[改善Java代码]推荐在复杂字符串操作中使用正则表达式

一、分析 

字符串的操作，诸如追加、合并、替换、倒序、分隔等，都是在编码过程中经常用到的，而且Java也提供了append、replace、reverse、split等方法来完成这些操作，它们使用起来确实方便，但是更多的时候，需要使用正则表达式来完成复杂的处理。 

二、场景 

统计一篇文章中的单词的数量，代码如下： 

import java.util.Scanner;

public class Client {
    public static void main(String[] args) {
        //接收键盘输入
        Scanner input = new Scanner(System.in);
        while(input.hasNext()){
            String str = input.nextLine();
            //使用split方法分隔后统计
            int wordsCount = str.split(" ").length;
            System.out.println(str + " 单词数：" + wordsCount);
        }
    }
}

使用split方法根据空格来分隔单词，然后计算分隔后的数组长度，这种方法可靠吗？我们看输出： 

Today is Monday 

Today is Monday 单词数：3 

Today is  Monday 

Today is  Monday 单词数：4 

Today is Monday?No! 

Today is Monday?No! 单词数：3 

I'm Ok. 

I'm Ok. 单词数：2 

 

注意到，除了第一个正确外，其它的都是错误的。第二条输入单词"Monday"前有两个空格，第三条输入中"NO"单词的前后没有空格，最后一个输入则没有把连写符号“'”考虑进去，这样统计出来的单词数量肯定错误一堆，那怎样才合理呢？ 

可以考虑使用正则表达式，代码如下： 

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

public class Client {
    public static void main(String[] args) {
        //接收键盘输入
        Scanner input = new Scanner(System.in);
        while (input.hasNext()) {
            String str = input.nextLine();
            //正则表达式对象
            Pattern pattern = Pattern.compile("\\b\\w+\\b");//生成匹配器
            Matcher matcher = pattern.matcher(str);
            //记录单词数量
            int wordsCount = 0;
            //遍历查找匹配，统计单词数量
            while (matcher.find()) {
                System.out.println(matcher.group());
                wordsCount++;
            }
            System.out.println(str + " 单词数：" + wordsCount);
        }
    }
}

输出结果:

Today is Monday 单词数：3 
Today is  Monday 
Today is  Monday 单词数：3 
Today is Monday?No! 
Today is Monday?No! 单词数：4 
I'm Ok. 
I'm Ok. 单词数：3 

每项输出都是正确的，而且程序也不复杂，先生成一个正则表达式对象，然后使用匹配器进行匹配，之后通过一个while循环统计匹配的数量。 

需要说明的是,在Java的正则表达式中"\b"表示的是一个单词的边界,它是一个位置界定符,一边为字符或数字,另外一边则非字符或数字.

例如"A"这样的一个输入就有两个边界,即单词"A"的左右位置,这也就说明了为什么要加上"\w"(它表示的是字符或数字)

三、建议 

正则表达式在字符串的查找、替换、剪切、复制、删除等方面都有着非凡的作用，特别是面对大量的文本字符串需要处理（如果需要锤炼大量的LOG日志）时，使用正则表达式可以大幅提高开发效率和系统性能。 

但是正则表达式是一个恶魔，它会使程序难以读懂。 

 

 //==================================

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

public class Client {
    public static void main(String[] args) {
        String c = "But I'm not dead yet!";
        Pattern pattern = Pattern.compile("[ [']]");
        Matcher matcher = pattern.matcher(c);
        for(String str:pattern.split(c)){
            System.out.print(str+" ");
        }
    }
}

输出:

But I m not dead yet!