您的位置:首页 > 职场人生

黑马程序员-JAVA-字符串与正则表达式粗解

2015-04-17 17:08 246 查看
——Java培训、Android培训、iOS培训、.Net培训、期待与您交流! ——-

字符串作为人类语言在计算机编程语言中的抽象表达形式,其应用无疑是极其广泛的,几乎高级编程语言都从语义或者基本类型上提供了对字符串的支持。

Java中的字符串处理

Java中的字符串相关类型主要有String,StringBuffer,StringBuilder。

用于处理字符串常用的正则表达式则于1.4已引入,其功能依赖Pattern以及Matcher类。

String 类型

String是Java中对于字符串的基本抽象,其内部数据结构是UTF-BE编码的char类型数组,数组是定长的,而String的数据结构也设计为了不可变内容,对其操作修改即是创建新的String对象并赋值。

String类是Java中很特殊的一个引用类型,因为在不支持运算符重载的Java中,String是一个支持+运算符的类型,盖因String的应用之频繁使然。而且Object中有toString方法来实现引用对象到字符串的隐式转换,以支持String的+运算符。

String的构造方法支持从byte数组按编码字符集构造,从char数组组成,从int数组按 Unicode 代码点数组成,以及从StringBuilder,StringBuffer,String生成副本。

String类支持多种常用操作,包括查询字符,比较,连接,格式化,正则表达式匹配,置换,切割等等,可以显式获取原始类型和引用类型的字符串表达,其中引用类型是调用toString()。

下面是一些简单的例子:

String的常用方法演示

//source
String source="今天,IDE这个词和一些没有关连性的命令列工具(像vi"
+ "、emacs、make)是一种对照,虽然你可以把Unix当成是一个IDE,"
+ "但是多数的程序开发人员会把IDE当成是一个可以完成各种开发工作的一个程序,"
+ "这个IDE程序提供许多的功能,例如:制作、修改、编译、发布、调试。";
sp(source);

//if?
sp("startWith a ?:"+source.startsWith("a"));
sp("endsWith 。 ?:"+source.endsWith("。"));
sp("contains Unix ?:"+source.contains("Unix"));
sp("isEmpty ?:"+source.isEmpty());

//+ operator
sp(source+43243+false+932754295L+null+46468.74643+864.2f);//Primitive
sp(source+"clause"+new Object()+Void.class);//reference

//modify
sp(source.toLowerCase());
sp(source.toUpperCase());
sp(source.trim().replace('一', '二'));

//transform
sp(source.toCharArray());


StringBuffer

可变,线程安全

线程安全的可变字符序列。一个类似于 String 的字符串缓冲区,但不能修改。虽然在任意时间点上它都包含某种特定的字符序列,但通过某些方法调用可以改变该序列的长度和内容。

可将字符串缓冲区安全地用于多个线程。可以在必要时对这些方法进行同步,因此任意特定实例上的所有操作就好像是以串行顺序发生的,该顺序与所涉及的每个线程进行的方法调用顺序一致。

StringBuffer 上的主要操作是 append 和 insert 方法,可重载这些方法,以接受任意类型的数据。每个方法都能有效地将给定的数据转换成字符串,然后将该字符串的字符添加或插入到字符串缓冲区中。append 方法始终将这些字符添加到缓冲区的末端;而 insert 方法则在指定的点添加字符。

StringBuilder

可变,线程不安全,效率略高于StringBuffer

一个可变的字符序列。此类提供一个与 StringBuffer 兼容的 API,但不保证同步。该类被设计用作 StringBuffer 的一个简易替换,用在字符串缓冲区被单个线程使用的时候(这种情况很普遍)。如果可能,建议优先采用该类,因为在大多数实现中,它比StringBuffer 要快。

StringBuffer 和StringBuilder的演示

private static void testStringBuffer() {
final int count=10000;
prepareALOT(count);
//append test
StringBuffer sb=new StringBuffer();
long start,end;
start=System.nanoTime();
for (int i = 0; i < ALOT.length; i++) {
sb.append(ALOT[i]);
}
end=System.nanoTime();
sp("StringBuffer append cost:"+(end-start));

//edit test
List<String> sf = Arrays.asList(Arrays.copyOf(ALOT, ALOT.length));
Collections.shuffle(sf);
sb.reverse();
start=System.nanoTime();
for (int i = 0; i < count; i++) {
sb.delete(i, i+5);
sb.insert(i, sf.get(i));
}
end=System.nanoTime();
sp("StringBuffer edit cost:"+(end-start));
}

private static void testStringBuilder() {
final int count=10000;
prepareALOT(count);
//append test
StringBuilder sb=new StringBuilder();
long start,end;
start=System.nanoTime();
for (int i = 0; i < ALOT.length; i++) {
sb.append(ALOT[i]);
}
end=System.nanoTime();
sp("StringBuilder append cost:"+(end-start));

//edit test
List<String> sf = Arrays.asList(Arrays.copyOf(ALOT, ALOT.length));
Collections.shuffle(sf);
sb.reverse();
start=System.nanoTime();
for (int i = 0; i < count; i++) {
sb.delete(i, i+5);
sb.insert(i, sf.get(i));
}
end=System.nanoTime();
sp("StringBuilder edit cost:"+(end-start));
}

private static void prepareALOT(int count) {
if(ALOT==null){
ALOT=new String[count];
}else if(ALOT.length!=count){
ALOT=new String[count];
}else{
return;
}
Random r=new Random();
for (int i = 0; i < ALOT.length; i++) {
char[] c=new char[8];
for (int i2 = 0; i2 < c.length; i2++) {
int rp = r.nextInt(52);
if(rp>26){
c[i2]=(char)(rp+'a'-26);
}else{
c[i2]=(char)(rp+'A');
}
}
ALOT[i]=new String(c);
}
}

private static String[] ALOT;


结果如下

StringBuffer append cost:1588992
StringBuffer edit cost:217009831
StringBuilder append cost:913430
StringBuilder edit cost:169428186


可以看出StringBuilder在单线程条件下大致比StringBuffer高20%性能。

正则表达式

正则表达式简介

Regular Expression,通常简写做Regex,意思是“(某种)规则的表达式”在计算机范畴中,通常用来表示处理匹配字符串的按一定规则写的规则表达式,而这个表达式也是字符串。

正则表达式最早出现在Unix系统的sed和grep命令工具中,后来perl所发展出来的pare(Perl Compatible Regular Expression)建立了良好的规范,成为许多工具的所使用的正则表达式库。

Java中的正则表达式

Java中的正则表达式在1.4引入后大大增强了Java处理字符串的可用度,这就简单介绍一下Java正则表达式的规则

正则表达式最常见的应用就是匹配:比如匹配某个特定字符串,那么就直接写上这个字符串

元字符:类似于Java的保留字,是提供正则表达式语义的特殊字符,如果要匹配元字符,那么可以使用转义元字符
'\'
,API 所支持的元字符有:
([{\^-$|}])?*+.


需要注意的是在Java文件中
\
是转义符,所以在Java文件中hardcode一个Regex转义符
\
需要连续2个
\\
,第一个被javac处理,而第二个才能被正则表达式所识别

字符类:字符类并不是Java中的类,而是指能匹配的字符的集合。用
[]
来包括字符表示一个简单类,字符或字符类并列表示合集,
|
表示或者,
-
表示连续,^表示取反,
&&
表示取交集 例如
a-x&&[^b]
表示a-x关于b的差集

预定义字符类 :

.
任何字符(与行结束符可能匹配也可能不匹配)

\d
数字:[0-9]
\D
非数字: [^0-9]

\s
空白字符:[ \t\n\x0B\f\r]

\S
非空白字符:[^\s]

\w
单词字符:[a-zA-Z_0-9]

\W
非单词字符:[^\w]

POSIX 字符类,java.lang.Character 类,Unicode 块和类别的类,这些可以参见Java doc @see Pattern

边界匹配器

^
行首

$
行尾

\b
单词边界

\B
非单词边界

\A
输入的开头

\G
上一个匹配的结尾

\Z
输入的结尾,仅用于最后的结束符(如果有的话)

\z
输入的结尾

组 捕获组是从 1 开始从左到右的索引。组零表示整个模式。

简单来说组的编号可以这么看 0表示整个模式,而后指从左到右第几个左括号内就是第几组,右括号匹配即可。

Pattern类

Pattern是Java中正则表达式的抽象,这个类是final的,并且没有可用的构造函数,构造一个正则表达式Pattern使用的是工厂方法Pattern.compile(String regex)。

得到Pattern对象之后可以对字符串对象进行匹配而得到结果Matcher对象,这个对象中包含了丰富的信息,比如是否匹配成功boolean matches()。

Pattern的标志构建和内嵌标志表达式

Pattern的compile方法还有个重载形式:

compile(String regex, int flags)

用于接受影响模式匹配方式的标志集。标志参数是一个位掩码,可以是下面公共静态字段中的任意一个:

标志常量名等价的内嵌标志表达式语义
CANON_EQ启用规范等价。
CASE_INSENSITIVE
(?i)
启用不区分大小写的匹配。
COMMENTS
(?x)
模式中允许空白和注释。
MULTILINE
(?m)
启用多行模式。行首尾匹配对单行生效
DOTALL
(?s)
. 可以匹配任何字符,包括行结束符
LITERAL启用模式的字面值解析。
UNICODE_CASE
(?u)
启用 Unicode 感知的大小写折叠。
UNIX_LINES
(?d)
启用 Unix 行模式。仅识别 ‘\n’ 行结束符

PatternSyntaxException异常

抛出未经检查的异常,表明正则表达式模式中的语法错误。

通常是因为正则表达式语法有误。

Matcher类

Matcher是用某个正则表达式对某个字符串的匹配的抽象,这个类同样是final的,并且同样没有可用的构造函数,只能通过Pattern对象的matcher方法得到。

Matcher可以执行3种匹配

1. 最常用的matches方法,返回是否整个字符串是否匹配。

2. lookingAt方法,从头部开始尝试匹配。

3. find方法,从没有被find匹配的第一个字符开始,这个方法可以多次匹配。

匹配的结果通过查询匹配器来获得:

group(int group) 返回在以前匹配操作期间由给定组捕获的输入子序列。

start 返回以前匹配的初始索引

start(int group) 返回在以前的匹配操作期间,由给定组所捕获的子序列的初始索引。

end 返回最后匹配字符之后的偏移量

end(int group) 返回在以前的匹配操作期间,由给定组所捕获子序列的最后字符之后的偏移量。

简单的Java正则表达式演示

//match string
Pattern p=Pattern.compile("insr");
sp(p.matcher("insr").matches());

//match with simple class
p=Pattern.compile("[iard]nsr");
sp(p.matcher("insr").matches());

//match with more classes
p=Pattern.compile("[a-z&&[^r-x]][\\w]{2}r\\d");
sp(p.matcher("insr3").matches());

//matches multiple
p=Pattern.compile("[1258]\\d{4}(\\d)\\1{4}");
sp(p.matcher("1384522222").matches());

//match group
p=Pattern.compile("(\\w{2,20})://(((www|\\w+)\\.)+(\\w{1,20})\\.([a-z]{2,3}))((/[\\w]+)*)(.*)(#[\\w]+)?(\\?[\\w]+)?");
Matcher m=p.matcher("http://hllvm.group.iteye.com/group/topic/45665#ejotj?teo=52646");
sp(m.matches());
for (int i = 0; i < m.groupCount()+1; i++) {
sp(m.group(i));
}
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签:  正则表达式 应用