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,这样就可以简化代码书写。
4、好处:可简化对字符串的基本操作。
5、弊端:符号定义越多,正则越长,阅读性越差。
二、常用符号:
说明:X表示字符X或者匹配的规则。
一)字符
构造 匹配
\\ 反斜线字符
\t 制表符
\n 回车符
\f 换页符
二)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货A到Z
[a-d[m-p]] a到d或m-p:[a-dm-p](并集)
三)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:[^ \t\n\x0B\f\r]
\w 单词字符:[a-zA-Z_0-9]
\W 非单词字符:[^\w]
四)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
五)Greedy数词量---->匹配整个字符串
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,但不超过m次
六)组和捕获
捕获组可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:
组零始终代表整个表达式
1 ((A)(B(C))) 2 \A 3 (B(C)) 4 (C)
在替换中常用$匹配组的内容,下面将会介绍到
三、正则表达式具体功能
主要有四种具体功能:匹配、切割、替换和获取
1、匹配:String matches方法。
用规则匹配整个字符串,只要有一处不符合,就匹配结束,返回false
/*
对QQ号码进行校验
要求:5~15 0不能开头,只能是数字
这种方式,使用了String类中的方法,进行组合完成了需求。但是代码过于复杂。
*/
//非正则方式:
public static void checkQQ_1()
{
String qq = "1882345a0";
int len = qq.length();
if(len>=5 && len<=15)
{
if(!qq.startsWith("0"))//Integer.parseInt("12a");NumberFormatException
{
try
{
long l = Long.parseLong(qq);
System.out.println("qq:"+l);
}
catch (NumberFormatException e)
{
System.out.println("出现非法字符.......");
}
else
{
System.out.println("不可以0开头");
}
}
}
else
{
System.out.println("长度错误");
}
}
//正则写法
public static void checkQQ()
{
String qq = "123a454";
String regex = "[1-9]\\d{4,14}";//首位1-9,后面为数字,且为4到14位
boolean flag = qq.matches(regex);
if(flag)
System.out.println(qq+"...is ok");
else
System.out.println(qq+"... 不合法");
}
/*
匹配
手机号段只有 13xxx 15xxx 18xxxx
*/
public static void checkTel()
{
String tel = "16900001111";
String telReg = "1[358]\\d{9}";//首位为1,第二位为3、5、8,其余为数字,且为9位。
System.out.println(tel.matches(telReg));
}
2、切割:String split()
public static void main(String[] args) {
String str1 = "zhangsan lisi wangwu zhaoliu";
String str2 = "zhangsan.lisi.wangwu.zhaoliu";
System.out.println("str1的结果:");
splitDemo(str1, " +|\\.");
System.out.println("str2的结果:");
splitDemo(str2, " +|\\.");
String strsp = "erkktyqqquizzzzzo"; //按照叠词完成切割。为了可以让规则的结果被重用
//可以将规则封装成一个组。用()完成。组的出现都有编号。
//从1开始。 想要使用已有的组可以通过 \n(n就是组的编号)的形式来获取。
System.out.println("按叠词切:");
splitDemo(strsp, "(.)\\1+");
}
public static void splitDemo(String str, String reg){
String[] arr = str.split(reg);
System.out.println("长度为:" + arr.length);
for(String s : arr){
System.out.println(s);
}
}
3、替换:
public static void main(String[] args)
{
String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数组替换成#。
replaceAllDemo(str,"\\d{5,}","#")
String str1 = "erkktyqqquizzzzzo";//将叠词替换成$. //将重叠的字符替换成单个字母。zzzz->z
replaceAllDemo(str1,"(.)\\1+","$1");
}
public static void replaceAllDemo(String str,String reg,String newStr)
{
str = str.replaceAll(reg,newStr);
System.out.println(str);
}
4.获取:
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,获取正则匹配引擎。
4、通过引擎对符合规则的子串进行操作,比如取出。
import java.util.regex.*;
class RegexDemo2
{
public static void main(String[] args)
{
getDemo();
}
public static void getDemo()
{
String str = "ming tian jiu yao fang jia le ,da jia。";
System.out.println(str);
String reg = "\\b[a-z]{4}\\b";
//将规则封装成对象。
Pattern p = Pattern.compile(reg);
//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(str);
//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。
boolean b = m.find();//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(b);
System.out.println(m.group());//用于获取匹配后结果。
//System.out.println("matches:"+m.matches());
while(m.find())
{
System.out.println(m.group());
System.out.println(m.start()+"...."+m.end());
}
}
}
四、示例
四种功能的选择:
思路方式:
1、如果只想知道该字符是否对是错,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。
1、替换字符串
public static void replaceStr()
{
String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";
str = str.replaceAll("\\.+", ""); //先将 . 去掉。
System.out.println(str);
str = str.replaceAll("(.)\\1+", "$1"); //再将多个重复的内容变成单个内容。
System.out.println(str);
}
2、ip地址的排序
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
将ip地址进行地址段顺序的排序。
还按照字符串自然顺序,只要让它们每一段都是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。
public static void ipSort()
{
String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
ip = ip.replaceAll("(\\d+)","00$1");//先将所有号段数字前补两个0.
System.out.println(ip);
ip = ip.replaceAll("0*(\\d{3})","$1");//保留三位,将多余的0去掉。
System.out.println(ip);
String[] arr = ip.split(" ");
TreeSet<String> ts = new TreeSet<String>();
for(String s : arr)
{
ts.add(s);
}
for(String s : ts)
{
System.out.println(s.replaceAll("0*(\\d+)","$1"));//将开头的0去掉。
}
}
3、对邮箱地址进行校验
public static void checkMail();
{
String mail = "abc12@sina.com";
//mail = "1@1.1";
String reg = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配。
reg = "\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。
//mail.indexOf("@")!=-1;常用
System.out.println(mail.matches(reg));
}
4、网页爬虫(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
示例:
import java.io.*;
import java.util.regex.*;
import java.net.*;
import java.util.*;
class RegexTest2
{
public static void main(String[] args) throws Exception
{
getMails_1();
}
public static void getMails_1()throws Exception
{
URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");
URLConnection conn = url.openConnection();
BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String line = null;
String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);
while((line=bufIn.readLine())!=null)
{
Matcher m = p.matcher(line);
while(m.find())
{
System.out.println(m.group());
}
}
}
/*
获取指定文档中的邮件地址。
使用获取功能。Pattern Matcher
*/
public static void getMails()throws Exception
{
BufferedReader bufr =
new BufferedReader(new FileReader("mail.txt"));
String line = null;
String mailreg = "\\w+@\\w+(\\.\\w+)+";
Pattern p = Pattern.compile(mailreg);
while((line=bufr.readLine())!=null)
{
Matcher m = p.matcher(line);
while(m.find())
{
System.out.println(m.group());
}
}
}
}