Java正则表达式详解(中)

核心提示：三、应用实例下面我们来看看Jakarta-ORO库的一些应用实例，3.1 日志文件处理任务：分析一个Web服务器日志文件，Java正则表达式详解(中)，确定每一个用户花在网站上的时间，在典型的BEA WebLogic日志文件中，反复地调用PatternMatcher对象的contains()方法完成，PatternMa

　　三、应用实例　
　　
　　下面我们来看看Jakarta-ORO库的一些应用实例。　
　　
　　
　　3.1 日志文件处理　
　　
　　任务：分析一个Web服务器日志文件，确定每一个用户花在网站上的时间。在典型的BEA WebLogic日志文件中，日志记录的格式如下：　　

　　分析这个日志记录，可以发现，要从这个日志文件提取的内容有两项：ip地址和页面访问时间。你可以用分组符号（圆括号）从日志记录提取出IP地址和时间标记。　
　　
　　首先我们来看看IP地址。IP地址有4个字节构成，每一个字节的值在0到255之间，各个字节通过一个句点分隔。因此，IP地址中的每一个字节有至少一个、最多三个数字。图八显示了为IP地址编写的正则表达式：　
　　　
　　 图八：匹配IP地址
　　
　　IP地址中的句点字符必须进行转义处理（前面加上“\”），因为IP地址中的句点具有它本来的含义，而不是采用正则表达式语法中的非凡含义。句点在正则表达式中的非凡含义本文前面已经介绍。　
　　
　　日志记录的时间部分由一对方括号包围。你可以按照如下思路提取出方括号里面的所有内容：首先搜索起始方括号字符（“[”），提取出所有不超过结束方括号字符（“]”）的内容，向前寻找直至找到结束方括号字符。图九显示了这部分的正则表达式。　
　　　
　　 图九：匹配至少一个字符，直至找到“]”
　　
　　现在，把上述两个正则表达式加上分组符号（圆括号）后合并成单个表达式，这样就可以从日志记录提取出IP地址和时间。注重，为了匹配“- -”（但不提取它），正则表达式中间加入了“\s-\s-\s”。完整的正则表达式如图十所示。　
　　　
　　图十：匹配IP地址和时间标记
　　
　　现在正则表达式已经编写完毕，接下来可以编写使用正则表达式库的java代码了。　
　　
　　为使用Jakarta-ORO库，首先创建正则表达式字符串和待分析的日志记录字符串：　
　　　
　　这里使用的正则表达式与图十的正则表达式差不多完全相同，但有一点例外：在Java中，你必须对每一个向前的斜杠（“\”）进行转义处理。图十不是Java的表示形式，所以我们要在每个“\”前面加上一个“\”以免出现编译错误。遗憾的是，转义处理过程很轻易出现错误，所以应该小心谨慎。你可以首先输入未经转义处理的正则表达式，然后从左到右依次把每一个“\”替换成“\\”。假如要复检，你可以试着把它输出到屏幕上。　
　　
　　初始化字符串之后，实例化PatternCompiler对象，用PatternCompiler编译正则表达式创建
　　　
　　现在，创建PatternMatcher对象，调用PatternMatcher接口的contain()方法检查匹配情况：
　　　
　　接下来，利用PatternMatcher接口返回的MatchResult对象，输出匹配的组。由于logEntry字符串包含匹配的内容，你可以看到类如下面的输出：
　　　
　　3.2 Html处理实例一　
　　
　　下面一个任务是分析HTML页面内FONT标记的所有属性。HTML页面内典型的FONT标记如下所示
　　　
　　
　　程序将按照如下形式，输出每一个FONT标记的属性：
　　　
　　在这种情况下，我建议你使用两个正则表达式。第一个如图十一所示，它从字体标记提取出“"face="Arial, Serif" size="+2" color="red"”。
　　　
　　图十一：匹配FONT标记的所有属性
　　
　　第二个正则表达式如图十二所示，它把各个属性分割成名字-值对。　
　　　
　　
　　 图十二：匹配单个属性，并把它分割成名字-值对
　　
　　分割结果为：　
　　　
　　现在我们来看看完成这个任务的Java代码。首先创建两个正则表达式字符串，用Perl5Compiler把它们编译成Pattern对象。编译正则表达式的时候，指定Perl5Compiler.CASE_INSENSITIVE_MASK选项，使得匹配操作不区分大小写。　
　　
　　接下来，创建一个执行匹配操作的Perl5Matcher对象。　
　　　
　　假设有一个String类型的变量html，它代表了HTML文件中的一行内容。假如html字符串包含FONT标记，匹配器将返回true。此时，你可以用匹配器对象返回的MatchResult对象获得第一个组，它包含了FONT的所　
　　接下来创建一个PatternMatcherInput对象。这个对象答应你从最后一次匹配的位置开始继续进行匹配操作，因此，它很适合于提取FONT标记内属性的名字-值对。创建PatternMatcherInput对象，以参数形式传入待匹配的字符串。然后，用匹配器实例提取出每一个FONT的属性。这通过指定PatternMatcherInput对象（而不是字符串对象）为参数，反复地调用PatternMatcher对象的contains()方法完成。PatternMatcherInput对象之中的每一次迭代将把它内部的指针向前移动，下一次检测将从前一次匹配位置的后面开始。　
　　
　　本例的输出结果如下：