Регулярные выражения

Пакет java.util.regex поддерживает обработку регулярных выражений (regular expression).

Вот, что пишут в Википедии про регулярные выражения:

Регулярные выражения используются некоторыми текстовыми редакторами и утилитами для поиска и подстановки текста. Например, при помощи регулярных выражений можно задать шаблоны, позволяющие:
найти все последовательности символов «кот» в любом контексте, как то: «кот», «котлета», «терракотовый»;
найти отдельно стоящее слово «кот» и заменить его на «кошка»;
найти слово «кот», которому предшествует слово «персидский» или «чеширский»;
убрать из текста все предложения, в которых упоминается слово кот или кошка.

Последнее предложение мне не нравится, кто-нибудь может отредактировать эту страницу?

В Java могут использоваться нестандартные приёмы использования регулярных выражений по синтаксису. Например, во многих языках выражение \\ означает, что ищется символ обратного слеша, который идёт за специальным мета-символом регулярного выражения. В Java придётся использовать для этой цели \\\\. Но таких различий немного.

Пакет содержит два класса — Pattern и Matcher, которые работают вместе. Класс Patern применяется для задания регулярного выражения. Класс Matcher сопоставляет шаблон с последовательностью символов.

Регулярное выражение состоит из обычных символов, наборов символов и групповых символов. Обычные символы используются как есть. Если в шаблоне указать символы «кот», то эти символы и будут искаться в строке.

Символы новой строки, табуляции и др. определяются при помощи стандартных управляющих последовательностей, которые начинаются с обратного слеша (\). Например, символ новой строки можно задать как \n.

Наборы символов заключаются в квадратные скобки. Например, [cat] совпадает с символами c, a, t. Если поставить символ ^ перед набором символов — [^cat], то ищутся совпадения всех символов, кроме c, a, t.

Чтобы задать диапазон символов, используется дефис. Например, диапазон от 1 до 9 можно задать как [1-9].

Символ точки является групповым символом, который совпадает с любым символом вообще.

Также можно задать, сколько раз совпадает выражение.

• + — совпадает один или более раз
• * — совпадает нуль или более раз
• ? — совпадает нуль или один раз

Например, выражение -?\\d+ будет искать число, у которого может быть минус (а может и нет).

Выражение c.t позволит найти слова cat, cot, но не cart.

Регулярные выражения встречаются в методах класса String.

Первые два выражения подходят под составленное выражение — либо число с минусом, либо число без знака.

Регулярные выражения в Java, часть 1

Со знаком плюс число не проходит проверку. Чтобы и этот вариант проходил, нужно видоизменить выражение (четвёртый вариант).

Нужно включить условие «может начинаться с + или -» с помощью вертикальной черты | (ИЛИ). Круглые скобки используются для группировки. Знак вопроса позволяет указать, что допустимо отсутствие знака. Знак плюса экранируется, так как является мета-символом.

Если вы зададите неверное выражение, то будет создано исключение PatternSyntaxException.

Реклама

Справочник по java

Регулярные выражения

Для работы с регулярными выражениями определено два класса:

Ниже приведен пример использования этих классов. Вначале создается шаблон регулярного выражения описывающего комментарии C++.

Java 8 регулярные выражения

Затем создается движок на основе этого шаблона и строки разбора.

класс Pattern

Установка флагов шаблона регулярного выражения влияет на поведение разбора строки. Флаги указываются при создании объекта Pattern или в самом шаблоне с помощью модификаторов регулярных выражений.

• CANON_EQ — каноническое равенство;
• CASE_INSENSITIVE — игнорирование регистра символов;
• COMMENTS — режим игнорирования пробелов с разрешением однострочных комментариев в шаблоне с символа #;
• DOTALL — подразумевать ли под точкой символ новой строки (по умолчанию нет);
• LITERAL — представлять шаблон как обычную строку, т.е. игнорировать значения спец. символов регулярных выражений как +;
• MULTILINE — многострочный режим;
• UNICODE_CASE — регстр букв с учетом юникода;
• UNIX_LINES — режим юниксовых строк, т.е. разделителем строк является только символ Rn.

Методы класса:

• compile(String regex) — статический метод, возвращающий объект типа Pattern с указанным шаблоном регулярного выражения;
• compile(String regex, int flags) — в дополнение предыдущему методы, позволяет указать флаги;
• flags() — возвращает значения флагов;
• matcher(CharSequence input) — возвращает объект типа Matcher, для разбора указанной строки;
• matches(String regex, CharSequence input) — статический метод определяющий, соответствует ли строка input шаблону regex;
• String pattern() — возвращает шаблон регулярного выражения в виде строки;
• split(CharSequence input) — разбивает указанную строку на массив строк, в качестве разделителя используется шаблон;
• split(CharSequence input, int limit) — аналогично предыдущему, но с указанием максимального размера массива.

класс Matcher

Некоторые методы класса:

• reset() — сбрасывает состояние на начало;
• reset(CharSequence input) — сбросить состояние и указать новую исходную строку разбора;
• lookingAt() — просматривает, соответствует ли начало текущего региона шаблону;
• matches() — проверяет, соответствует ли весь текущий регион шаблону;
• find() — проверяет, есть ли дальше последовательность символов соответствующая шаблону.

  Таким образом, чтобы найти третье вхождение шаблона в строке, надо вызвать метод три раза;

• find(int start) — аналогично предыдущему, но поиск начинается с указанной позиции;
• region(int start, int end) — устанавливает границы просмотра в исходной строке;
• regionEnd() — возвращает индекс конца региона;
• regionStart() — возвращает индекс начала региона;
• toMatchResult() — возвращает состояние соответствие как объект с интерфейсом MatchResult;
• replaceAll(String replacement) — заменяет все вхождения шаблона указанной строкой;
• replaceFirst(String replacement) — заменяет первое вхождение шаблона указанной строкой;
• usePattern(Pattern newPattern) — устанавливает новый шаблон регулярного выражения;
• pattern() — возвращает используемый шаблон;
• hitEnd() — указывает был ли достигнут конец ввода при последней операции;

Класс также реализует интерфейс MatchResult для для получения информации о последнем найденном соответствии:

• groupCount() — возвращает число груп в текущем шаблоне;
• group() — возвращает значение соответствия последней операции поиска соответствия (т.е. вызовов методов lookingAt, matches, find);
• group(int group) — возвращает значение соответствия конкретной группы последней операции;
• end() — смещение следующего символа за последним символом найденного соответствия;
• end(int group) — смещение следующего символа за последним символом найденного соответствия в указанной группе;
• start() — индекс первого символа найденного соответствия;
• start(int group) — индекс первого символа найденного соответствия в указанной группе.

Чтобы посмотреть как работают группы, в блоке try предыдущего примера поместите код