JAVA从零开始18_基础API之爬虫

一、爬虫

Pattern和Matcher类是Java中的正则表达式库，用于匹配和处理字符串。通过使用这两个类，你可以从一段文本中提取特定的内容。下面是一个简单的示例，说明如何使用Pattern和Matcher类从一段文本中提取所有电子邮件地址：

import java.util.regex.Pattern;
import java.util.regex.Matcher;

public class RegexExample {
   
    public static void main(String[] args) {
   
        String text = "Please send an email to john.doe@example.com or jane.doe@example.org for more information.";
        String emailRegex = "\\b[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Z|a-z]{2,}\\b";

        Pattern pattern = Pattern.compile(emailRegex);
        Matcher matcher = pattern.matcher(text);

        while (matcher.find()) {
   
            String email = matcher.group();
            System.out.println("Found email: " + email);
        }
    }
}

在这个示例中，我们首先定义了一个字符串text，它包含了两个电子邮件地址。然后我们创建一个电子邮件的正则表达式emailRegex，用于匹配电子邮件地址。

接下来，我们使用Pattern.compile(emailRegex)方法创建一个Pattern对象。然后，我们使用pattern.matcher(text)方法创建一个Matcher对象，它将在text中查找与emailRegex匹配的子字符串。

最后，我们使用while (matcher.find())循环遍历所有匹配项，并使用matcher.group()方法获取匹配到的电子邮件地址。运行此代码将输出以下结果：

Found email: john.doe@example.com
Found email: jane.doe@example.org

你可以根据自己的需求修改正则表达式和文本内容，以便从文本中提取所需的信息。

---

二、?i、?:、?=、?!

在Java的正则表达式中，(?i)、(?:)、(?=)和(?!)都是正则表达式的特殊构造，具有特定的功能和含义。以下是它们各自的解释和示例：

1. (?i)：忽略大小写

   (?i)表示在正则表达式的后面部分忽略大小写。示例：

   String text = "Hello World!";
   String regex = "(?i)hello";
   System.out.println(text.matches(regex)); // 输出：false
   

   在这个示例中，正则表达式(?i)hello将匹配任何大小写组合的"hello"。

2. (?:)：非捕获组

   (?:)表示一个非捕获组，它允许你将正则表达式的一部分分组，但不会将匹配的文本捕获到一个单独的组中。示例：

   String text = "The car is blue.";
   String regex = "The (?: