正则表达式
- 正则表达式:符合一定规则的表达式;
- 作用:用于专门操作字符串;
- 特点:用于一些特定的符号来表示一些代码操作,这样简化书写,所以学习正则表达式就是学习一些特殊符号的使用;
- 好处:可以简化对字符串的复杂操作;
- 弊端:符号定义越多,正则越长,阅读性越差;
正则表达式对String的操作方法
- 匹配:
- matches(String regex);用规则匹配字符串,只要有一处不符合规则,就匹配结束,返回false;
- 分割:
- split(String regex);根据给正则表达式的匹配拆分字符串,返回一个字符串数组;
- 替换:
- replaceAll(String regex,String replacement);使用给定的replacement替换此字符串所有匹配给定的正则表达式的字符串;
- 注:如果regex中有定义组,可以在第二参数中通过“$”符号获取正则表达式中的已有的组;
- 获取:将字符串中的符合规则的子串取出;
操作步骤:
- 将正则表达式封装成对象;
- 让正则对象和要操作的字符串相关联;
- 关联后,获取正则匹配引擎;
- 通过引擎对符合规则的子串进行操作,比如取出;
class RegexDemo{
public static void main(String[] args) {
//demo();
//System.out.println((char)11);
// checkTel();
//splitDemo("zhangsan.lisi.wangwu","\\.");
//splitDemo("c:\\abc\\a.txt","\\\\");
//splitDemo("erkktyqqquizzzzzo","(.)\\1+");//按照叠词完成切割。为了可以让规则的结果被重用
//可以将规则封装成一个组。用()完成。组的出现都有编号。
//从1开始。 想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。
String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数组替换成#。
//replaceAllDemo(str,"\\d{5,}","#");
String str1 = "erkktyqqquizzzzzo";//将叠词替换成$. //将重叠的字符替换成单个字母。zzzz->z
replaceAllDemo(str1,"(.)\\1+","$1");
}
public static void replaceAllDemo(String str,String reg,String newStr){
str = str.replaceAll(reg,newStr);
System.out.println(str);
}
public static void splitDemo(String str,String reg){
//String reg = " +";//按照多个空格来进行切割
String[] arr = str.split(reg);
System.out.println(arr.length);
for(String s : arr){
System.out.println(s);
}
}
/*
匹配
手机号段只有 13xxx 15xxx 18xxxx
*/
public static void checkTel(){
String tel = "16900001111";
String telReg = "1[358]\\d{9}";
System.out.println(tel.matches(telReg));
}
public static void demo(){
String str = "b23a23456789";
String reg = "[a-zA-Z]\\d*";
boolean b= str.matches(reg);
System.out.println(b);
}
public static void checkQQ(){
String qq = "123a454";
String regex = "[1-9]\\d{4,14}";
boolean flag = qq.matches(regex);
if(flag)
System.out.println(qq+"...is ok");
else
System.out.println(qq+"... 不合法");
}
/*
对QQ号码进行校验
要求:5~15 0不能开头,只能是数字
这种方式,使用了String类中的方法,进行组合完成了需求。但是代码过于复杂。
*/
public static void checkQQ_1(){
String qq = "1882345a0";
int len = qq.length();
if(len>=5 && len<=15){
if(!qq.startsWith("0")){//Integer.parseInt("12a");NumberFormatException
try{
long l = Long.parseLong(qq);
System.out.println("qq:"+l);
}catch (NumberFormatException e){
System.out.println("出现非法字符.......");
}
}else{
System.out.println("不可以0开头");
}
}else{
System.out.println("长度错误");
}
}
}
Pattern类
- 正则表达式的编译表示表示形式;
指定为字符串的正则表达式必须首先被编译为此类的实例:然后可将得到的模式用于创建Matcher对象,依照正则表达式,该对象可以与任意字符串序列(例:String)匹配,执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式,因此,典型的调用顺序是:
Pattern p=Pattern.compile(“regex”);将规则封装成对象;
Matcher m=p.matcher(“String”);让正则对象和要作用的字符串相关联,获取匹配器对象;
boolean b=m.matches();调用匹配器的匹配方法,其实String中的matches()就是调用的该类中的matches方法;如果仅适用一次正则表达式,可用:
boolean b=Pattern.matchers(“regex”,“String”);将以上三句并为一句;该类的常用方法:
该类没有构造方法,不能new对象,只能通过特有static方法获取:- compile(String regex);将给定的正则表达式编译到模式中,将regex规则封装成对象;该方法是静态的返回一个Pattern;
- matcher(CharSequence input);创建匹配给定输入与此模式的匹配器,charSequence-字符序列可以是String或其它,该方法是将指定规则与给定的String(或其它)相关联,并返回一个匹配器(Matcher)使用匹配器的方法,可对关联的字符串使用该regex进行多种操作;
- matches(String regex,CharSequence input);当regex仅用一次时可用该方法匹配相关的字符串到定义的regex;
- split(CharSequence input);围绕此模式的匹配拆分给定的输入序列;
Matcher类
- 通过解释Pattern对字符串(或其它)执行匹配操作的引擎,通过调用模式的matcher方法从模式创建匹配器;
- 常用方法:
- find();尝试查找与该模式匹配的输入序列的下一个子序列(类似于迭代器的hasNext()功能,可用于循环判断);
- find(int start);从指定位置查找;
- lookingAt();尝试将从区域开头开始的输入序列与该模式匹配;
- matches();尝试将整个字符序列与模式匹配;
- group();返回由以前匹配操作所匹配的输入子序列;
- group(int group);返回在以前匹配操作期间由给定组捕获的输入子序列,group:匹配器模式总捕获组的索引;
- end();返回最后匹配字符之后的偏移量,即:匹配到字符串的最后字符在字符串中的位置索引;
- end(int group);返回在以前的匹配操作期间,由给定组所捕获子序列的最后字符之后的偏移量;
- start();返回以前匹配的初始索引;
- start(int group);返回在以前的匹配操作期间,由给定组所捕获的子序列的初始索引;
import java.util.regex.*;
class RegexDemo2 {
public static void main(String[] args) {
getDemo();
}
public static void getDemo(){
String str = "ming tian jiu yao fang jia le ,da jia。";
System.out.println(str);
String reg = "\\b[a-z]{4}\\b";
//将规则封装成对象。
Pattern p = Pattern.compile(reg);
//让正则对象和要作用的字符串相关联。获取匹配器对象。
Matcher m = p.matcher(str);
//System.out.println(m.matches());//其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。
//只不过被String的方法封装后,用起来较为简单。但是功能却单一。
// boolean b = m.find();//将规则作用到字符串上,并进行符合规则的子串查找。
// System.out.println(b);
// System.out.println(m.group());//用于获取匹配后结果。
//System.out.println("matches:"+m.matches());
while(m.find()){
System.out.println(m.group());
System.out.println(m.start()+"...."+m.end());
}
}
}
正则表达式的常用构造摘要
字符:(转义字符)
- \\:反斜线字符“\”,因为一条“\”会将其后的字符转义,故两条表示“\”;
- \t:制表符;
- \n:换行符;
- \r:回车符;
- \f:换页符;
字符类:
- [abc]:a、b或c(简单类);
- [^abc]:出abc外的任意字符;
- [a-zA-Z]:所有大小写字母;
- [a-d[m-p]]:a到d或m到p(并集):[a-dm-p];
- [a-z&&[def]]:d、e或f(交集);
- [a-z&&[^bc]]:a到z,除b和c,相当于[ad-z](减去);
- [a-z&&[^m-p]]:a到z,除m到p,相当于[a-lq-z];
预定义子父类:
- .:任意字符;
- \d:数字[0-9];
- \D:非数字[^0-9];
- \s:空白字符:[\t\n\f\r\x0B];
- \S:非空白字符[^\s];
- \w:单词字符:[a-zA-Z_0-9];
- \W:非单词字符:[^\w];
边界匹配器:
- ^:行的开头;
- $:行的结尾;
- \b:单词边界;
- \B:非单词边界;
- \A:输入的开头;
- \G:上一个匹配的结尾;
- \Z:输入的结尾,仅用于最后的结束符;
- \z:输入的结尾;
Greedy数量词:
X? :X,一次或一次也没有
X* :X,零次或多次
X+ :X,一次或多次
X{n} :X,恰好 n 次
X{n,} :X,至少 n 次
X{n,m} :X,至少 n 次,但是不超过 m 次
import java.util.*;
class RegexTest {
public static void main(String[] args) {
// test_1();
// ipSort();
checkMail();
}
/*
需求:对邮件地址进行校验。
*/
public static void checkMail(){
String mail = "abc12@sina.com";
mail = "1@1.1";
String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配。
reg = "\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。
//mail.indexOf("@")!=-1
System.out.println(mail.matches(reg));
}
/*
需求:
将下列字符串转成:我要学编程.
到底用四种功能中的哪一个呢?或者哪几个呢?
思路方式:
1,如果只想知道该字符是否对是错,使用匹配。
2,想要将已有的字符串变成另一个字符串,替换。
3,想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
4,想要拿到符合需求的字符串子串,获取。获取符合规则的子串。
*/
public static void test_1(){
String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";
/*
将已有字符串变成另一个字符串。使用 替换功能。
1,可以先将 . 去掉。
2,在将多个重复的内容变成单个内容。
*/
str = str.replaceAll("\\.+","");
System.out.println(str);
str = str.replaceAll("(.)\\1+","$1");
System.out.println(str);
}
/*
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
将ip地址进行地址段顺序的排序。
还按照字符串自然顺序,只要让它们每一段都是3位即可。
1,按照每一段需要的最多的0进行补齐,那么每一段就会至少保证有3位。
2,将每一段只保留3位。这样,所有的ip地址都是每一段3位。
*/
public static void ipSort(){
String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
ip = ip.replaceAll("(\\d+)","00$1");
System.out.println(ip);
ip = ip.replaceAll("0*(\\d{3})","$1");
System.out.println(ip);
String[] arr = ip.split(" ");
TreeSet<String> ts = new TreeSet<String>();
for(String s : arr){
ts.add(s);
}
for(String s : ts){
System.out.println(s.replaceAll("0*(\\d+)","$1"));
}
}
}
组合捕获
- 捕获组可以通过从左到右计算器括号类编号,例:
例:在表达式 ((A)(B(C))) 中,存在四个这样的组:
1 ((A)(B(C)))
2 (A)
3 (B(C))
4 (C)
组0始终代表整个表达式。 - 组的应用:
- 为了让规则的结果被重用,可以将规则封装成一个组,用()完成,组的出现都有编号,从1开始,想要使用已有的组可以通过“\n”(n就是组的编号)的形式来获取,例:
“(a)\1+”;将a封装成组,“1”表示组1编号,“+”表示多个,这个规则的含义是:字符串第一位为“a”,后面跟1个或多个“a”; - 如果regex中有定义组,可以在第二参数中通过“ +n”获取正则表达式中已有的组(n代表组的编号),例:replaceAll(“(\w)\1+”,” 1”);等于replaceAll(“(\w)\1+”,”(\w)”);
- 为了让规则的结果被重用,可以将规则封装成一个组,用()完成,组的出现都有编号,从1开始,想要使用已有的组可以通过“\n”(n就是组的编号)的形式来获取,例:
/*
网页爬虫(蜘蛛)
*/
import java.io.*;
import java.util.regex.*;
import java.net.*;
import java.util.*;
class RegexTest2 {
public static void main(String[] args) throws Exception{
getMails_1();
}
public static void getMails_1()throws Exception{
URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");
URLConnection conn = url.openConnection();
BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String line = null;
String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);
while((line=bufIn.readLine())!=null){
Matcher m = p.matcher(line);
while(m.find()){
System.out.println(m.group());
}
}
}
/*
获取指定文档中的邮件地址。
使用获取功能。Pattern Matcher
*/
public static void getMails()throws Exception{
BufferedReader bufr =
new BufferedReader(new FileReader("mail.txt"));
String line = null;
String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);
while((line=bufr.readLine())!=null){
Matcher m = p.matcher(line);
while(m.find()){
System.out.println(m.group());
}
}
}
}