Java中利用正则表达式爬虫（带条件的爬取、贪婪爬取、非贪婪爬取）

我们上次讲到，正则表达式有两个作用，一是进行字符串校验，二是爬取文本

今天，我们来讲利用正则表达式爬取文本

String str = "Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，" +
                "因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";


Pattern:表示正则表达式

//获取Pattern对象
Pattern p=Pattern.compile("Java\\d{0,2}");



Matcher:文本匹配器，作用是按照正则表达式的规则去读取字符串，从头开始读取，从大串中找符合匹配规则的子串

//获取匹配器对象
Matcher m=p.matcher(str);            //匹配器对象m要在str中找复合p规则的小串



boolean b=m.find();                  //拿着匹配器对象从头开始读取，寻找是否有满足规则的子串
                                     //如果没有，方法返回false
                                     //如果有，返回true，在底层记录子串的起始索引和结束索引+1
                                     //0,4


String s1=m.group();                 //方法底层会根据find方法记录的索引进行字符串的截取
                                     //类似subString(起始索引，结束索引)；包头不包尾
                                     //group方法会将截取的小串进行返回


//此时我们可以使用循环进行爬取文本
while (m.find()) {
            String r = m.group();
            System.out.println(r);
        }

 

有如下文本，按要求爬取数据。

Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，因为这两个是长期支持版本，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台

需求1:爬取版本号为8，11.17的Java文本，但是只要Java，不显示版本号。

需求2:爬取版本号为8，11，17的Java文本。正确爬取结果为:Java8 Java11 Java17 Java17

需求3:爬取除了版本号为8，11.17的Java文本，

需求一：

 

需求二：

需求三： 

 

 贪婪爬取：（在爬取数据的时候尽可能的多获取数据）

非贪婪爬取：