4.4 Reguläre Ausdrücke
 
Mit dem Paket java.util.regex lässt sich mithilfe der Klassen Matcher und Pattern eine Zeichenkette gegen ein Muster prüfen. Mit dieser leistungsfähigen Implementierung lässt sich die Funktionalität von Dienstprogrammen wie awk, sed, emacs, perl oder grep mühelos nachbilden.
4.4.1 Die Klassen Pattern und Matcher
 
Im Prinzip besteht das Erkennen immer aus dem Aufbau eines Pattern-Objekts mit dem regulären Ausdruck und der Prüfung:
Pattern p = Pattern.compile( "a*b" );
Matcher m = p.matcher( "aaaaab" );
boolean b = m.matches();
Die einzelnen Zeilen lassen sich auch zusammenfassen:
boolean b = Pattern.matches( "a*b", "aaaaab" );
Für reguläre Ausdrücke existieren eine ganze Menge von Regeln. Eine Übersicht findet sich in der API-Hilfe in der Klasse java.util.regex.Pattern. Widmen wir uns zunächst dem Funktionenangebot:
final class java.util.regex. Pattern
implements Serializable
|
|
static Pattern compile( String regex )
Übersetzt den regulären Ausdruck in ein Pattern-Objekt. |
|
static Pattern compile( String regex, int flags )
Übersetzt den regulären Ausdruck in ein Pattern-Objekt mit Flags. Als Flags sind CASE_INSENSITIVE, MULTILINE, DOTALL, UNICODE_CASE und CANON_EQ erlaubt. |
|
int flags()
Liefert die Flags, nach denen geprüft wird. |
|
Matcher matcher( CharSequence input )
Liefert ein Matcher-Objekt, das prüft. |
|
static boolean matches( String regex, CharSequence input )
Liefert true, wenn der reguläre Ausdruck regex auf die Eingabe passt. |
|
String pattern()
Liefert den regulären Ausdruck, den das Pattern repräsentiert. |
Einige Methoden sind lediglich Abkürzungen und Pattern.matches() macht nichts anderes, als ein Pattern zu compilieren und dann darauf matches() anzuwenden.
Pattern.compile( regex ).matcher( input ).matches()
4.4.2 Mit MatchResult alle Ergebnisse einsammeln
 
Die Schnittstelle java.util.regex.MatchResult definiert Methoden, die Zugriff auf das Ergebnis (String, Start-, Endposition, Anzahl Gruppen) eines Matches ermöglichen. Ein Matcher-Objekt wird dafür mit toMatchResult() nach dem MatchResult-Objekt gefragt.
Ein einfaches Beispiel verdeutlicht die Arbeitsweise: Die eigene Utility-Funktion findMatches() soll für ein Muster und eine Zeichenkette alle Ergebnisse zurückliefern.
Listing 4.4
MatchResultDemo.java, Teil 1
public static Iterable<MatchResult> findMatches( String pattern, CharSequence s )
{
List<MatchResult> results = new ArrayList<MatchResult>();
for ( Matcher m = Pattern.compile(pattern).matcher(s); m.find(); )
results.add( m.toMatchResult() );
return results;
}
Die Methode liefert ein Iterable zurück, sodass sich das Ergebnis auf der rechten Seite des Doppelpunktes vom erweiterten for nutzen lassen kann. (Wir können auch Collection oder List verwenden, doch die Liste soll von der Schnittstelle immutable sein.) Vor der Schleife wird aus dem Muster-String ein Pattern-Objekt – was für immer wieder kehrende Anfragen vorkompiliert werden sollte – und anschließend auf diesem matcher() aufgerufen, was Zugang zum konkreten Mustererkenner ist. Die Bedingung der Schleife ist so, dass pro Durchlauf ein Muster erkannt wird und im Rumpf der Schleife aus diesem gefundenen String ein MatchResult wird, welches die Funddaten aufnimmt. Diese Objekte werden in einer Liste gesammelt und unter der Sicht eines Iterable zurückgegeben.
Ein paar Programmzeilen zeigen schnell die Möglichkeiten. Ein einfaches Muster soll für ISBN-Nummern stehen – ohne Leerzeichen oder Bindestriche.
Listing 4.5
MatchResultDemo.java, Teil 2
String pattern = "\\d{9,10}[\\d|x]";
String s = "Insel: 3898425266, Reguläre Ausdrücke: 3897213494";
for ( MatchResult r : findMatches( pattern, s ) )
System.out.println( r.group() + " von " + r.start() + " bis " + r.end() );
Das Ergebnis auf der Konsole ist:
3898425266 von 7 bis 17
3897213494 von 39 bis 49
Die Informationen in einem MatchResult entsprechen also einem Zustand eines Matchers während des Parsens, genauer gesagt nach dem Erkennen einer Zeichenfolge. Daher implementiert auch die Klasse Matcher die Schnittstelle MatchResult.
4.4.3 Das alternative Paket org.apache.regexp
 
Das org.apache.regexp-Paket ist eine Java-Implementierung der klassischen Bibliothek für reguläre Ausdrücke auf der Basis endlicher Automaten unter der BSD-Lizenz. Das Paket lässt sich unter http://jakarta.apache.org/regexp/ laden. Das Paket enthält wie üblich den kompletten Quellcode.
|