java正则匹配简介
java正则匹配简介
1. 问题描述
根据指定的字段名限制条件，提取出sql语句中的对应字段名并返回。
字段名限制条件如下：
必须以 ${ 开头，} 结尾；
中间只能包含字母、数字和下划线（_）；
中间只能以字母开头；
中间长度在 3~63 个字符范围内。
比如：从小面这段sql中提取出t2_name和t3_name, 并替换成空字符串。
SELECT
t.`t2_name` AS `t2_name`,
t.`t3_name` AS `t3_name`
FROM
(
SELECT
t2.`name` AS `t2_name`,
t3.`name` AS `t3_name`
FROM
mysql130.database1.`table1` t1
LEFT JOIN mysql130.database1.`table2` t2 ON t2.`id` = t1.`id`
LEFT JOIN mysql130.database1.`table3` t3 ON t1.`id` = t3.`id`
) t
WHERE
t.`t2_name` = '${t2_name}' and t.`t3_name` = '${t3_name}'
2. 问题思路
大体思路如下
- 先写出对应的正则表达式
- 使用Pattern和Matcher类进行匹配，提取出对应的内容
- 替换掉原来的内容
1. 正则表达式
必须以 ${ 开头，} 结尾； ^${ and }$
中间只能包含字母、数字和下划线（）； [a-zA-Z0-9] or \w (等价)
中间只能以字母开头； [a-zA-Z]
中间长度在 3~63 个字符范围内。 {3,63} 除去第一个为
最终的组合结果为：
^\$\{ + [a-zA-Z] + [a-zA-Z0-9_]{2,62} + \}$ -> ^\$\{[a-zA-Z][a-zA-Z0-9_]{2,62}\}$
2. 梳理java中 Pattern 和 Matcher类的关系
-
梳理Matcher类常用方法
-
常见报错
-
goup()方法报错
java.lang.IllegalStateException: No match found
解决方法：使用find()方法进行匹配，如果匹配成功，再使用group()方法获取匹配的内容。
// 匹配成功 if (matcher.find()) { // 获取匹配的内容 String group = matcher.group(); System.out.println(group); }
-
^表示匹配行的开头，$表示匹配行的结尾
此处为行首则可匹配成功
默认模式下，一个字符串只有一个行首和行位，中间加了
\r\n也不能算是行首和行位
如果字符串中包含多行文本，需要使用多行模式（Pattern.MULTILINE）来匹配多行字符串。在多行模式下，^ 和 $ 会匹配行的开头和结尾，而不是整个字符串的开头和结尾。
-
No Group 1
解决方法：使用group(0)获取匹配的内容
弄明白group的含义：
group代表的是The index of a capturing group in this matcher's pattern，即匹配的组的索引，从1开始，0代表整个匹配的内容。什么时候会出现组呢？
当正则表达式中包含括号时，就会出现组。比如：
(\d{3})-(\d{3,8})，这个正则表达式中有两个组，第一个组是(\d{3})，第二个组是(\d{3,8})。
有组的demo
// 有组的情况下，group(0)是整个匹配的字符串，group(1)是第一个组匹配的字符串 // 无组的情况下，group(0)是整个匹配的字符串，group(1)是null // 无组的情况下，groupCount()是0 // 有组的情况下，groupCount()是组的个数 String demoString3 = "010-12345"; String pattern2 = "(\\d{3})-(\\d{3,8})"; Pattern compiler2 = Pattern.compile(pattern2); Matcher matcher2 = compiler2.matcher(demoString3); while (matcher2.find()) { System.out.println(matcher2.group(0)); System.out.println(matcher2.group(1)); System.out.println(matcher2.group(2)); } // 输出结果 010-12345 010 12345 ``` -
为什么中间的匹配不到呢？
因为正则指定了必须以$开始的字符串，第二个没有换行，换行后则可匹配到
去掉^限制，也可以匹配到
3. 代码实现
public static List<String> getStringFromPattern(String source, String pattern) {
List<String> result = new ArrayList<>();
Pattern p = Pattern.compile(pattern);
Matcher m = p.matcher(source);
while (m.find()) {
result.add(m.group().substring(2, m.group().length() - 1));
}
return result;
}
4. 总结
1. pattern 和 matcher 的关系
2. pattern 各类 flag 的含义
UNIX_LINES：unix lines模式，该模式下，仅以\n为结尾（行一般以\n或\r\n结尾）；
CASE_INSENSITIVE：忽略大小写进行匹配；
COMMENTS：忽略空格字符（例如，表达式里的空格，tab，回车）和注释（从#开始，一直到行结束）；
MULTILINE：多行模式的开启，在多行模式下，^匹配输入字符串开始的位置，$匹配输入字符串结尾的位置；
DOTALL：dotall模式，"."匹配所有字符，包括行终结符。（若该模式未开启，“.”表达式不匹配行终结符）；
UNICODE_CASE：UNICODE_CASE模式结合CASE_INSENSITIVE模式，那么它会对Unicode字符进行大小写不敏感的匹配。（若未开启UNICODE_CASE模式，仅开始CASE_INSENSITIVE模式，则只适用于US-ASCII字符集）；
CANON_EQ：当且仅当两个字符的正规分解都完全相同的情况下，则认定匹配。（默认情况下，不考虑规范相等性）；
3. matcher 的常用方法
4. 正则表达式的常用组成部分
- 字符类
- 预定义字符
- 数量词
?惰性匹配，尽可能少的匹配
+贪婪匹配，尽可能多的匹配（默认）
