Java 中正規表示式的基礎知識。第三部分

讓我們繼續研究正規表示式。在本文中，我們將研究預先定義的字元類別以及量化（搜尋序列）。

預定義字元類

類 APIPattern包含預先定義的字元類，為常用的正規表示式提供方便的捷徑。 在此表中，左列中的構造是右列中表達式的簡寫表示。例如，\d表示數字（0-9），\w表示任何大寫或小寫字母、底線或數字）。盡可能使用預先定義的字元類別。這將使您的程式碼更易於閱讀和修復錯誤。以反斜線開頭的結構稱為轉義或受保護。在之前的文章中，我們已經討論過使用反斜線或符號轉義特殊字元\Q並將\E其用作常規字元。如果將反斜線與常規字元（文字）一起使用，則需要轉義反斜線才能編譯表達式。

private final String REGEX = "\\d"; // цифра

在這個例子中\d，一個正規表示式；程式編譯需要額外的反斜線。我們的測試程式直接從控制台讀取正規表示式，因此不需要額外的斜線。下面的範例示範了預定義字元類別的使用： 在前三個範例中，正規表示式只是「.」（點特殊字元），表示任何字元。因此，在所有情況下搜尋都是成功的。其他範例使用預先定義的字元類，我們在上表中討論了其含義。

量詞

量詞可讓您指定字元在字串中出現的次數。讓我們仔細看看貪婪、惰性和非常貪婪量詞如何運作的複雜性。乍一看，量詞 X?, X?? 和 X?+ 的工作方式相同：“X 出現一次或根本不存在。” 這些量詞的實作略有不同，我們將在下面討論。

零長度匹配

讓我們從貪婪的開始。讓我們寫三個不同的正規表示式：帶有特殊字元 ?、* 或 + 的字母「a」。讓我們看看如果在空白行上測試這些正規表示式會發生什麼： 在上面的範例中，前兩種情況搜尋成功，因為表達式 a? a* 允許字串中缺少字元 a。另請注意，開始匹配索引和最後匹配索引相同 (0)。由於輸入字串沒有長度，因此程式在第一個位置找不到任何內容:)。這種情況稱為零長度匹配。此類匹配發生在多種情況下：當輸入行為空時、在輸入行的開頭、在該行的最後一個字元之後或在該行的字元之間。零長度匹配很容易發現：它們在同一位置開始和結束。讓我們看一些零長度匹配的更多範例。讓我們透過更多範例來探討零長度匹配。讓我們將輸入字串更改為字元“a”並觀察一個有趣的效果： 所有三個量詞都找到了字元“a”，但前兩個量詞（允許不存在字元）在位置1 處找到了零長度匹配- 在字串的最後一個字元之後。發生這種情況是因為程式將字元“a”視為字串並“運行”它，直到不再有匹配項為止。根據所使用的量詞，程式將或不會在字串末尾找到“nothing”。現在讓我們將輸入字串更改為五個字母「a」的序列： 正規表示式 a？分別找出字串中每個字母的符合項目。表達式 a* 找到兩個匹配項：字元序列「a」'和位置 5 處的零長度匹配項。最後，正規表示式 a+ 只找到字元「a」的序列，而沒有找到「nothing」:) 如果給出包含不同字元的字串作為輸入，會發生什麼事？例如，「ababaaaab」： 字元「b」位於位置 1、3 和 8，且程式在這些位置找到零長度匹配。正規表示式a? 不關注“b”，而只是查找字元“a”是否存在（或不存在）。如果量詞允許不存在“a”，則字串中除“a”之外的所有字元都會顯示為零長度匹配。若要尋找給定長度的序列，只需在大括號中指定長度即可： 正規表示式 a{3} 搜尋包含三個「a」字元的序列。第一行中沒有找到任何內容，因為該行中沒有足夠的 a。第二個包含程式找到的 3 個字元。第三個測試還在字串的開頭找到匹配項。第三個字元之後的所有內容都不滿足正規表示式，在下面的程式碼中它滿足正則表達式，並且將有多個匹配項： 要指定最小序列長度，請使用：

Enter your regex: a{3,}
Enter input string to search: aaaaaaaaa
I found the text "aaaaaaaaa" starting at index 0 and ending at index 9.

在此範例中，程式只找到一個符合項，因為該字串滿足 (3) 個「a」字元的最小序列長度要求。最後，設定最大序列長度： 在本例中，第一個匹配在第六個字元處結束。第二個匹配包含第六個之後的字符，因為 它們滿足最小長度要求。如果字串短一個字符，則不會有第二個匹配項。

將字元組和類別與量詞一起使用

到目前為止，我們已經在包含相同字元的字串上測試了量詞。量詞僅適用於單個字符，因此正則表達式“abc+”將匹配包含“ab”和“c”的字串一次或多次。它不會表示“abc”一次或多次。但量詞可以與組和字符類結合使用，例如 [abc]+（a 或 b 或 c，一次或多次）或 (abc)+（“abc”一次或多次）。讓我們尋找一組字元（狗），一行中出現三次： 在第一個範例中，程式找到了一個匹配項，因為 量詞擴展到一組字元。如果刪除括號，量詞 {3} 將僅適用於字母「g」。您也可以將量詞與字元類別一起使用： {3} 量詞適用於第一個範例中括號中的字元類，而在第二個範例中，僅適用於字元「c」。

貪婪量詞、惰性量詞和過度貪婪量詞之間的區別

貪婪、不情願和所有格量詞之間存在細微差別。貪婪量詞之所以如此命名，是因為它們試圖找到最長的可能匹配：程式首先嘗試「吃掉」整個字串，如果未找到匹配，則丟棄一個字元並重複搜索，直到找到匹配或沒有更多的字符了。另一方面，懶惰的人從行的開頭開始，一個接一個地添加字符，直到找到匹配項。最後，嫉妒量化會掃描整個字串一次，而不是像貪婪那樣刪除字元。為了進行演示，我們將使用字串 xfooxxxxxxfoo。 第一個範例使用貪婪的 .* 量詞來尋找任何字元（0 次或多次），後面跟著字元「f」「o」「o」。由於cantifier是貪婪的，所以找到的匹配包含整個字串。貪婪量詞不會找到字串中的所有匹配項，因為 第一步，掃描整個字串後，它將找到匹配項並完成工作。第二個範例是惰性的，從行的開頭開始，逐個字元地添加。該程式首先檢查“空”，但由於 序列“foo”不在行的開頭，搜尋將繼續添加字元“x”，之後將在索引 0 和 4 之間找到第一個匹配項。搜尋將繼續，直到行尾第二個匹配將在索引4 和13 之間找到。第三個例子沒有找到重合，因為量詞是嫉妒的。在本例中，正規表示式 .*+ 「吃掉」了整行，沒有為「foo」留下任何內容。當您需要丟棄字串中不需要的任何內容時，請使用嫉妒量詞，它將比等效的貪婪量詞更有效。就這樣！原始碼連結：Java 中正規表示式的基礎知識。第三部分