1:正则表达式(理解)
(1)就是符合一定规则的字符串, 好处:可以简化对字符串的复杂操作。弊端:符合定义越多,正则越长,阅读性越差。
(2)常见规则
A:字符
x 字符 x。举例:'a'表示字符a
\\ 反斜线字符。
\n 新行(换行)符 ('\u000A')
\r 回车符 ('\u000D')
B: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)
[0-9] 0到9的字符都包括
C:预定义字符类
. 任何字符。我的就是.字符本身,怎么表示呢? \.
\d 数字:[0-9]
\w 单词字符:[a-zA-Z_0-9]
在正则表达式里面组成单词的东西必须有这些东西组成
D:边界匹配器
^ 行的开头
$ 行的结尾
\b 单词边界
就是不是单词字符的地方。
举例:hello world?haha;xixi
E: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
(3)常见功能:(分别用的是谁呢?)
A:判断功能
String类的public boolean matches(String regex)
B:分割功能
String类的public String[] split(String regex)
C:替换功能
String类的public String replaceAll(String regex,String replacement)
D:获取功能
Pattern和Matcher
Pattern p = Pattern.compile("a*b");
Matcher m = p.matcher("aaaaab");
find():查找存不存在
group():获取刚才查找过的数据
(4)案例
A:判断电话号码和邮箱
B:ip地址排序
C:网络爬虫Spider
1,匹配 :matches
/*
* 主要有四种具体功能:匹配、切割、替换和获取
matches , split , replaceAll , Pattern
匹配:String类中的booleanmatches(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。
用String类中的matches方法来匹配
*
* A需求:校验QQ号码 和手机号
* */
public class MatchesDemo {
public static void main(String[] args) {
String qq = "12365";
qqCheck(qq);
String phone = "13878987654";
PhoneCheck(phone);
}
//校验QQ号码
public static void qqCheck(String qq)
{
String regex="[1-9]\\d{4,13}";//开头是1-9,第二位以后\d任何数字,X{n,m} X,至少 n次,但是不超过 m 次
if(qq.matches(regex))//用String类中的matches方法来匹配
{
System.out.println("QQ:"+qq);
}else{
System.out.println(qq+"是非法号码");
}
}
//匹配手机号码号段只有 13xxxx 15xxxx 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");
}
}
}
2,切割 Split
//切割:String 类中的 String[]split(String regex)方法
/*
. 任何字符(与行结束符可能匹配也可能不匹配)
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
*/
public 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+";//.是任何字符,封装成组按照出现两次或者两次以上的叠词切
String[] arr="192.168.0.1".split(regex1);
print(arr);
arr = "wo shi shui 58 0 1 55 3".split(regex2);
arr ="eq55rkkitppdsaqqq0zzfogff".split(regex3);
print(arr);
}
//遍历功能
public static void print(String[] arr)
{
for(String s :arr)
{
System.out.println(s);
}
}
}
3,替换 replaceAll
/*
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
替换:String replaceAll(String regex,String replacement)方法
*/
public class ReplaceDemo {
public static void main(String[] args) {
String s1 = "eqrewq55555wid666666eao88f15123fs999d";
String regex = "\\d{5,}";//将字符串中的数字{5个以上}替换成# ;X{n,} X,至少 n次
s1 = s1.replaceAll(regex, "#");
String s2 = "erkkyoqqdsafffdwqzzzzzo";//将叠词地换位一个,其中$1表示符合组中一个字符
String regex2 = "(.)\\1+";
s2 = s2.replaceAll(regex2, "$1");
System.out.println("s1:"+s1);
System.out.println("s2:"+s2);
}
}
4,获取: pattern
*
* 获取:将字符串中的符合规则的子串取出
*
* 简单一句话就是定义好规则,封装成Pattern对象,通过Matcher和要作用的字符串关联,获取匹配器
* 通过匹配器循环find查找,group获取匹配后的结果
* 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,获取正则匹配引擎
* 4,通过引擎对符合规则的子串进行操作,比如取出
* */
public 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";// \\b单词边界 , 匹配四个字符的子串
get(s,regex);
}
//定义一个获取匹配规则的功能 可重复调用,让正则对象和要操作的字符串相关联
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,用起来比较简单,但是功能单一
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的结果
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,包含头不包含尾
}
}
}
案例B:IP地址排序
/*
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:
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,name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;
需求2:对邮件地址进行校验。
*/
public class IPSortTest {
public static void main(String[] args) {
CheckMail();
IPSort();
}
//需求:对邮箱地址进行校验
public static void CheckMail(){
String mail = "qwewq@sina.con.cn";
String regex = "\\w+@[a-zA-Z0-9]+(\\.[z-zA-z]+){1,3}";//[a-zA-Z_0-9] 简写\w ;封装组1次到3次
// regex = "\\w@\\w+(\\.\\w)+";//相对不太精确的匹配
boolean b = mail.matches(regex);
System.out.println(b);
}
//校验IP地址
public static void IPSort()
{
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("原始ip=="+ip);
ip =ip.replaceAll("(\\d+)","00$1");// 保证每段至少都有三位
System.out.println("添加两个0=="+ip);
ip = ip.replaceAll("0*(\\d{3})", "$1"); //再替换一次,打头0没有或多次,数字出现3次,$1匹配第一组的内容,每段只保留三位
System.out.println("每段保留三位=="+ip);
String[] arr = ip.split(" ");//按照空格切
System.out.println("按空格切后的数组:"+Arrays.toString(arr));
//定义一个TreeSet集合,利用元素的自然排序
TreeSet<String> ts = new TreeSet<String>();
for(String str :arr)
{
ts.add(str);//添加进数组
}
//把每段前面多余的0替换掉
for(String s:ts)
{
String str= s.replaceAll("0*(\\d)", "$1");
System.out.println("结果:"+str);
}
}
}
案例C:网络爬虫获取匹配邮箱
/*
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
*/
public class Spider {
public static void main(String[] args) throws Exception {
//getWebMail();
getFileMail();
}
//获得网页中的mail
public static void getWebMail() throws Exception
{
//封装网页地址
URL url = new URL("http://tieba.baidu.com/p/1390896758?pn=2");
//连接服务器
URLConnection conn = url.openConnection();
//创建带缓冲区的网页读取流
BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
//定义匹配邮件地址的正则表达式,并封装
String regex = "\\w+@\\w+(\\.\\w+)+";//我们模糊搜索
Pattern p = Pattern.compile(regex);
//读取网页数据
String line = null;
while ((line=br.readLine())!=null)
{
//正则关联数据,获取匹配器对象
Matcher m = p.matcher(line);//每行读取到的内容都要去匹配,然后循环输出
//寻找匹配的邮箱
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
{
//将文件封装城对象
String path = Spider.class.getResource("mail.txt").getFile();//获取文件路径,如果在src根目录则需要加/
//System.out.println(path);// "src//cn//itcast//RegexTest//mail.txt" //实际执行的是bin目录下的
File file = new File(path);
//创建带缓冲区的读取流
BufferedReader br = new BufferedReader(new FileReader(file));
//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);
//读取文件中的数据
String line =null;
while((line=br.readLine())!=null)
{
//关联字符串
Matcher m = p.matcher(line);
//寻找匹配的字符串
while(m.find())
{
System.out.println(m.group());//获取匹配后的结果
}
}
}
}