Java正则表达式经过回溯与先后查找提取标签中的内容

在说具体的内容以前先来了解一下什么是向前查找，向后查找与回溯。咱们经过一下小的例子来理解一下。具体的代码附录在最后。

##向前查找 Java中向前查找的正则表达式是(?=)，更加具体的就是 要匹配内容的正则(?=匹配的边界的正则)。来一个具体的例子，好比咱们有一个具体的字符串2016年：鸡翅 15元 鸡腿 10元 鸡爪 5元，如今咱们要取出里面的价格15 10 5，而不要2016，显然咱们不能直接\d+来匹配。 咱们很容易发现规律，咱们须要提取单位‘元’前面的数字，可是咱们不想要单位‘元’，怎么办，这里就可使用向前查找了。

content = "2016年：鸡翅 15元 鸡腿 10元 鸡爪 5元";
//正则表示，匹配元前面的数字，以元做为数字的后边界可是不匹配‘元’
regex = "\\d+(?=元)";

匹配的结果就是15 10 5，不包含2016，后面有代码能够本身测试一下。

##向后查找 首先向后查找的正则表达式是(?<=)，更加具体的就是*(?<=匹配边界的正则)要匹配内容的正则*，向后查找和向前查找同样，只不过是匹配边界后面的内容。下面仍是经过一个具体的例子来讲明。好比我有一个url字符串：http://www.freemethod.cn,我想提取出www.freemethod.cn。要真么作了。这里就可使用向后匹配。固然你说我有一万种方法能够完成这个事情，在这个例子中的确有不少方法能够完成这个工做，这里为了介绍向后查找，因此就使用向后查找的方法吧。当你了解了向后查找，我相信你在不少须要正则表达式的地方使用会更加灵活。

String content = "http://www.freemethod.cn";
//匹配http://而后向后查找全部的字符
String regex = "(?<=http://).*";

这里就是首先匹配到http://而后以它做为边界匹配后面的.*，匹配的结果是www.freemethod.cn。 注意：向前匹配和向后匹配除了表达式的一点区别，还有就是它们的位置区别

##回溯 回溯应该是正则表达式中最重要的内容之一了，回溯就是标记分组而后引用前面的分组。好比咱们有一个字符串："[attach]7219[/attach]",咱们在标签开始匹配到了attach，要在标签结束再一次使用attach标签怎么办了。若是这个还不太明显，那么在来一个字符串看一下，"[a*]7219[/a*]"这个字符串咱们想匹配以a开始的标签中的数字，显然正则表达是不能这么写，由于这么写可能会匹配到[ab]7219[/ac],这个时候咱们就须要回溯引用第一个正则表达式匹配到的字符串。就能够想下面同样

String content = "freemethod[attach]7219[/attach]fremethod[align]left[/align]";
String regex = "\\[(a.*)\\].*\\[/\\1\\]";

正则表达式中的\1就是对第一个小括号中匹配的内容的引用，同理\2就是对第二个小括号匹配的内容的引用，以此类推\3,\4 \5...像上面的表达式就能够匹配到，[attach]7219[/attach]和[align]left[/align]这两个标签。

##经过先后查找与回溯提取标签中的内容 上面已经介绍了先后查找和回溯，下面就介绍一下经过先后查找和回溯来匹配标签中的内容。假设咱们有下面的html代码

<h1>H1<h2>这是和h2中的内容</h2>H1</h1>

如今咱们要提取h2标签中的内容:"这是和h2中的内容"，咱们的正则表达式应该怎么写呢？，这里咱们就使用先后查找和回溯来匹配。首先前后查找匹配,< h2 >,(?<=<(h2)>),而后匹配h2中的内容.* ,连起来(?<=<(h2)>).*，而后经过向前查找加回溯应用匹配h2标签结束。(?=</\1>)。完整的正则以下：

String content = "<h1>H1<h2>这是和h2中的内容</h2>H1</h1>";
String regex = "(?<=<(h2)>).*(?=</\\1>)";

若是你想挑战一下，能够试尝试计算一下下面的正则表达式的结果：

public void testTrace()
    {
        String content = "<h1>外部h1开始<h2>这是和h2中的内容<h2>h2中的h2</h2>h2结束</h2><h1>h1中的h1</h1>外部h1结束</h1>";
        String regex = "<h2>.*?</h2>";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</\\1>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</\\1>)";
        execute(content, regex);
    }

若是你以为还不够复杂，能够尝试让字符串的嵌套和递归更加深一点，再一次挑战尝试一下，你会发如今比较复杂的嵌套中使用先后查找和回溯是多么的美妙。

##完整测试代码

import java.util.regex.Matcher;
import java.util.regex.Pattern;

import org.junit.Test;

public class TagExtractTest {
    
    /**
     * 先后查找回溯结合提取标签中的内容
     */
    @Test
    public void testTagExtract()
    {
//      String content = "iejoiodi[attach]7219[/attach]djiojeio";
//      String regex = "(?<=\\[(attach)\\])\\d*(?=\\[/\\1\\])";
        String content = "<h1>H1<h2>这是和h2中的内容</h2>H1</h1>";
        String regex = "(?<=<(h2)>).*(?=</\\1>)";
        execute(content, regex);
    }
    
    
    /**
     * 向前查找(?=)
     */
    @Test
    public void testLookForward()
    {
        String content = "178$";
        //匹配$而后查找$前面的数字(\\d+)
        String regex = "\\d+(?=\\$)";
        execute(content, regex);
        
        content = "2016年：鸡翅 15元 鸡腿 10元 鸡爪 5元";
        regex = "\\d+(?=元)";
        execute(content, regex);
    }
    
    /**
     * 向后查找(?<=)
     */
    @Test
    public void testLookBehind()
    {
        String content = "http://www.freemethod.cn";
        //匹配http://而后向后查找全部的字符
        String regex = "(?<=http://).*";
//      String content = "$178";
//      String regex = "(?<=\\$)\\d+";
        execute(content, regex);
    }
    
    /**
     * 回溯 \\1 回溯匹配第一个组，\\2回溯匹配第二个分组依次类推
     * 表达式中的一个()表示一个分组
     */
    @Test
    public void testBackTrace()
    {
        String content = "abcfreemethod[attach]7219[/attach]bcadde";
        String regex = "\\[(attach)\\]\\d+\\[/\\1\\]";
        execute(content, regex);
        content = "freemethod[attach]7219[/attach]fremethod[align]left[/align]";
        regex = "\\[(a.*)\\].*\\[/\\1\\]";
        execute(content, regex);
    }
    
    /**
     * 先后查找结合使用
     */
    @Test
    public void testLookAround()
    {
        String content = "[attach]7219[/attach]";
        String regex = "(?<=\\[(attach)\\])\\d*(?=\\[/attach\\])";
        execute(content, regex);
        
    }
    
    @Test
    public void testTrace()
    {
        String content = "<h1>外部h1开始<h2>这是和h2中的内容<h2>h2中的h2</h2>h2结束</h2><h1>h1中的h1</h1>外部h1结束</h1>";
        String regex = "<h2>.*?</h2>";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</\\1>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</h\\d>)";
        execute(content, regex);
        System.out.println("--------------------------");
        regex = "(?<=<(h\\d)>).*?(?=</\\1>)";
        execute(content, regex);
    }
    
    
    private void execute(String content,String regex)
    {
        System.out.println("content:"+content);
        System.out.println("regex:"+regex);
        Pattern pattern = Pattern.compile(regex);
        Matcher matcher = pattern.matcher(content);
        while(matcher.find())
        {
            System.out.println(matcher.group());
        }
    }

}