Board logo

标题: 构建用于正则表达式的抽象 Java API（2）实践 [打印本页]
作者: look_w    时间: 2018-7-15 08:15     标题: 构建用于正则表达式的抽象 Java API（2）实践

上机实践要在 Java 代码中使用正则表达式，通常需要完成以下七个步骤：
第 1 步：创建编译器实例。如果使用 Jakarta Oro，则必须实例化         Perl5Compiler ：      
org.apache.oro.text.regex.Perl5Compiler compiler =    new org.apache.oro.text.regex.Perl5Compiler();使用         RegexpPlugin 时的等同代码是相似的：      
org.acmsl.regexpplugin.Compiler compiler =    org.acmsl.regexpplugin.RegexpManager.createCompiler();但存在差异。正如前面提到的，该 API 对实际使用哪个具体实现加以隐藏。您可以选择一个具体实现或保留缺省的        Jakarta Oro。如果所选的库在运行时不可用，则         RegexpPlugin API 会尝试用它的类名创建一个编译器。如果该操作失败，它会将异常发回 API 的客户机。      
假定您一直在使用 JDK 1.4 的内置 regexp 类。那样的话，包含始终不会使用的额外         jar 文件毫无意义。那就是为什么仅仅调用         createCompiler() 方法还不够的原因。您需要管理这样的异常：每当所选的库不存在时就会抛出该异常。因而必须更新示例：      
try{    org.acmsl.regexpplugin.Compiler compiler =        org.acmsl.regexpplugin.RegexpManager.createCompiler();}catch (org.acmsl.regexpplugin.RegexpEngineNorFoundException exception){    [..]}第 2 步：编译 regexp 模式。将正则表达式本身编译到         Pattern 对象中。      
org.apache.oro.text.regex.Pattern pattern =    compiler.compile(".*\\s*(.*?)\\s+.*", Perl5Compiler.MULTILINE_MASK);注：您必须转义反斜杠（\）字符。
该模式对象代表以文本格式定义的正则表达式。请尽可能多地重用模式实例。然后，如果 regexp 是固定的（缺少任何可变部分，如        “(.*?)Tom.*”），则模式应是类中的静态成员。      
compile 方法适合用标志（如         EXTENDED_MASK ）来配置（请参阅 以获得更详细的 regexp 教程）。但是，RegexpPlugin 并不允许随意的标志。受支持的标志只有         case sensitivity 和         multiline ，因为所有受支持的库都可以处理它们。      
编译器实例有特定的特性来定义这些标志：
compiler.setMultiline(true);org.acmsl.regexpplugin.Pattern pattern =    compiler.compile(".*\\s*(.*?)\\s+.*");第 3 步：创建 Matcher 对象。在        Jakarta Oro中，这一步非常简单：      
org.apache.oro.text.regex.Perl5Matcher matcher =    new org.apache.oro.text.regex.Perl5Matcher();它之所以如此简单是因为它不需要构造任何信息。在后来的 regexp 中，它将变得具体。基本上，RegexpPlugin 中的步骤差不多相似。您不必亲自创建         matcher ，而是可以将其代理给         RegexpManager 类：      
org.acmsl.regexpplugin.Matcher matcher =    org.acmsl.regexpplugin.RegexpManager.createMatcher();区别和前面一样，您需要处理         RegexpEngineNotFoundException 。实际上，         RegexpManager 需要为您所选的库或缺省库创建         matcher 适配器。如果这样的类在运行时不可用，它会抛出该异常。      
第 4 步：评估正则表达式。        matcher 对象需要解释正则表达式并抽取所需的信息。这在一行代码中完成：      
if (matcher.contains("John A. Smith", pattern)){如果输入文本与正则表达式匹配，则该方法返回        true。隐含的副作用是，执行该行代码之后，         matcher 对象包含在输入文本中找到的第一个匹配项。接下来的一步演示如何实际获取感兴趣的信息。      
通过使用         RegexpPlugin API，在此时根本没有任何不同。      
第 5 步：检索找到的第一个匹配项。        这一简单的步骤仅用一行完成：      
   org.apache.oro.text.regex.MatchResult matchResult = matcher.getMatch();您可以声明一个局部变量来存储这样的对象，该对象含有与 regexp 匹配的一段文本。在这两种情况下，该步骤是相同的，除了变量声明（因为一个是另一个的适配器）：
   org.acmsl.regexpplugin.MatchResult matchResult =        matcher.getMatch();第 6 步：获取感兴趣的           group 。        您可以使用两种方法：      
因为您的 regexp 是         .*\s*(.*?)\s+.* ，所以您只有一个组：         (.*?)
MatchResult 对象包含已排序列表中的所有组。您只需要知道要获取的组的位置。因为该示例只有一个组，所以毫无疑问：      
   String name = matchResult.group(1);    [..]}变量         name 现在包含文本         John，那正是您需要的。      
第 7 步：如果需要，则重复该过程。如果您需要的信息可多次出现，而您想分析所有出现的信息而不只是第一个，那么您只需循环执行第        5步到第        7步，直到不满足        第 4 步中描述的条件为止：      
while (matcher.contains("John A. Smith", pattern)){映射除了编写公共抽象 API，主要的工作实际上是实现 Java 环境中某些已存在的 regexp 引擎的适配器。
以下各表提供了对如何从一个库迁移至另一个库的详细描述。有些情况中，概念明显不同。也有些情况中，却不是那么明显。
Regexp 概念GNU Regexp 1.2编译器gnu.regexp.RE模式gnu.regexp.RE匹配程序gnu.regexp.REMatchEnumeration
gnu.regexp.RE匹配结果gnu.regexp.REMatch畸形模式异常gnu.regexp.REException
Regexp 概念Jakarta Oro 2.0.6编译器org.apache.oro.text.regex.Perl5Compiler模式org.apache.oro.text.regex.Pattern匹配程序org.apache.oro.text.regex.Perl5Matcher匹配结果org.apache.oro.text.regex.MatchResult畸形模式异常org.[..].regex.MalformedPatternException
Regexp 概念Jakarta Regexp 1.3编译器org.apache.regexp.RE
org.apache.regexp.RECompiler
org.apache.regexp.REProgram模式org.apache.regexp.REProgram
org.apache.regexp.RE匹配程序org.apache.regexp.RE
org.apache.regexp.REProgram匹配结果org.apache.regexp.RE畸形模式异常org.apache.regexp.RESyntaxException
Regexp 概念JDK 1.4 regex 包编译器java.util.regex.Pattern模式java.util.regex.Pattern匹配程序java.util.regex.Matcher匹配结果java.util.regex.Matcher畸形模式异常java.util.regex.PatternSyntaxException
基准该 API 较显著的用法之一是用来比较实现、测量性能、对 Perl5 语法的兼容性或其它标准之间的差异。
为这些测试开发的基准实用程序使用 HTML 解析器来处理 Web 内容，更新有关链接、表单和表等元素的信息。但是，重要的是解析逻辑用正则表达式来表示，因此会通过         RegexpPlugin API 实现。      
基准测试包括对非常简单的 HTML 页面解析 10000 次。结果在下表中显示。

Regexp 库Benchmark 结果（秒）Jakarta Oro 2.0.6130,71Jakarta Regexp 1.223,261GNU Regexp 1.1.41,966.939JDK1.433,222您可以用多种方法在实际应用程序中改进性能。最重要的是，当您使用 regexp 库时，不需要每次都编译模式，而是编译它们并重用各自的实例。但是，如果 regexp 本身不固定，则不能忽略编译过程。
因为基准需要在实现之间切换以比较性能，所以必须始终废弃已编译模式以避免库之间的交互。但是，正如您所见，大多数已评估的库有相似的响应时间，尽管更详细的基准能让我们更好的理解每个库在不同环境下的行为。



欢迎光临 电子技术论坛_中国专业的电子工程师学习交流社区-中电网技术论坛 (http://bbs.eccn.com/) Powered by Discuz! 7.0.0