字符串不是正则表达式

上个月写那段处理CVS文件中的逗号的小程序时，顺便写了个测试程序。测试程序先读一“|”分割字段的文件。我们原来的程序中，都是使用Java中的 StringTokenizer 类来处理读入的每行数据。我的测试程序中改用String.split()方法，但是处理一“|”分割字段的文件总是不正确。换成其它分隔符或者使用StringTokenizer就没问题。墨迹了好长时间也没找出问题。

“大事不决问Google，内事不决问老婆”。老婆是指望不上了，她是做会计工作的。只好问Google。随便看了一篇文章，还没看完，就明白是怎么回事了：把正则表达式当字符串用了。

先来看一下class StringTokenizer constructor：Constructs a string tokenizer for the specified string.

StringTokenizer(String str, String delim) 

第一个String是要处理的字符串，第二个String是字符串中使用的分隔符。如果省略第二个参数，缺省的分隔符是空格。创建一个StringTokenizer对象，然后使用它的hasMoreTokens（）和nextToken（）方法来获得分隔好的字段。

再来看一下class String 中的split方法：Splits this string around matches of the given regular expression.

public String[] split(String regex) 

 这个方法比StringTokenizer要方便一些，分隔后的字段直接存到一个String数组中。只要把分隔符当做参数传给这个方法就行了。

但是，split方法需要的不是一个普通的字符串，它需要一个正则表达式作为参数。在我的程序中，我直接使用string.split(“|”)，想使用“|”作为分隔符。正巧，“|”是正则表达式中的元字符，它是有特殊含义的：它是一个或表达式。如果你只是想找“|”，就必须使用“\”取消它的特殊含义。在正则表达式中，你必须写成“\|”。但是当你把这样一个正则表达式传给split方法时，这个方法又不认了，因为“\”在Java string 中是有特殊含义的，你必须再使用一个"\"来转义。所以最后传给split的参数是“\\|”。

什么叫祸不单行啊。还没高兴一会儿，又被正则表达式绊倒了。

我需要一个用字符串替换字符串的方法，在API中找了一下，还真找着了：

public String replaceAll(String regex, String replacement)

这个方法可以：Replaces each substring of this string that matches the given regular expression with the given replacement.

但是，不好用啊，什么都没替换掉。郁闷半天，发现自己在同一个地方又跌倒了一回。replaceAll方法参数需要的也是正则表达式。

在Java使用正则表达式，因为Java也有转义字符（"\"），会使得一些表达是看上去很奇怪。比如，要在正则表达式中表示一个字符"\"，必须在这个字符前面再加个"\"，因为"\"是元字符，必须使用转义字符"\"来取消它的特殊含义。这样，在正则表达式中就会出现两个"\"。到了Java那里，又需要使用Java的转义字符"\"来转义，于是每个"\"前面再加一个“\"，这样就变成了4个"\"。麻烦吧。

（这是一篇老博文，11-1-31 下午4:18 发布在Google Blogger上。但我只是几年前在那里发了几篇文章，早已经不维护了，干脆把看得上眼的文章搬过来算了）