正则表达式
一、概述
1、 概念:符合一定规则的表达式。
2、 作用:用于专门操作字符串。
3、 特点:用于一些特定的符号来表示一些代码操作,这样可以简化书写。所以学习正则表达式,就是在学习一些特殊符号的使用。
4、 好处:可以简化对字符串的复杂操作。
5、 弊端:符合定义越多,正则越长,阅读性越差。
二、常见符号
说明:X表示字符X或者匹配的规则。
1、字符
x 字符 x
\\ 反斜线字符
\t 制表符 ('\u0009')
\n 新行(换行)符 ('\u000A')
\r 回车符 ('\u000D')
\f 换页符 ('\u000C')
\a 报警 (bell) 符 ('\u0007')
2、字符类
[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)
3、预定义字符类
. 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]
4、边界匹配器
^ 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
5、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} X,至少 n次,但是不超过 m 次
6、组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如,在表达式 ((A)(B(C)))中,存在四个这样的组:
1 ((A)(B(C)))
2 \A
3 (B(C))
4 (C)
组零始终代表整个表达式。在替换中常用$匹配组的内容。
三、正则表达式具体功能
主要有四种具体功能:匹配matches、切割split、替换replaceAll和获取find
1、匹配:String类中的boolean matches(String regex)方法。用规则匹配整个字符串,只要有一处不符合规则,就匹配结束,返回false。
示例:
2、切割:String类中的String[] split(String regex)方法。
示例:
说明:
按叠词完成切割:为了让规则被重用,可将规则封装成一个组,用()完成。组的出现都有编号,从1开始。想要使用已有的组可通过\n(n就是组的编号)的形式来获取。
对于组中所匹配的字符,可以用$n来获取。$在正则中表示行的结尾,所以出现在正则中不能用来表示组,一般用于替换中。如下面功能中。
4、获取:将字符串中的符合规则的子串取出。
操作步骤:
1)将正则表达式封装成对象。
2)让正则对象和要操作的字符串相关联。
3)关联后,获取正则匹配器。
4)通过匹配器对符合规则的子串进行操作,比如取出。
示例:
四、练习
四种功能的选择(思路方式):
1)如果只想知道该字符是对是错,使用匹配。
2)想要将已有的字符串变成另一个字符串,替换。
3)想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
4)想要拿到符合需求的字符串子串,获取。获取符合规则的子串。
练习1
练习2
练习3
练习4
一、概述
1、 概念:符合一定规则的表达式。
2、 作用:用于专门操作字符串。
3、 特点:用于一些特定的符号来表示一些代码操作,这样可以简化书写。所以学习正则表达式,就是在学习一些特殊符号的使用。
4、 好处:可以简化对字符串的复杂操作。
5、 弊端:符合定义越多,正则越长,阅读性越差。
二、常见符号
说明:X表示字符X或者匹配的规则。
1、字符
x 字符 x
\\ 反斜线字符
\t 制表符 ('\u0009')
\n 新行(换行)符 ('\u000A')
\r 回车符 ('\u000D')
\f 换页符 ('\u000C')
\a 报警 (bell) 符 ('\u0007')
2、字符类
[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)
3、预定义字符类
. 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]
4、边界匹配器
^ 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
5、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} X,至少 n次,但是不超过 m 次
6、组和捕获
捕获组可以通过从左到右计算其开括号来编号。例如,在表达式 ((A)(B(C)))中,存在四个这样的组:
1 ((A)(B(C)))
2 \A
3 (B(C))
4 (C)
组零始终代表整个表达式。在替换中常用$匹配组的内容。
三、正则表达式具体功能
主要有四种具体功能:匹配matches、切割split、替换replaceAll和获取find
1、匹配:String类中的boolean matches(String regex)方法。用规则匹配整个字符串,只要有一处不符合规则,就匹配结束,返回false。
示例:
class MatchesDemo
{
/*
对QQ号码进行校验
要求:5~15 0不能开头,只能是数字
*/
//方式一,不用正则表达式
public static void qqCheck_1(String qq)
{
if (!qq.startsWith("0"))
{
if (qq.length()>=5&&qq.length()<=15)
{
try
{
long l=Long.parseLong(qq);//利用封装基本数据类型出现非数字报异常的特点
System.out.println(qq);
}
catch (NumberFormatException e)
{
System.out.println("包含非法字符!");
}
}
else
System.out.println("你输入的长度非法!");
}
else
System.out.println("没有0开头的号码,请重输!");
}
//方式二,用正则来实现
public static void qqCheck_2(String qq)
{
String regex="[1-9]\\d{4,14}";
if (qq.matches(regex))//用String类中matches方法来匹配
{
System.out.println(qq);
}
else
System.out.println(qq+":是非法的号码!");
}
/*
匹配
手机号段只有 13xxx 15xxx 18xxxx
*/
public static void phoneCheck(String phone)
{
String regex="1[358]\\d{9}";
if (phone.matches(regex))
{
System.out.println(phone+":::is ok..");
}
else
System.out.println("手机号码输入有误!");
}
public static void main(String[] args)
{
String qq="125696";
qqCheck_1(qq);//不用正则的方式
qqCheck_2(qq);//用正则的方式
String phone="13345678910";
phoneCheck(phone);//匹配手机号码是否正确
}
}
2、切割:String类中的String[] split(String regex)方法。
示例:
class SplitDemo
{
public static void main(String[] args)
{
String regex1="\\.";//按 .切
String regex2=" +";//按空格切,可能有一个空格或者多个空格
String regex3="(.)\\1+";//按照出现两次或者以上的叠词切
String[] arr="192.168.1.62".split(regex1);//按 . 切
print(arr);
arr ="wo shi shui 545 21 3".split(regex2);//按空格切
print(arr);
arr="erkktyqqquizzzzzo".split(regex3);//按叠词切
print(arr);
}
//遍历
public static void print(String[] arr)
{
for (String s : arr)
{
System.out.println(s);
}
}
}
说明:
按叠词完成切割:为了让规则被重用,可将规则封装成一个组,用()完成。组的出现都有编号,从1开始。想要使用已有的组可通过\n(n就是组的编号)的形式来获取。
对于组中所匹配的字符,可以用$n来获取。$在正则中表示行的结尾,所以出现在正则中不能用来表示组,一般用于替换中。如下面功能中。
//3、替换: String replaceAll(String regex,String replacement)方法。
class ReplaceDemo
{
public static void main(String[] args)
{
String regex1="\\d{5,}";//将字符串中数字替换成#
String regex2="(.)\\1+";//将叠词替换为一个
String s1="erej569831217woshi2659810wosxs12356f";
s1=s1.replaceAll(regex1, "#");//将字符串中的数字替换成#
String s2="erkktyqqquizzzzzo";
s2=s2.replaceAll(regex2, "$1");//将叠词替换为一个,其中$1表示符合组中一个字符
System.out.println("s1:"+s1);
System.out.println("s2:"+s2);
}
}
4、获取:将字符串中的符合规则的子串取出。
操作步骤:
1)将正则表达式封装成对象。
2)让正则对象和要操作的字符串相关联。
3)关联后,获取正则匹配器。
4)通过匹配器对符合规则的子串进行操作,比如取出。
示例:
import java .util.regex.*;
class PatternDemo
{
public static void main(String[] args)
{
String s= "ming tian jiu yao fang jia le ,da jia。";
String regex="\\b[a-z]{4}\\b";
get(s,regex);
}
public static void get(String s,String regex)
{
//将规则封装成对象。
Pattern p=Pattern.compile(regex);
//让正则对象和要作用的字符串相关联。获取匹配器对象。
Matcher m=p.matcher(s);
//System.out.println(m.matches());
//其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。
//只不过被String的方法封装后,用起来较为简单。但是功能却单一。
while(m.find())//find()方法是将规则作用到字符串上,并进行符合规则的子串查找。
{
System.out.println(m.group());//group()方法用于获取匹配后结果。
System.out.println(m.start()+"...."+m.end());
//start()和end()分别表示匹配字符的开始和结尾的索引
}
}
}
四、练习
四种功能的选择(思路方式):
1)如果只想知道该字符是对是错,使用匹配。
2)想要将已有的字符串变成另一个字符串,替换。
3)想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
4)想要拿到符合需求的字符串子串,获取。获取符合规则的子串。
练习1
/*
练习:
需求:将下列字符串转成:我要学编程
"我我...我..我要...要...要要....学学....学学学......编编编...程...程程...."
思路:
将已有字符串变成另一个字符串。使用替换功能。
1、可以先将 . 去掉。
2、再将多个重复的内容变成单个内容。
*/
class ReplaceTest
{
public static void main(String[] args)
{
String s="我我...我..我要...要...要要....学学....学学学......编编编...程...程程....";
System.out.println(s);
String regex="\\.+";//先将 . 去掉
s=s.replaceAll(regex,"");//去掉 .
System.out.println(s);
regex="(.)\\1+";//将重复的内容变成单个内容
s=s.replaceAll(regex,"$1");//去重
System.out.println(s);
}
}
练习2
/*
需求:
将ip地址进行地址段顺序的排序。
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301
思路:
还按照字符串自然顺序,只要让他们每一段都是3位即可。
1、按照每一段需要的最多的0进行补齐,那么每一段就会至少保证有3位。
2、将每一段只保留3位。这样,所有的ip地址都是每一段3位。
*/
import java.util.*;
class IPSortTest
{
public static void main(String[] args)
{
String ip="192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.301";
System.out.println(ip);
String regex="(\\d+)";
ip=ip.replaceAll(regex,"00$1");//保证每段至少都有三位-------------
System.out.println(ip);
regex="0*(\\d{3})";
ip=ip.replaceAll(regex,"$1");//每段只保留三位
System.out.println(ip);
regex=" ";
String[] arr=ip.split(regex);//按照空格切
//定义一个TreeSet集合,利用元素自然排序
TreeSet<String > ts=new TreeSet<String>();
for (String str : arr )
{
ts.add(str);//添加
}
regex="0*(\\d+)";//把每段前面多余的0替换掉
for (String s : ts)
{
System.out.println(s.replaceAll(regex,"$1"));//把每段前面多余的0替换掉
}
}
}
练习3
//需求:对邮件地址进行校验。
class CheckMail
{
public static void main(String[] args)
{
String mail="123a809bc@sina.com.cn";
String regex="\\w+@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,3}";//较为精确
regex="\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。
boolean b=mail.matches(regex);
System.out.println(b);
}
}
练习4
/*
网络爬虫(蜘蛛)
实际上是一个功能,用于搜集网络上的指定信息
需求:可用于收集邮箱,qq号等之类的信息。
应用:如通过关键字搜索blog,实际就是使用的“蜘蛛”,通过查找关键字获取相关的blog
*/
import java.net.*;
import java.util.regex.*;
import java.io.*;
class Spider
{
public static void main(String[] args)throws Exception
{
//getFileMail();
getWebMail();
}
//获取网页中mail
public static void getWebMail()throws Exception
{
//封装网页地址
URL url=new URL("http://tieba.baidu.com/p/1390896758");
//连接服务器
URLConnection conn=url.openConnection();
//带缓冲区的网页读取流
BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String line=null;
//定义匹配邮件地址的正则表达式
String regex="\\w+@\\w+(\\.\\w+)+";
Pattern p=Pattern.compile(regex);//封装正则表达式
//读取网页数据
while ((line=br.readLine())!=null)
{
//正则关联数据
Matcher m=p.matcher(line);
//寻找匹配邮箱
while (m.find())
{
System.out.println(m.group());//输出匹配邮箱
}
}
}
//获取指定文档中的邮件地址。使用获取功能。Pattern Matcher
public static void getFileMail()throws Exception
{
//将文件封装成对象
File file=new File("E:\\Java Study\\Practice\\day25\\mail.txt");
//创建带缓冲区的读取流
BufferedReader br=new BufferedReader(new FileReader(file));
String line=null;
//定义正则表达式
String regex="\\w+@[a-zA-Z]+(\\.[a-zA-z]+)+";
//创建Pattern对象,封装正则表达式
Pattern p=Pattern.compile(regex);
//读取文件中数据
while ((line=br.readLine())!=null)
{
//关流字符串
Matcher m=p.matcher(line);
while (m.find())//寻找匹配的字符串
{
System.out.println(m.group());//输出匹配的字符串
}
}
}
}