三
應用實例
下面我們來看看Jakarta
ORO庫的一些應用實例
日志文件處理
任務
分析一個Web服務器日志文件
確定每一個用戶花在網站上的時間
在典型的BEA WebLogic日志文件中
日志記錄的格式如下
分析這個日志記錄
可以發現
要從這個日志文件提取的內容有兩項
IP地址和頁面訪問時間
你可以用分組符號（圓括號）從日志記錄提取出IP地址和時間標記
首先我們來看看IP地址
IP地址有
個字節構成
每一個字節的值在
到
之間
各個字節通過一個句點分隔
因此
IP地址中的每一個字節有至少一個
最多三個數字
圖八顯示了為IP地址編寫的正則表達式
圖八
匹配IP地址
IP地址中的句點字符必須進行轉義處理（前面加上
\
）
因為IP地址中的句點具有它本來的含義
而不是采用正則表達式語法中的特殊含義
句點在正則表達式中的特殊含義本文前面已經介紹
日志記錄的時間部分由一對方括號包圍
你可以按照如下思路提取出方括號裡面的所有內容
首先搜索起始方括號字符（
[
）
提取出所有不超過結束方括號字符（
]
）的內容
向前尋找直至找到結束方括號字符
圖九顯示了這部分的正則表達式
圖九
匹配至少一個字符
直至找到
]
現在
把上述兩個正則表達式加上分組符號（圓括號）後合並成單個表達式
這樣就可以從日志記錄提取出IP地址和時間
注意
為了匹配
（但不提取它）
正則表達式中間加入了
\s
\s
\s
完整的正則表達式如圖十所示
圖十
匹配IP地址和時間標記
現在正則表達式已經編寫完畢
接下來可以編寫使用正則表達式庫的Java代碼了
為使用Jakarta
ORO庫
首先創建正則表達式字符串和待分析的日志記錄字符串
這裡使用的正則表達式與圖十的正則表達式差不多完全相同
但有一點例外
在Java中
你必須對每一個向前的斜槓（
\
）進行轉義處理
圖十不是Java的表示形式
所以我們要在每個
\
前面加上一個
\
以免出現編譯錯誤
遺憾的是
轉義處理過程很容易出現錯誤
所以應該小心謹慎
你可以首先輸入未經轉義處理的正則表達式
然後從左到右依次把每一個
\
替換成
\\
如果要復檢
你可以試著把它輸出到屏幕上
初始化字符串之後
實例化PatternCompiler對象
用PatternCompiler編譯正則表達式創建
現在
創建PatternMatcher對象
調用PatternMatcher接口的contain()方法檢查匹配情況
接下來
利用PatternMatcher接口返回的MatchResult對象
輸出匹配的組
由於logEntry字符串包含匹配的內容
你可以看到類如下面的輸出
HTML處理實例一
下面一個任務是分析HTML頁面內FONT標記的所有屬性
HTML頁面內典型的FONT標記如下所示
程序將按照如下形式
輸出每一個FONT標記的屬性
在這種情況下
我建議你使用兩個正則表達式
第一個如圖十一所示
它從字體標記提取出
face=
Arial
Serif
size=
+
color=
red
圖十一
匹配FONT標記的所有屬性
第二個正則表達式如圖十二所示
它把各個屬性分割成名字
值對
圖十二
匹配單個屬性
並把它分割成名字
值對
分割結果為
現在我們來看看完成這個任務的Java代碼
首先創建兩個正則表達式字符串
用Perl
Compiler把它們編譯成Pattern對象
編譯正則表達式的時候
指定Perl
Compiler
CASE_INSENSITIVE_MASK選項
使得匹配操作不區分大小寫
接下來
創建一個執行匹配操作的Perl
Matcher對象
假設有一個String類型的變量html
它代表了HTML文件中的一行內容
如果html字符串包含FONT標記
匹配器將返回true
此時
你可以用匹配器對象返回的MatchResult對象獲得第一個組
它包含了FONT的所
接下來創建一個PatternMatcherInput對象
這個對象允許你從最後一次匹配的位置開始繼續進行匹配操作
因此
它很適合於提取FONT標記內屬性的名字
值對
創建PatternMatcherInput對象
以參數形式傳入待匹配的字符串
然後
用匹配器實例提取出每一個FONT的屬性
這通過指定PatternMatcherInput對象（而不是字符串對象）為參數
反復地調用PatternMatcher對象的contains()方法完成
PatternMatcherInput對象之中的每一次迭代將把它內部的指針向前移動
下一次檢測將從前一次匹配位置的後面開始
本例的輸出結果如下
From:http://tw.wingwit.com/Article/program/Java/hx/201311/26694.html
