(JAVA) 常用API-正则表达式,爬虫，分组

正则表达式

能够用来校验字符串是否满足一定的规则

举个例子

//6-20位之间，0不能开头，必须全是数字
String qq="12345678"
qq.matches("[1-9]\\d{5，19}")//返回结果为布尔类型

（？！）x可以忽略x的大小写

也可以自动生成正则表达式

爬虫

java.until.regex.Patern:表示正则表达式

java.until.regex.Matcher：文本匹配器，按照正则表达式的规则去读取字符串，大串中找符合规则的字串

String str="abcdefgh"//要查找的对象
Patern p=Pattern.complie("正则表达式规则")//获取正则表达式对象
Matcher m=p.macher(str);//获取文本匹配器的对象在str中找符合p规则的字串
m.find();//重头开始读取，如果无，返回false，有返回ture,同时在底层记录其实地址和结束地址+1；
String s1= m.group();//截取字串
//因此可以写成循环来读取串中所有符合的对象
while(m.find)
{
String s1= m.group();
print(s1);
}

带条件爬取

"((?i)Java)(?=8|11)"

爬取的带数字8|11的java，只输出java

"((?i)Java)(?:8|11)"

爬取的带数字8|11的java，只输出java+数字

"((?i)Java)(?!8|11)"

爬取的不带数字8|11的java

abbbbbbbaaa;

ab+

贪婪爬取：在爬取尽可能多获得数据

abbbbbb

ab+?

非贪婪爬取：尽可能少获取数据

ab

正则表达式在字符串

public String replaceAll(String regex,String newStr)

将符合规则的字符用newStr替代

public String split(String regex)

按照正则表达式规则切割字符串

分组

分组就是小括号，每一组有组号，以左括号划分组号，依次递增

例如上图中圈起来的括号中的\\d+是第二组

捕捉分组

把一组数据分组捕捉起来，再用一次

内部使用：\\组号 

表示把第x组的内容再用一次

示例1：判断字符开始部分和结束部分是否一致？

String regex1="(.).+//1";
System.out.println("a123a".matches(regex1));//true

示例2：判断字符开始部分和结束部分是否一致？开始部分内部每个字符也要一致

Srring regex2="((.)\\2).+\\1";
System.out.println("aaa123aaa".matches(regex2))//true

外部使用：$

示例

str="abcdddd";
System,out.println(str.replaceAll("(.)\\1+","$1"));//abcd

非捕获分组

分组后不需要再用本组数据，仅仅是将数据括起来,不占用组号