为什么要学习正则表达式
//体验正则表达式的威力,给我们文本处理带来哪些便利
public class Regexp_ {
public static void main(String[] args) {
//假定,编写了爬虫,从白度贝面得到如下文本
String content = "1995年,互联网的蓬勃发展给了Oak机会。业界为了使死板、单调的静态网页能够“灵活”起来," +
"急需一种软件技术来开发一种程序,这种程序可以通过网络传播并且能够跨平台运行。" +
"于是,世界各大IT企业为此纷纷投入了大量的人力、物力和财力。这个时候,Sun公司想起了" +
"那个被搁置起来很久的Oak,并且重新审视了那个用软件编写的试验平台,由于它是按照嵌入式系统硬件平台体系结构进行编写的,所以非常小," +
"特别适用于网络上的传输系统,而Oak也是一种精简的语言,程序非常小,适合在网络上传输。" +
"Sun公司首先推出了可以嵌入网页并且可以随同网页在网络上传输的Applet(Applet是一种将小程序嵌入到网页中进行执行的技术),并将Oak更名为Java。" +
"5月23日,Sun公司在Sun world会议上正式发布Java和HotJava浏览器。IBM、Apple、DEC、Adobe、HP、Oracle、Netscape和微软等各大公司" +
"都纷纷停止了自己的相关开发项目,竞相购买了Java使用许可证,并为自己的产品开发了相应的Java平台";
//提取文章中所有的英文单词
//(1).传统方法。使用遍历方式,代码量大,效率不高
//(2).正则表达式技术
//1.先创建一个Pattern对象,模式对象,可以理解成就是一个正则表达式对象
//提取文章中所有的英文单词
//Pattern pattern = Pattern.compile("[a-zA-Z]+");
//提取文章中所有的数字
//Pattern pattern = Pattern.compile("[0-9]+");
//提取文章中所有的英文单词和数字
Pattern pattern = Pattern.compile("([0-9]+)|([a-zA-Z]+)");
//2.创建一个匹配器对象
//理解:就是 matcher 匹配器按照 pattern(模式/样式),到content 文本中去匹配
//找到就返回true,否则就返回false
Matcher matcher = pattern.matcher(content);
//3。可以开始循环匹配
while(matcher.find()) {
//匹配内容,文本,放到 m.group(0)
System.out.println("找到:" + matcher.group(0));
}
}
}
正则表达式基本介绍
介绍
正则表达式底层实现(重要)
实例分析
为对正则表达式底层实现有一个直观的映象,举个实例
给一段字符串(文本),请找出所有四个数字连在一起的子串, 比如:
应该找到 1998 1999 3443 9889 ==> 分析底层实现
/**
* 分析 java 的正则表达式的底层实现(重要)
*/
public class RegTheory {
public static void main(String[] args) {
String content = "1998 年 12 月 8 日,第二代 Java 平台的企业版 J2EE 发布。1999 年 6 月,Sun 公司发布了" +
"第二代 Java 平台(简称为 Java2)的 3 个版本:J2ME(Java2 Micro Edition,Java2 平台的微型" +
"版),应用于移动、无线及有限资源的环境;J2SE(Java 2 Standard Edition,Java 2 平台的" +
"标准版),应用于桌面环境;J2EE(Java 2Enterprise Edition,Java 2 平台的企业版),应" +
"用 3443 于基于 Java 的应用服务器。Java 2 平台的发布,是 Java 发展过程中最重要的一个" +
"里程碑,标志着 Java 的应用开始普及 9889 ";
//目标:匹配所有四个数字
//说明
//1. \\d 表示一个任意的数字
//String regStr = "\\d\\d\\d\\d";
String regStr = "(\\d\\d)(\\d\\d)";
//2. 创建模式对象[即正则表达式对象]
Pattern pattern = Pattern.compile(regStr);
//3. 创建匹配器
//说明:创建匹配器 matcher, 按照 正则表达式的规则 去匹配 content 字符串
Matcher matcher = pattern.matcher(content);
//4.开始匹配
/**
*
* matcher.find() 完成的任务 (考虑分组)
* 什么是分组,比如 (\d\d)(\d\d) ,正则表达式中有() 表示分组,第 1 个()表示第 1 组,第 2 个()表示第 2 组...
* 1. 根据指定的规则 ,定位满足规则的子字符串(比如(19)(98))
* 2. 找到后,将 子字符串的开始的索引记录到 matcher 对象的属性 int[] groups;
* 2.1 groups[0] = 0 , 把该子字符串的结束的索引+1 的值记录到 groups[1] = 4
* 2.2 记录 1 组()匹配到的字符串 groups[2] = 0 groups[3] = 2 //(19)
* 2.3 记录 2 组()匹配到的字符串 groups[4] = 2 groups[5] = 4 //(98)
* 2.4.如果有更多的分组.....
* 3. 同时记录 oldLast 的值为 子字符串的结束的 索引+1 的值即 35, 即下次执行 find 时,就从 35 开始匹配
*
* matcher.group(0) 分析
*
* 源码:
* public String group(int group) {
* if (first < 0)
* throw new IllegalStateException("No match found");
* if (group < 0 || group > groupCount())
* throw new IndexOutOfBoundsException("No group " + group);
* if ((groups[group*2] == -1) || (groups[group*2+1] == -1))
* return null;
* return getSubSequence(groups[group * 2], groups[group * 2 + 1]).toString();
* }
* 1. 根据 groups[0]= 31 和 groups[1]=35 的记录的位置,从 content 开始截取子字符串返回
* 就是 [31,35) 包含 31 但是不包含索引为 35 的位置
*
* 如果再次执行 find 方法.仍然按照上面分析来执行
*/
while (matcher.find()) {
//小结
// 1. 如果正则表达式有() 即分组
// 2. 取出匹配的字符串规则如下
// 3. group(0) 表示匹配到的子字符串
// 4. group(1) 表示匹配到的子字符串的第 1 组字串
// 5. group(2) 表示匹配到的子字符串的第 2 组字串
// 6. ... 但是分组的数不能越界
System.out.println("找到: " + matcher.group(0));
System.out.println("第 1 组()匹配到的值=" + matcher.group(1));
System.out.println("第 2 组()匹配到的值=" + matcher.group(2));
//System.out.println("第 3 组()匹配到的值=" + matcher.group(3)); //会报异常,越界
}
}
}
正则表达式语法
基本介绍
元字符(Metacharacter)-转义号 \\
//演示转义字符的使用
public class RegExp02 {
public static void main(String[] args) {
String content = "abc$(a.bc(123( )";
//匹配( => \\(
//String regStr = "\\(";
//匹配. => \\.
//String regStr = "\\.";
//匹配 3个数字
//String regStr = "\\d\\d\\d"; //写法一
String regStr = "\\d{3}"; //写法二
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到: " + matcher.group(0));
}
}
}
元字符-字符匹配符
//演示字符匹配符 的使用
public class RegExp03 {
public static void main(String[] args) {
String content = "a11c8abc _ABCy @";
//String resStr = "[a-z]"; //匹配 a-z 之间任意一个字符
//String regStr = "[A-Z]";//匹配 A-Z 之间任意一个字符
//String regStr = "abc";//匹配 abc 字符串[默认区分大小写]
//String regStr = "(?i)abc";//匹配 abc 字符串[不区分大小写]
//String regStr = "[0-9]";//匹配 0-9 之间任意一个字符
//String regStr = "[^a-z]";//匹配 不在 a-z 之间任意一个字符
//String regStr = "[^0-9]";//匹配 不在 0-9 之间任意一个字符
//String regStr = "[abcd]";//匹配 在 abcd 中任意一个字符
//String regStr = "\\d";//匹配 0-9 的任意一个字符
//String regStr = "\\D";//匹配 不在 0-9 的任意一个字符
//String regStr = "\\w";//匹配 大小写英文字母, 数字,下划线
//String regStr = "\\W";//匹配 等价于 [^a-zA-Z0-9_]
//String regStr = "\\s";//匹配 任何空白字符(空格,制表符等)
//String regStr = "\\S";//匹配任何非空白字符 ,和 \\s 刚好相反
String regStr = ".";//匹配出 \n 之外的所有字符,如果要匹配.本身则需要使用
//说明
//1. 当创建 Pattern 对象时,指定 Pattern.CASE_INSENSITIVE, 表示匹配是不区分字母大小写
//Pattern pattern = Pattern.compile(regStr,Pattern.CASE_INSENSITIVE);
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
元字符-选择匹配符
public class RegExp04 {
public static void main(String[] args) {
String content = "hanshunping 韩 寒冷";
String resStr = "han|韩|寒";
Pattern pattern = Pattern.compile(resStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
元字符-限定符
用于指定其前面的字符和组合项连续出现多少次
//演示限定符的使用
public class RegExp05 {
public static void main(String[] args) {
String content = "a211111aaaaaahello";
//String regStr = "a{3}";//表示匹配 aaa
//String regStr = "1{4}";// 表示匹配 1111
//String regStr = "\\d{2}";// 表示匹配 两位的任意数字字符
//细节:java 匹配默认贪婪匹配,即尽可能匹配多的
//String regStr = "a{3,4}"; //表示匹配 aaa 或者 aaaa , 优先匹配 aaaa
//String regStr = "1{4,5}"; //表示匹配 1111 或者 11111 , 优先匹配 11111
//String regStr = "\\d{2,5}"; //匹配 2 位数或者 3,4,5 , 优先匹配 5位数
//1+
//String regStr = "1+"; //匹配一个 1 或者多个 1
//String regStr = "\\d+"; //匹配一个数字或者多个数字
//1*
//String regStr = "1*"; //匹配 0 个 1 或者多个 1
//演示?的使用, 遵守贪婪匹配
String regStr = "a1?"; //匹配 a 或者 a1
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
元字符-定位符
定位符, 规定要匹配的字符串出现的位置,比如在字符串的开始还是在结束的位置
//演示定位符的使用
public class RegExp06 {
public static void main(String[] args) {
String content = "hanshunping sphan nnhan";
//String content = "123-abc";
//以至少 1 个数字开头,后接任意个小写字母的字符串
//String regStr = "^[0-9]+[a-z]*";
//以至少 1 个数字开头, 必须以至少一个小写字母结束
//String regStr = "^[0-9]+[a-z]+$";
//String regStr = "^[0-9]+\\-[a-z]+$"; // 同时中间得有 -
//表示匹配边界的 han 【这里的边界是指:被匹配的字符串最后,也可以是空格的子字符串的后面】
//String regStr = "han\\b";
//和\\b 的含义刚刚相反
String regStr = "han\\B";
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
分组
//分组
public class RegExp07 {
public static void main(String[] args) {
String content = "hanshunping s7789 nn1189han";
//String regStr = "\\d\\d\\d\\d";//匹配 4 个数字的字符串 , 无分组
//下面就是非命名分组
//说明
// 1. matcher.group(0) 得到匹配到的字符串
// 2. matcher.group(1) 得到匹配到的字符串的第 1 个分组内容
// 3. matcher.group(2) 得到匹配到的字符串的第 2 个分组内容
//String regStr = "(\\d\\d)(\\d\\d)";//匹配 4 个数字的字符串
//命名分组: 即可以给分组取名
String regStr = "(?<g1>\\d\\d)(?<g2>\\d\\d)";//匹配 4 个数字的字符串
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
System.out.println("第 1 个分组内容 = " + matcher.group(1));
System.out.println("第 1 个分组内容[通过组名] = " + matcher.group("g1"));
System.out.println("第 2 个分组内容 = " + matcher.group(2));
System.out.println("第 2 个分组内容[通过组名] = " + matcher.group("g2"));
}
}
}
//演示非捕获分组, 语法比较奇怪
public class RegExp08 {
public static void main(String[] args) {
String content = "hello 韩顺平教育 jack 韩顺平老师 韩顺平同学 hello 韩顺平学生";
//找到 韩顺平教育 、韩顺平老师、韩顺平同学 子字符串
//String regStr = "韩顺平教育|韩顺平老师|韩顺平同学";
//上面的写法可以等价非捕获分组, 注意:不能 matcher.group(1)
//String regStr = "韩顺平(?:教育|老师|同学)";
//找到 韩顺平 这个关键字,但是要求只是查找韩顺平教育和 韩顺平老师 中包含有的韩顺平
//下面也是非捕获分组,不能使用 matcher.group(1)
//String regStr = "韩顺平(?=教育|老师)"; // 两个韩顺平
//String regStr = "韩顺平(?=教育)"; // 一个韩顺平
//找到 韩顺平 这个关键字,但是要求只是查找 不是 (韩顺平教育 和 韩顺平老师) 中包含有的韩顺平
//下面也是非捕获分组,不能使用 matcher.group(1)
String regStr = "韩顺平(?!教育|老师)"; // 一个韩顺平( 韩顺平同学 和 韩顺平学生 中的)
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}
非贪婪匹配
public class RegExp09 {
public static void main(String[] args) {
String content = "hello111111 ok";
//String regStr = "\\d+"; //默认是贪婪匹配
String regStr = "\\d+?"; //非贪婪匹配
Pattern pattern = Pattern.compile(regStr);
Matcher matcher = pattern.matcher(content);
while (matcher.find()) {
System.out.println("找到 " + matcher.group(0));
}
}
}