Java Scanner高级用法：正则表达式与分隔符处理

# 1. Java Scanner类概述

Java中的Scanner类是一个用于解析原始类型和字符串的简单文本扫描器。它能将基本类型和字符串分割成标记（token），并为开发者提供一系列有用的方法来获取这些标记。

在本章中，我们将从基础开始，探讨Scanner类的基本功能和用途。我们将学习如何创建Scanner实例，以及如何利用它来读取不同类型的输入数据，包括从文件、标准输入流或字符串等来源中读取数据。本章旨在为读者打下坚实的基础，为后续章节中深入探讨Scanner类的高级用法，如正则表达式匹配、分隔符处理机制、进阶特性和最佳实践等做好铺垫。

import java.util.Scanner;

public class ScannerIntroduction {
    public static void main(String[] args) {
        // 创建Scanner对象以读取来自标准输入的数据
        Scanner scanner = new Scanner(System.in);
        // 读取一行输入
        System.out.println("请输入一个字符串：");
        String input = scanner.nextLine();
        // 将输入的字符串转换为整数
        int number = scanner.nextInt();
        // 关闭scanner对象
        scanner.close();
        System.out.println("您输入的字符串是：" + input);
        System.out.println("您输入的整数是：" + number);
    }
}

在上述简单的Java程序中，我们创建了一个Scanner对象，用于从标准输入读取一行文本和一个整数，并在读取完后关闭了Scanner。这个例子演示了Scanner类最基础的用法，为理解后续的高级特性和应用做好准备。

# 2. 正则表达式在Scanner中的应用

在Java中，正则表达式是一种强大的文本处理工具，可以用于匹配、查找和替换符合特定模式的字符串。它广泛应用于数据分析、文本提取、日志分析等场景中。 Scanner类提供了与正则表达式结合使用的接口，允许用户根据复杂的模式来解析输入数据。本章将探讨如何在Scanner中应用正则表达式，包括正则表达式的基础知识、Scanner类与正则表达式的结合使用、以及实际案例的分析。

## 2.1 正则表达式基础

正则表达式是描述字符模式的字符串，它由一系列的字符和操作符构成。了解正则表达式的基础知识对于有效利用Scanner类解析数据至关重要。

### 2.1.1 正则表达式的组成和语法规则

正则表达式由普通字符（如字母和数字）以及特殊字符（称为"元字符"）组成。普通字符在正则表达式中表示自己，而元字符则具有特殊的含义。

以下是一些常见的元字符及其含义：

- `.`：匹配除换行符以外的任意单个字符。
- `*`：匹配前面的子表达式零次或多次。
- `+`：匹配前面的子表达式一次或多次。
- `?`：匹配前面的子表达式零次或一次。
- `{n}`：匹配确定的n次。
- `{n,}`：至少匹配n次。
- `{n,m}`：最少匹配n次且最多匹配m次。
- `[abc]`：匹配括号中的任意一个字符。
- `[^abc]`：匹配不在括号中的任意字符。
- `(pattern)`：匹配模式，并记住匹配项。
- `|`：或运算符，匹配左右任一表达式。

### 2.1.2 正则表达式的捕获和非捕获组

在正则表达式中，捕获组可以通过括号`()`来定义，它使得匹配的子字符串可以被保存供以后引用。非捕获组则用`(?:)`定义，仅用于分组而不保存匹配的内容。

String input = "123.456.789";
Pattern pattern = ***pile("(\\d+)\\.(\\d+)\\.(\\d+)");
Matcher matcher = pattern.matcher(input);
if (matcher.matches()) {
    System.out.println("完整匹配: " + matcher.group(0));
    System.out.println("第一组捕获: " + matcher.group(1));
    System.out.println("第二组捕获: " + matcher.group(2));
    System.out.println("第三组捕获: " + matcher.group(3));
}

代码解释：上述代码使用了正则表达式来匹配三个由点分隔的数字序列，并分别捕获每一组数字。

## 2.2 Scanner类与正则表达式的结合使用

### 2.2.1 利用正则表达式进行文本匹配

Scanner类可以和正则表达式结合使用，对输入文本进行模式匹配。通过`useDelimiter()`方法可以设置Scanner使用的分隔符模式，这使得Scanner能够识别复杂的文本结构。

String input = "John Doe - 30 - 75kg";
Scanner scanner = new Scanner(input);
scanner.useDelimiter("\\s*[-]\\s*"); // 设置分隔符为" - "
while (scanner.hasNext()) {
    System.out.println(scanner.next()); // 输出每个匹配的元素
}

代码解释：上述代码将输入文本按照" - "进行分割，从而匹配并输出姓名、年龄和体重等信息。

### 2.2.2 正则表达式在Scanner中的高级匹配技巧

在高级匹配中，可以使用正则表达式的特殊模式来提取结构化数据。例如，使用命名捕获组来更清晰地标识每个匹配的子字符串。

String input = "2023-01-01 12:00:00";
Scanner scanner = new Scanner(input);
scanner.useDelimiter("(\\d{4}-\\d{2}-\\d{2})|(\\d{2}:\\d{2}:\\d{2})");
while (scanner.hasNext()) {
    if (scanner.hasNext("\\d{4}-\\d{2}-\\d{2}")) {
        System.out.println("日期: " + scanner.next());
    } else if (scanner.hasNext("\\d{2}:\\d{2}:\\d{2}")) {
        System.out.println("时间: " + scanner.next());
    }
}

代码解释：上述代码使用正则表达式来匹配日期和时间格式，并根据匹配的内容输出相应的日期或时间。

## 2.3 实际案例分析

### 2.3.1 使用Scanner解析复杂的日志文件

日志文件通常包含了大量结构化或半结构化的数据。使用Scanner结合正则表达式可以有效解析这些数据，提取出关键信息。

String logEntry = "ERROR: User 'john_doe' failed to authenticate at 2023-01-01 13:45:30";
Scanner scanner = new Scanner(logEntry);
scanner.useDelimiter("[:\\s]+");
while (scanner.hasNext()) {
    if (scanner.hasNext("ERROR")) {
        System.out.println("错误类型: " + scanner.next());
    } else if (scanner.hasNext("User '[^']+'")) {
        System.out.println("用户: " + scanner.next());
    } else if (scanner.hasNext("\\d{4}-\\d{2}-\\d{2} \\d{2}:\\d{2}:\\d{2}")) {
        System.out.println("发生时间: " + scanner.next());
    }
}

代码解释：通过逐个匹配日志文件中的字符串，我们可以提取出错误类型、用户信息和具体时间等关键数据。

### 2.3.2 结合正则表达式提取特定格式数据

在处理特定格式的数据时，正则表达式可以提供更为精确和灵活的匹配能力。例如，提取Email地址、电话号码等。

String input = "Contact us: *** or call 123-456-7890";
Scanner scanner = new Scanner(input);
scanner.useDelimiter("[^\\w@.]+"); // 使用非单词字符、@和点作为分隔符
while (scanner.hasNext()) {
    String match = scanner.next();
    if (match.matches("[\\w.]+@[\\w.]+")) {
        System.out.println("Email: " + match);
    } else if (match.matches("\\d{3}-\\d{3}-\\d{4}")) {
        System.out.println("电话: " + match);
    }
}

代码解释：正则表达式`[^\\w@.]+`将匹配非单词、非点和非@符号的字符序列作为分隔符。在匹配到的字符串中，通过进一步的正则表达式匹配来识别Email地址和电话号码。

正则表达式为Scanner提供了一种强大的方式来解析和处理文本数据。通过理解正则表达式的组成和语法规则，结合Scanner类的灵活使用，可以极大地提高数据解析的准确性和效率。在实际案例中，这种技术组合被广泛应用于日志分析、数据提取以及多种文本处理场景中。

# 3. Scanner的分隔符处理机制

## 3.1 分隔符的概念和设置

### 3.1.1 Scanner默认分隔符的行为

在处理输入流时，分隔符扮演了非常关键的角色。默认情况下，Java的Scanner类使用空白字符作为分隔符，这意味着它将连续的非分隔符序列识别为单独的令牌。然而，不同的应用场景要求对分隔符的定义进行调整。了解和掌握如何自定义分隔符是使用Scanner时的一个关键能力，它能极大地提高数据解析的灵活性和效率。

### 3.1.2 自定义分隔符的步骤和方法

要自定义Scanner类的分隔符，可