可以在字符序列中出現的次數，以便該序列與表達式匹配。分組是由圓括號內的一組字符指定的。
? 表示出現一次或根本不出現
* 表示出現零次或一次以上（含一次）
+ 表示出現一次或多次
字符類（Character class）：一個字符類就是方括號內的一個字符集，其中，匹配可以是括號內的任意一個字符。您可以把字符類與量詞結合在一起，例如， [acegikmoqsuwy]* 將是只包含字母表中奇數字母的任意字符序列。某些字符類是預先定義的：
\d ― 數字（0 到 9）
\D -- 非數字
\s -- 空白字符，如制表符或換行符
\S -- 非空白字符
\w -- 單字字符（a 到 z、A 到 Z、0 到 9 以及下劃線）
\W -- 非單字字符（其它任意字符）
Posix 字符類（Posix character class）：某些字符類僅在用於 US-ASCII 比較時才有效。例如：
\p{Lower} ― 小寫字符
\p{Upper} ― 大寫字符
\p{ASCII} ― 所有 ASCII 字符
\p{Alpha} ― 字母字符（\p{Lower} 與 \p{Upper} 相結合）
\p{Digit} ― 從 0 到 9 的數字
\p{Alnum} ― 字母數字字符
范圍（Range）：使用短線（dash）來指定包括一定范圍字符的字符類。例如， [A-J] 表示從 A 到 J 的大寫字母。
否定（Negation）：脫字符（^）否定字符類的內容。例如， [^A-J] 表示除 A 到 J 之外的任何字符。
請參閱 Pattern API 文檔（可以從 參考資料找到）了解關於序列的其它詳細信息。
如何有效地使用模式
既然您已經了解了如何指定模式，我們就來使用它們吧。您需要讓 Pattern 類編譯它們，如下所示。注意，反斜槓字符（\）在 String 常量中需要轉義。
Pattern pattern = Pattern.compile(
"\\p{Alnum}+@\\w+\\.\\p{Alpha}{2,3}");
有了一個編譯好的模式後，您可以使用 Pattern 類根據模式把一個輸入行分割為一系列單字，或者使用 Matcher 類執行一些更復雜的任務。下面說明了如何分割輸入字符序列，其中使用的模式指定了分隔符，而不是字：
String words[] = pattern.split(input);
如果您想在一個字符序列中多次匹配一個模式，上面的代碼片段是一個很好的起點。但如果您想獲取特定的輸入，您將需要 Pattern 的 matcher() 方法。在給定某個輸入時，這個方法將返回適當的 Matcher 類。接著，您使用 Matcher 實例遍歷整個結果在輸入序列中查找不同的模式匹配，或者使用 Matcher 實例作為查找-替換工具（後一種方法更好）：
Matcher matcher = pattern.matcher(input);
要根據整個序列匹配模式，請使用 matches() 。要確定是否只有序列的一部分匹配，請使用 find() ：
if (matcher.find()) {
// Found some string within input sequence
// That matched the compiled pattern
String match = matcher.group();
// Process matching pattern
}
完整的示例
這兩個類（ Pattern 與 Matcher ）就是整個模式匹配庫。提出正確的正則表達式，然後使用 Matcher 類的結果，這就是這個模式匹配庫要做的全部工作。在針對 Java 語言的關於正則表達式的專門書籍出現之前，請找一本關於 Perl 的好書來進一步了解特定的模式。清單 1 提供了一個完整的示例，該示例將在特定文件中查找從命令行作為輸入而傳入的最長單詞。
清單 1.“最長的單詞”示例
import java.io.*;
import java.nio.*;
import java.nio.channels.*;
import java.nio.charset.*;
import java.util.*;
import java.util.regex.*;
public class Longest {
public static void main(String args[]) {
if (args.length != 1) {
System.err.println("Provide a filename");
return;
}
try {
// Map File from filename to byte buffer
FileInputStream input =
new FileInputStream(args[0]);
FileChannel channel = input.getChannel();
int fileLength = (int)channel.size();
MappedByteBuffer buffer = channel.map(
FileChannel.MapMode.READ_ONLY, 0, fileLength);
// Convert to character buffer
Charset charset = Charset.forName("ISO-8859-1");
CharsetDecoder decoder = charset.newDecoder();
CharBuffer charBuffer = decoder.decode(buffer);
// Create line pattern
Pattern linePattern =
Pattern.compile(".*$", Pattern.MULTILINE);
// Create word pattern
Pattern wordBreakPattern =
Pattern.compile("[\\p{Punct}\\s}]");
// Match line pattern to buffer
Matcher lineMatcher =
linePattern.matcher(charBuffer);
// Holder for longest word
String longest = "";
// For each line
while (lineMatcher.find()) {
// Get line
String line = lineMatcher.group();
// Get array of words on line
String words[] = wordBreakPattern.split(line);
// Look for longest word
for (int i=0, n=words.length; i<n; i++) {
if (words[i].length() > longest.length()) {
longest = words[i];
}
}
}
// Report
System.out.println("Longest word: " + longest);
// Close
input.close();
} catch (IOException e) {
System.err.println("Error processing");
}
}
}
