面向对象的编程-Application 40

Previously on OOP:

To divide a String into several fields, we can use split() function, regular expression, or a Scanner. Afterwards, it is possible to store the fields into a compound data structure / Java generics.

在本文中，本黄鸭要举几个其他regular expression的例子。如果想要正常使用regular expression，必须在.java文件的开头import一组“regex”系列的头文件：

Example 1

Pattern类中存放的是用符号语言写的字符串格式。在本段代码中，字符串的格式是：第一位是正号、负号，或者没有，即问号表示optional；第二位是一个非零的数字；后面可以有若干位数字，也可以没有，即星号表示的是repetition 0 or more；竖线和零表示alternatively 0。

Pattern类的matcher函数的参数是需要和Pattern比对的字符串。在前一篇文章中，我们把从文件中读取到的一行作为这里的字符串。而在本段代码中，字符串只含有一个字符：“0”。

再调用Matcher类的matches()函数，判断整个字符串和Pattern是否匹配。如果匹配的话，显示“Matched!”字符串；反之，显示“NOT Matched!”字符串。那么，运行的结构是匹配还是不匹配呢？答案是匹配的。

Example 2

本段代码中的regular expression旨在检验字符串是否是float类型的。如果是，那么就使用capture groups来打印sign, integer part, and decimal part。

Matcher类的group()函数可以用编号来指明capture groups。首先，编号是的capture group是整个进行比对的字符串。其他capture groups都是按照Pattern中的括号划分的。在本段代码中，从左到右有三组括号：“([+-]?)”，“([1-9][0-9]*|0)”，“([0-9]+)”，分别是capture group 1，2，3。

如果括号不是从左到右的，而是有层次的、括号里面有括号的，那么capture groups应该如何编号呢？这是一个深刻的问题，本黄鸭会在下面的例子中提到。

还有一个重点是转义字符。小数点“.”，就是一种需要转义的字符。之所以需要转义，是因为小数点对于编译器来说有其他的意义，写在字符串里面不会当做字符串的一个部分来理解，而会触发其他的剧情。转义的做法是在前面加上反斜线“\”，这种斜线的英语叫做back slash。但是不幸的是，back slash也是一种需要转义的字符，所以前面一共有两个反斜线符号。

最后，“([0-9]+)”中的加号表示repetition 1 or more，它和星号是有差别的，因为至少要有一个0-9之内的数字。

Matcher类的find()函数可以找到字符串中第一个、局部最长的、满足Pattern的子字符串。本段代码中的字符串不仅包含float类型的数据，还有其他字符，如果调用matches()函数，返回值肯定是false，即不匹配。而使用find()字符能把float number从其他字符中分离出来。

Example 3

A CSV is organized in lines,each line contains a sequence of values separated by ",". And fieldscan beany type(e.g. strings, integers, floats, etc.)由CSV文件的结构可以看出，用regular expression来parsing a CSV file是很普遍的。

最常见的做法是：先按行读取CSV文件，把字符串按照分隔符逗号拆开成字段，然后存放在类似于People这样的类中，最后再存放到Java Generic的数据结构中。

本段代码中的字符串由三个字段构成，之间用逗号隔开，可以看做是一个CSV文件中的一行。定义的Pattern中的“[^,]”表示matches any single character not“,”。那么，csvMatcher.find()找到的第一个子字符串是“John”。第二个子字符串会在去掉“John”以后、剩下的字符串中继续找，所以找到的是“Smith”，最后一个是“1234”。想要依次找到所有的字段，用while循环结构就可以做到。

Example 4

本段代码中的字符串和CSV文件有些不同，有两个用逗号分隔的字段又被引号括在了一起。所以，在读取的时候，要求把引号括在一起的视为一个字段，其他字段仍然按照逗号划分。

本黄鸭的想法是先把引号全删了，全部按照逗号划分，然后在分字段存放的类中，把引号括起来的组合在一起。显然，这种做法不如直接用regular expression方便。

但前提是regular expression的Pattern必须要编写出来。如果第一位是引号，那么读到下一个引号之间都是同一个字段，也就是两个引号之间不能包含是引号的字符："([^"]*)"。或者是不是逗号的字符：([^,"]+)。两者之间用“|”连接，表示“或”。另外，引号也是一种需要转义的字符，前面必须有反斜线。

本段代码的while循环结构中的if条件句是有用的，不是写着玩的。当group(1)中没有值时，也就是字段的内容没有放在引号中，那么我们应该看看group(2)，即字段有没有用逗号分隔开。

Example 5

Albert出场自带双引号。要求还是把单引号括在一起的视为一个字段，其他字段仍然按照逗号划分。也就是说，读到下一个单引号之间都是同一个字段，即两个引号之间既不能包含单引号，也不能包含双引号："(([^"]+|"")*)"。

此外，本段代码的Pattern就是有层次的、括号里面有括号的，我们刚好来研究一个capture groups是按照什么编号的：

第零个还是整个Pattern，第一个是(([^"]+|"")*)，第二个是([^"]+|"")，第三个是([^,"]+)。所以，当content没有取到的时候，也就是字段不在两个单引号之间，我们应该去看group(3)，而不是group(2)。

Example 6

如果一个字符段是空，会连着写两个逗号，用英语说是：two consecutive separators。在这种情况下，我们的Pattern应该和本段代码中的编写得一样。看到这个Pattern，本黄鸭已经醉了，小于号和等于号are beyond cognitive ability，基本看不懂。万一各位宝宝们遇到了这样的CSV文件，知道有这么一个例子就行了。

欢迎使用本黄鸭编写的小程序~

微信公众号二维码：