正则表达式

正则表达式

基本格式

1.单个字符匹配规则

正则表达式	规则
.	任何字符
\d	一个数字
\D	一个非数字
\s	一个空白字符
\S	一个非空白字符
\w	英文，数字，下划线
\W	一个非单词字符

2.复杂字符匹配规则

正则表达式	规则
[abc]	只能说abc
[^abc]	除了abc
[a-zA-Z]	a到z，A到Z
[a-z&&[^bc]]	a到z中除了bc
a-z&&[^m-p]]	a到z中除了m到p

3.表示数量的匹配规则

正则表达式	规则
X?	X，一次或0次
X*	任意次数
X+	一次或多次
X{n}	正好n次
X{n,}	至少n次
X{n,m}	至少n次但是不超过m次

4.当某一正则需要多次使用，我们可以小括号括起来进行操作。

举例子：关于邮箱正则:

1736331172@qq.com
zhangsan@xinan.com
1736331172@itcased.qq.com

String regex = "\\w+[@][\\w&&[^_]]+(\\.[a-z]{2,3})+";

验证是否符合正则表达式

我们使用matches方法验证

String regex = "\\w+[@][\\w&&[^_]]+(\\.[a-z]{2,3})+";

boolean bool = "1736331172@itcased.qq.com".matches(regex);//true

String类中关于正则地方法

方法	说明
public String replaceAll (String regex,String newstr)	将满足正则地字符穿替换为新字符串
public String[] split(String regex)	按照正则分割字符串，并且返回新的字符串

使用正则表达式进行爬虫

Pattern专门对正则进行封装的类

两个关键方法：

方法	作用
public static compile (String regex)	将给定的正则表达式封装
matcher(输入爬取的对象)	获取匹配器对象

String s = "我的邮箱是1736331172@qq.com"+
			"他的邮箱是zhangsan@xinan.com"+
			"老师的邮箱是1736331172@itcased.qq.com";
			
String regex = "\\w+[@][\\w&&[^_]]+(\\.[a-z]{2,3})+";

//1.将给定的正则表达式封装
Pattern pattern = Pattern.compile(regex);

//2.获取匹配器对象
Macher macher = pattern.matcher(s);

接下来用Macher类中find方法确定爬取目标，group方法进行提取。

while(matcher,find()){

	 System.out.println(matcher.group());
	 
}
/*
抛出结果
1736331172@qq.com
zhangsan@xinan.com
1736331172@itcased.qq.com
 */