Java体系下的正则表达式

1. 转义字符

2. 常用字符集

注意区分大小写，大写是相反的意思。

3. 自定义字符集合

[ ]方括号匹配方式，能够匹配方括号中任意一个字符。

正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，除了^,-之外。
标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合将包含该集合。比如：

[\d.\-+]将匹配：数字、小数点、+、-

4. 量词（Quantifier）

• 匹配次数中的贪婪模式(匹配字符越多越好，默认！)
• 匹配次数中的非贪婪模式（匹配字符越少越好，修饰匹配次数的特殊符号后再加上一个 “?” 号）

5. 字符边界

• 本组标记匹配的不是字符而是位置，符合某种条件的位置。
• \b匹配这样一个位置：前面的字符和后面的字符不全是\w。

6. 匹配模式

• IGNORECASE 忽略大小写模式
  • 匹配时忽略大小写。
  • 默认情况下，正则表达式是要区分大小写的。
• SINGLELINE 单行模式
  • 整个文本看作一个字符串，只有一个开头，一个结尾。
  • 使小数点 “.” 可以匹配包含换行符（\n）在内的任意字符。
• MULTILINE 多行模式
  • 每行都是一个字符串，都有开头和结尾。
  • 在指定了 MULTILINE 之后，如果需要仅匹配字符串开始和结束位置，可以使用\A 和 \Z

7. 选择符和分组

• 反向引用（\nnn）
  • 通过反向引用，可以对分组已捕获的字符串进行引用。
  • 每一对()会分配一个编号，使用 () 的捕获根据左括号的顺序从 1 开始自动编号。只要看到（ 就开始编号。所以

(    (    )    (    )    )   (    )
\1   \2        \3            \4

8. 零宽断言（预搜索/环视）

• 只进行子表达式的匹配，匹配内容不计入最终的匹配结果，是零宽度 。
• 这个位置应该符合某个条件。判断当前位置的前后字符，是否符合指定的条件，但不匹配前后的字符。是对位置的匹配。
• 正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度（位置），是针对匹配的内容是否保存到最终的匹配结果中而言的。

首先“零宽断言”中的零宽指位置。其次“断言”指判断是否匹配上，且用于判断的表达式捕获到的内容不计入最终匹配结果。

\w+(?=ing)
|    |------------|
|                 |
\w+              (?=ing)
匹配一个单词      在\w+的后边判断是否是“ ing ”（其后必须是ing才算匹配上），而且匹配表达式捕获到的字符串 “ ing ” 不会计入最终的匹配结果。

匹配结果如下（RegexBuddy的输出。其中黄色和蓝色表示匹配到的最终结果。使用两个颜色产生间隔的视觉效果，容易分辨。）

9. 常见的正则

10. 在Java中使用正则表达式

• 相关类位于：java.util.regex包下面
• 类 Pattern：
  • 正则表达式的编译表示形式。
  • Pattern p = Pattern.compile(r,int); //建立正则表达式，并启用相应模式
• 类 Matcher：
  • 通过解释 Pattern 对 character sequence 执行匹配操作的引擎
  • Matcher m = p.matcher(str); //匹配str字符串

基本用法

//表达式对象
Pattern p = Pattern.compile("\\w+");
//创建Matcher对象
Matcher m = p.matcher("asfsdf2&&3323");
boolean yesOrNo = m.matches();	//尝试将整个字符序列与该模式匹配
System.out.println(yesOrNo);

boolean yesOrNo2 = m.find(); //该方法扫描输入的字符序列，查找与该模式匹配的下一个子序列
System.out.println(m.group()); //返回找到的子序列内容

while(m.find()){
	//group()和group(0)都表示匹配整个表达式的子字符串
	System.out.println(m.group());	
	System.out.println(m.group(0));
}

分组的处理

//表达式对象
Pattern p = Pattern.compile("([a-z]+)([0-9]+)");
//创建Matcher对象
Matcher m = p.matcher("aa232**ssd445*sds223");

while(m.find()){
	System.out.println(m.group());
	System.out.println(m.group(1)); //表示获取分组1捕获的内容
	System.out.println(m.group(2)); //表示获取分组2捕获的内容
}

正则表达式对象的替换操作

//表达式对象
Pattern p = Pattern.compile("[0-9]");
//创建Matcher对象
Matcher m = p.matcher("aa232**ssd445*sds223");
//替换
String newStr = m.replaceAll("#");
System.out.println(newStr);

正则表达式对象的分割字符串的操作

String str = "a232b4334c3434";
String[] arrs = str.split("\\d+");
System.out.println(Arrays.toString(arrs))

11. 网络爬虫使用正则的小例子

public class WebSpiderTest {
	
	/**
	 * 获得urlStr对应的网页的源码内容
	 * @param urlStr
	 * @return
	 */
	public static String  getURLContent(String urlStr,String charset){
		StringBuilder sb = new StringBuilder();
		try {
			URL url = new URL(urlStr);
			BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(),Charset.forName(charset)));
			String temp = "";
			while((temp=reader.readLine())!=null){
				sb.append(temp);
			}
		} catch (MalformedURLException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return sb.toString();
	}
	
	
	public static List<String> getMatherSubstrs(String destStr,String regexStr){
		Pattern p = Pattern.compile(regexStr);		//取到的超链接的地址
		Matcher m = p.matcher(destStr);
		List<String> result = new ArrayList<String>();
		while(m.find()){
			result.add(m.group(1));
		}	
		return result;
	}
	
	
	public static void main(String[] args) {
		String destStr = getURLContent("http://www.163.com","gbk");
		
//		Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");		//取到的超链接的整个内容
		List<String> result = getMatherSubstrs(destStr, "href=\"([\\w\\s./:]+?)\"");
		
		for (String temp : result) {
			System.out.println(temp);
		}
		
	}
}