一、正则表达式
- 正则表达式:符合一定规则的表达式
- 作用:用于专门操作字符串
- 特点:用于一些特定的符号来表示一些代码操作。这样就简化书写
- 好处:可以简化对字符串的复杂操作
- 弊端:符号定义越多,正则越长,阅读性越差
二、具体操作:匹配
String 的 matches 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
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) |
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] |
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 |
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 |
/**
*需求:验证手机号码
*/
public class RegexDemo
{
public static void main(String[] args)
{
String tel = "13568556963";
checkTel(tel);
}
private static void checkTel(String tel)
{
String regex = "1[358]\\d{9}";
System.out.println(tel.matches(regex));
}
}
三、切割
- String的split方法
- 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。
- 之所以这样命名捕获组是因为在匹配中,保存了与这些组匹配的输入序列的每个子序列。
- 捕获的子序列稍后可以通过 Back 引用在表达式中使用,也可以在匹配操作完成后从匹配器获取。
public class RegexTest {
public static void main(String[] args)
{
String res1 = "ni hao ma wo hen hao";
split1(res1);
String res2 = "zhangsan.lisi.wangwu";
split2(res2);
String res3 = "c:\\java\\code\\a.txt";
split3(res3);
String res4 = "zhangsanqqlisimmmwangwu....zhaoliu";
split4(res4);
}
//按多个空格切
private static void split1(String res)
{
String reg = " +";
String[] arr = res.split(reg);
print(arr);
}
//按点来切
private static void split2(String res)
{
String reg = "\\.";
String[] arr = res.split(reg);
print(arr);
}
//按双斜线 \\ 来切
private static void split3(String res)
{
String reg = "\\\\";
String[] arr = res.split(reg);
print(arr);
}
//按照叠词来切,要用到组
private static void split4(String res)
{
String reg = "(.)\\1+";
String[] arr = res.split(reg);
print(arr);
}
//打印字符串
private static void print(String[] arr) {
System.out.print("<");
for(int x=0;x<arr.length-1;x++)
{
System.out.print(arr[x]+",");
}
System.out.println(arr[arr.length-1]+">");
}
}
四、替换
String的replaceAll(String regex,String replacement)方法
public class RegexTest {
public static void main(String[] args)
{
String res1 = "zhangsan42lisi16357464wangwu1351";
replaceAll1(res1);
String res2 = "zhangsanqqqisi1bbbbbwangwu<<<<<<";
replaceAll2(res2);
}
//将字符串中5个以上的数字替换成#
private static void replaceAll1(String res) {
String reg = "\\d{5,}";
String dest = res.replaceAll(reg, "#");
System.out.println(dest);
}
//将多个相同的字符替换成一个字符
private static void replaceAll2(String res) {
String reg = "(.)\\1+";
String dest = res.replaceAll(reg, "$1");
System.out.println(dest);
}
}
五、获取
- 将字符串中的符合规则的子串取出
- 操作步骤:
- 将正则表达式封装成对象
- 让正则对象和要操作的字符串相关联
- 关联后,获取正则匹配引擎
- 通过引擎对符合规则的子串进行操作,比如取出
- 软件包 java.util.regex
- 用于匹配字符序列与正则表达式指定模式的类。
- 只有一个接口一个异常和 两个类:Matcher类和Pattern类
/**
*Pattern
*正则表达式的编译表示形式。
*指定为字符串的正则表达式必须首先被编译为此类的实例。
*然后,可将得到的模式用于创建 Matcher 对象,
*依照正则表达式,该对象可以与任意字符序列匹配。
*执行匹配所涉及的所有状态都驻留在匹配器中,所以多个匹配器可以共享同一模式
*/
public final class Pattern implements Serializable
{
//没有构造方法
//将给定的正则表达式编译到模式中
public static Pattern compile(String regex){}
//将给定的正则表达式编译到具有给定标志的模式中
public static Pattern compile(String regex,
int flags){}
//返回此模式的匹配标志
public int flags(){}
//创建匹配给定输入与此模式的匹配器
public Matcher matcher(CharSequence input){}
//返回在其中编译过此模式的正则表达式和toString方法一样
public String pattern(){}
//编译给定正则表达式并尝试将给定输入与其匹配
public static boolean matches(String regex,
CharSequence input){}
//围绕此模式的匹配拆分给定输入序列
public String[] split(CharSequence input){}
}
/**
*Matcher
*通过解释 Pattern 对 character sequence 执行匹配操作的引擎。
*通过调用模式的 matcher 方法从模式创建匹配器。
*创建匹配器后,可以使用它执行三种不同的匹配操作:
*matches 方法尝试将整个输入序列与该模式匹配。
*lookingAt 尝试将输入序列从头开始与该模式匹配。
*find 方法扫描输入序列以查找与该模式匹配的下一个子序列。
*每个方法都返回一个表示成功或失败的布尔值。通过查询匹配器的状态可以获取关于成功匹配的更多信息
*/
public final class Matcher implements MatchResult
{
//没有构造方法
//返回最后匹配字符之后的偏移量
public int end(){}
/**
*尝试查找与该模式匹配的输入序列的下一个子序列。
*此方法从匹配器区域的开头开始,
*如果该方法的前一次调用成功了并且从那时开始匹配器没有被重置,则从以前匹配操作没有匹配的第一个字符开始。
*如果匹配成功,则可以通过 start、end 和 group 方法获取更多信息。
*/
public boolean find(){}
//重置此匹配器,然后尝试查找匹配该模式、从指定索引开始的输入序列的下一个子序列
public boolean find(int start){}
//返回由以前匹配操作所匹配的输入子序列。
//对于具有输入序列 s 的匹配器 m,表达式 m.group() 和 s.substring(m.start(), m.end()) 是等效的
public String group(){}
//尝试将整个区域与模式匹配。
public boolean matches(){}
//返回以前匹配的初始索引
public int start(){}
//替换模式与给定替换字符串相匹配的输入序列的每个子序列。
public String replaceAll(String replacement){}
//替换模式与给定替换字符串匹配的输入序列的第一个子序列
public String replaceFirst(String replacement){}
}
六、示例
import java.util.regex.*;
class RegexDemo
{
public static void main(String[] args)
{
getDemo();
}
private static void getDemo()
{
String str = "ming tian jiu yao fang jia le haha ";
String regex = "[a-z]{3}";
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(str);
while(m.find())
{
System.out.println(m.group()+" *****");
}
}
}
//打印结果为:min tia jiu yao fan jia hah不是我们想要的结果
import java.util.regex.*;
class RegexDemo
{
public static void main(String[] args)
{
getDemo();
}
private static void getDemo()
{
String str = "ming tian jiu yao fang jia le haha ";
String regex = "\\b[a-z]{3}\\b";//加上单词边界
Pattern p = Pattern.compile(regex);
Matcher m = p.matcher(str);
while(m.find())
{
System.out.println(m.group()+" *****");
}
}
}
//打印结果为:jiu yao jia
import java.util.regex.*;
/**
*需求:将下列字符串转换成“我要学编程”
*String str = "我我...我我....我要....要要...要要..学学学....学学...编编编..编编....编程..程.程程...程...程";
*/
class RegexDemo
{
public static void main(String[] args)
{
String str = "我我...我我....我要....要要...要要..学学学....学学...编编编..编编....编程..程.程程...程...程";
str = str.replace(".","");
str = str.replaceAll("(.)\\1+","$1");
System.out.println(str);
}
}
import java.util.*;
/**
*需求:将ip地址进行地址段顺序的排序
*192.68.1.254 102.49.23.13 10.10.10.10 2.2.2.2 8.109.90.30
*
*/
class RegexDemo
{
public static void main(String[] args)
{
String ip = "192.68.1.254 102.49.23.13 10.10.10.10 2.2.2.4 2.2.2.3 8.109.90.30";
ip = ip.replaceAll("(\\d+)","00$1");
ip = ip.replaceAll("0*(\\d{3})","$1");
String[] arr = ip.split(" +");
Arrays.sort(arr);
for(String s : arr)
System.out.println(s.replaceAll("0*(\\d+)","$1"));
}
}
import java.util.*;
/**
*需求:对邮件地址进行校验
*/
class RegexDemo
{
public static void main(String[] args)
{
String email = "1354@qq.com";
//较为精确的匹配
String regex1 = "[a-zA-Z0-9_]+@[a-z0-9A-Z]+(\\.\\[a-zA-Z]+)+";
//相对不太精确的匹配
String regex2 = "\\w+@\\w+(\\.\\w+)+";
System.out.println(email.matches(regex2));
}
}
import java.util.*;
import java.io.*;
import java.net.*;
import java.util.regex.*;
/**
* 网页爬虫,采集网页中的jpg格式的图片
*/
class RegexDemo
{
public static void main(String[] args) throws Exception
{
getJpg();
}
private static void getJpg ()throws Exception
{
String name = "http://tieba.baidu.com/p/1806328838";
URL url = new URL(name);
URLConnection con = url.openConnection();
BufferedReader br =
new BufferedReader(new InputStreamReader(con.getInputStream(),"utf-8"));
PrintWriter pw = new PrintWriter(new FileWriter("e:/a.html"),true);
String line = null;
String regex = "<img .*http.+\\.jpg.+>";
Pattern p = Pattern.compile(regex);
Matcher m;
while((line=br.readLine())!=null)
{
m = p.matcher(line);
while(m.find())
{
pw.println(m.group());
}
}
System.out.println("采集成功");
pw.close();
br.close();
}
}