< 笔记 > Java SE - 10 Java SE 正则表达式

最新推荐文章于 2024-04-23 13:01:43 发布

Kevi_Song

最新推荐文章于 2024-04-23 13:01:43 发布

阅读量291

点赞数

分类专栏： < 笔记 > Java SE 文章标签： java 正则表达式数据爬虫

本文链接：https://blog.csdn.net/weixin_38689154/article/details/78165075

版权

< 笔记 > Java SE 专栏收录该内容

10 篇文章 0 订阅

订阅专栏

10 Java SE 正则表达式

By Kevin Song

概述

作用：操作字符串数据

public class RegexDemo {
    public static void main(String[] args) {
        String qq = "303043149";
        //第一位1到9
        //第二位0到9
        //第二位0到9出现4到14次
        String regex = "[1-9][0-9]{4,14}";//正则表达式
        boolean b = qq.matches(regex);
        System.out.println(qq+b);
    }
    public static void checkQQ(String qq) {
        int len = qq.length();
        if(len>=5 %% len<=15) {
            if(!qq.startsWith("0")) {
                try {
                    long l Long.parseLong(qq);
                } catch(NumberFormatException e) {
                    System.out.println("非法字符");
                }
            } else {
                System.out.println(qq+":不能0开头");
            }
        } else {
            System.out.println(qq+"长度错误");
        }
    }
}

常见的规则

字符类	含义
[abc]	a、b 或 c（简单类）
[^abc]	任何字符，除了 a、b 或 c（否定）
[a-zA-Z]	a 到 z 或 A 到 Z，两头的字母包括在内（范围）
[a-d[m-p]]	a 到 d 或 m 到 p：[a-dm-p]（并集）
[a-z&&[def]]	d、e 或 f（交集）
[a-z&&[^bc]]	a 到 z，除了 b 和 c：[ad-z]（减去）
[a-z&&[^m-p]]	a 到 z，而非 m 到 p：[a-lq-z]（减去）

预定义字符类	含义
.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	空白字符：[ \t\n\x0B\f\r]
\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	含义
^	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（如果有的话）
\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}	至少 n 次，但是不超过 m 次

Logical 运算符	含义
XY	X 后跟 Y
X	Y
(X)	X，作为捕获组

Back 引用	含义
\n	任何匹配的 n^th 捕获组

组的概念

（（A）（B（C）））
1 ((A)(B(C)))
2 \A
3 (B(C))
4 (C)
组零始终代表整个表达式

常见功能

正则表达式对字符串的常见操作

匹配
- 使用String类中的matches方法
切割
- 使用String类中的split方法
替换
- 使用String类中的replaceAll方法
获取
- 将正则表达式封装成对象
  - Pattern p = Pattern.compile(“a*b”);
- 通过正则对象的matcher方法字符串相关联。获取要对字符串操作的匹配器对象Matcher
  - Matcher m = p.matcher(“aaaaab”);
- 通过Matcher匹配其对象的方法对字符串进行操作
  - boolean b = m.matches();

public class RegexDemo2 {
    public static void main(String[] args) {
        functionDemo_4();
    }
    /*获取

    */
    public  static void functionDemo_4() {
        String str = "da jia hao,ming tian bu fang jia!";
        /*
        获取三个字母的单词[a-z]{3}

        */
        String regex = "\\b[a-z]{3}\\b";
        //把正则封装成对象
        Pattern p = Pattern.compile(regex);
        //通过正则对象获取匹配器对象
        Matcher m = p.matcher(str);

        //使用Matcher对象的方法对字符串进行操作
        //要获取三个字母组成的单词，用find()方法
        System.out.println(str);
        while(m.find()) {
            System.out.println(m.group());//获取匹配的子序列
            System.out.println(m.start()+":"+m.end());//获取字母开始和结束位置，包头不包尾
        }
    }
    //替换
    public static void functionDemo_3() {
        String str = "zhangsanttttxiaoqiangmmmmmmzhaoliu";
        /*
        把.用()封装成组(.)
        组的编号为\\1
        编号为1的组出现过一次或者多次所以(.)\\1+
        获取编号1组里的字母并且替换$1
        */
        str = str.replaceAll("(.)\\1+", "$1");
        System.out.println(str);

        String tel = "15800001111";//158****1111;
        /*
        前三个数封装成编号为1的组(\\d{3})
        末四个数封装成编号为2的组(\\d{4})
        */
        tel = tel.replaceAll("(\\d{3})\\d{4}(\\d{4})", "$1****$2");

        System.out.println(tel);
    }
    //切割
    public static void functionDemo_2(){
        String str = "zhangsan    xiaoqiang   zhaoliu";
        String[] names = str.split(" +");//一次或多次空格

        String str = "zhangsan.xiaoqiang.zhaoliu";
        String[] names = str.split("\\.");//用.来切，\\转义

        String str = "zhangsanttttxiaoqiangmmmmmmzhaoliu";
        /*
        把.用()封装成组(.)
        组的编号为\\1
        编号为1的组出现过一次或者多次所以(.)\\1+
        */
        String[] names = str.split("(.)\\1+");/

        for(String name : names){
            System.out.println(name);
        }
    }
    //匹配
    public static void functionDemo_1(){
        //匹配手机号码是否正确
        String tel = "15800001111";
        /*
        第一位固定1
        第二位是3，5，8中的一个[358]
        第三位开始[0-9]用预定义字符类表示\\d重复9次
        */
        String regex = "1[358]\\d{9}";
        boolean b = tel.matches(regex);
        System.out.println(tel+":"+b);
    }
}

正则表达式练习

练习一

过滤信息
- We….neeeeeed..baa…aaack……uuu..up
ip地址排序
- 192.168.10.34 127.0.0.1 3.3.3.3 105.70.11.55
邮件地址校验

public class RegexTest {
    public static void main(String[] args) {
        test_1();
    }
    public static void test_1 {
        String str = "We....neeeeeed..baa...aaack......uuu..up";
        //去掉...
        str = str.replaceAll("\\.+"," ");
        //替换叠词
        str = str.replaceAall("(.)\\1+","$1");
        System.out.println(str);
    }
    public static void test_2 {
        String ip_str = "192.168.10.34 127.0.0.1 3.3.3.3 105.70.11.55";
        //为了让ip可以按照字符串顺序比较，只要让ip的每一段的位数相同
        //补零，每一段加2个0
        ip_str = ip_str.replaceAll("(\\d+)","00$1");
        //00192.168.10.34 00127.0.0.1 003.3.3.3 00105.70.11.55
        System.out.println(ip_str);
        //每一段保留数字三位
        ip_str = ip_str.replaceAll("0*(\\d{3})","$1");
        //192.168.10.34 127.0.0.1 003.3.3.3 105.70.11.55
        System.out.println(ip_str);

        //把ip地址切出
        str = str.split(" +");

        TreeSet<String> ts = new TreeSet<String>();

        for(String ip : ips) {
            ts.add(ip);
        }
        for(String ip : ts) {
            //0没有或者多次后跟着连续数字
            //用连续的数字替换带0的那部分
            System.out.println(ip.replaceAll("0*(\\d+)", "$1"));
        }
        public static void test_3 {
        String mail = "abc@sina.com";
        /*
        第一部分大小写字母数字下划线都可以一个或者多个[a-zA-Z0-9_]+
        第二部分固定@
        第三部分大小写字母数字都可以一个或者多个[a-zA-Z0-9]+
        第四部分（\\.字母出现1到3次）出现一次或者多次（\\.[a-zA-Z]{1,3})+
        */
        String regex = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+\\.[a-zA-Z]{1,3})+";
        regex = "\\w+@\\w+(\\.\\w+)+";
        boolean b = mail.matches(regex);
        System.out.println(mail+":"+b);
        }
    }
}

网页爬虫

定义：在互联网中获取符合指定规则数据的程序

public class RegexTest2 {
    public static void main(String[] args) throws IOException {
        List<String> list = getMailsByWeb();
        for(String mail : list){
            System.out.println(mail);
        }
    }
    public static List<String> getMailsByWeb() throws IOException {
        //1, 读取源文件
        //BufferedReader bufr = new BufferedReader(new FileReader("c:\\mail.html"));
        URL url = new URL("http://192.168.1.100:8080/myweb/mail.html");
        BufferedReader bufIn = new BufferedReader(new InputStreamReader(url.openStream()));
        //2，对读取的数据进行规则的匹配，从中获取符合规则的数据
        String mail_regex = "\\w+@\\w+(\\.\\w+)+";
        List<String> list = new ArrayList<String>();
        Pattern p = Pattern.compile(mail_regex);
        String line = null;
        while((line=bufIn.readLine())!=null){
            Matcher m = p.matcher(line);
            while(m.find()){
                //3，符合规则的数据存储到集合中
                list.add(m.group());
            }
        }
        return list;
    }
    public static List<String>  getMails() throws IOException{
        //1, 读取源文件
        BufferedReader bufr = new BufferedReader(new FileReader("c:\\mail.html"));
        //2，对读取的数据进行规则的匹配，从中获取符合规则的数据
        String mail_regex = "\\w+@\\w+(\\.\\w+)+";
        List<String> list = new ArrayList<String>();
        Pattern p = Pattern.compile(mail_regex);
        String line = null;
        while((line=bufr.readLine())!=null){
            Matcher m = p.matcher(line);
            while(m.find()){
                //3，符合规则的数据存储到集合中
                list.add(m.group());
            }
        }
        return list;
    }
}