正则表达式30分钟入门笔记

最近需要用到java爬取网页数据，学了下正则表达式基础，做下笔记。

1: \b是正则表达式规定的一个元字符，代表着单词的开头或结尾，也就是单词的分界处。如果要精确地查找hi这个单词的话，我们应该使用\bhi\b

2：.是另一个元字符，匹配除了换行符以外的任意字符

3：*同样是元字符，它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，./连在一起就意味着任意数量的不包含换行的字符，hi后面不远处跟着一个Lucy，你应该用\bhi\b.\bLucy\b

4：\d是个新的元字符，匹配一位数字(0，或1，或2，或……)

5：-不是元字符，只匹配它本身——连字符(或者减号，或者中横线，或者随你怎么称呼它），0\d\d-\d\d\d\d\d\d\d\d匹配这样的字符串：以0开头，然后是两个数字，然后是一个连字号“-”，最后是8个数字，我们也可以这样写这个表达式：0\d{2}-\d{8}

6:元字符归纳

.   匹配除换行符以外的任意字符
\w  匹配字母或数字或下划线或汉字
\s  匹配任意的空白符
\d  匹配数字
\b  匹配单词的开始或结束
^   匹配字符串的开始
$  匹配字符串的结束
*   指定前面的字符任意匹配以匹配表达式

7：字符转义：查找元字符本身，在元字符前面加 \ 即可，如：

\.      指 .
\*      指 *
\\      指 \

8: 重复

代码     说明
*          重复零次或更多次
+          重复一次或更多次
?          重复零次或一次
{n}        重复n次
{n,}       重复n次或更多次
{n,m}      重复n到m次 

例：Windows\d+ 匹配Windows后面跟1个或更多数字

9：[]: 查找未定义的元字符如：a,e,i,o,u.用方括号列出即可。
如：
* [aeiou]就匹配任何一个英文元音字母
* [.?!]匹配标点符号(.或?或!)
* [0-9]等同于\d,匹配数字
* [a-z0-9A-Z_]等同于\w(如果只考虑英文)
例：(?0\d{2}[) -]?\d{8} ：这个表达式可以匹配几种格式的电话号码，像(010)88886666，或022-22334455，或02912345678等。首先是一个转义字符(,它能出现0次或1次(?),然后是一个0，后面跟着2个数字(\d{2})，然后是)或-或空格中的一个，它出现1次或不出现(?)，最后是8个数字(\d{8})。

注：“(”和“)”也是元字符，所以在这里需要使用转义。

知识点整理来源:

正则表达式30分钟入门链接