正则表达式入门
众所周知,在程序开发中,难免会遇到需要匹配、查找、替换、判断字符串的情况发生,而这些情况有时又比较复杂,如果用纯编码方式解决,往往会浪费程序员的时间及精力。因此,学习及使用正则表达式,便成了解决这一矛盾的主要手段。
大 家都知道,正则表达式是一种可以用于模式匹配和替换的规范,一个正则表达式就是由普通的字符(例如字符a到z)以及特殊字符(元字符)组成的文字模式,它 用以描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
自从jdk1.4推出java.util.regex包,就为我们提供了很好的JAVA正则表达式应用平台。
因为正则表达式是一个很庞杂的体系,所以我仅例举些入门的概念,更多的请参阅相关书籍及自行摸索。
// 反斜杠
/t 间隔 ('/u0009')
/n 换行 ('/u000A')
/r 回车 ('/u000D')
/d 数字 等价于[0-9]
/D 非数字 等价于[^0-9]
/s 空白符号 [/t/n/x0B/f/r]
/S 非空白符号 [^/t/n/x0B/f/r]
/w 单独字符 [a-zA-Z_0-9]
/W 非单独字符 [^a-zA-Z_0-9]
/f 换页符
/e Escape
/b 一个单词的边界
/B 一个非单词的边界
/G 前一个匹配的结束
^为限制开头
^java 条件限制为以Java为开头字符
$为限制结尾
java$ 条件限制为以java为结尾字符
. 条件限制除/n以外任意一个单独字符
java.. 条件限制为java后除换行外任意两个字符
加入特定限制条件「[]」
[a-z] 条件限制在小写a to z范围中一个字符
[A-Z] 条件限制在大写A to Z范围中一个字符
[a-zA-Z] 条件限制在小写a to z或大写A to Z范围中一个字符
[0-9] 条件限制在小写0 to 9范围中一个字符
[0-9a-z] 条件限制在小写0 to 9或a to z范围中一个字符
[0-9[a-z]] 条件限制在小写0 to 9或a to z范围中一个字符(交集)
[]中加入^后加再次限制条件「[^]」
[^a-z] 条件限制在非小写a to z范围中一个字符
[^A-Z] 条件限制在非大写A to Z范围中一个字符
[^a-zA-Z] 条件限制在非小写a to z或大写A to Z范围中一个字符
[^0-9] 条件限制在非小写0 to 9范围中一个字符
[^0-9a-z] 条件限制在非小写0 to 9或a to z范围中一个字符
[^0-9[a-z]] 条件限制在非小写0 to 9或a to z范围中一个字符(交集)
在限制条件为特定字符出现0次以上时,可以使用「*」
J* 0个以上J
.* 0个以上任意字符
J.*D J与D之间0个以上任意字符
在限制条件为特定字符出现1次以上时,可以使用「+」
J+ 1个以上J
.+ 1个以上任意字符
J.+D J与D之间1个以上任意字符
在限制条件为特定字符出现有0或1次以上时,可以使用「?」
JA? J或者JA出现
限制为连续出现指定次数字符「{a}」
J{2} JJ
J{3} JJJ
文字a个以上,并且「{a,}」
J{3,} JJJ,JJJJ,JJJJJ,???(3次以上J并存)
文字个以上,b个以下「{a,b}」
J{3,5} JJJ或JJJJ或JJJJJ
两者取一「|」
J|A J或A
Java|Hello Java或Hello
「()」中规定一个组合类型
比如,我查询 <a href=/"index.html/">index </a>中 <a href> </a>间的数据,可写作 <a.*href=/".*/">(.+?) </a>
在使用Pattern.compile函数时,可以加入控制正则表达式的匹配行为的参数:
Pattern Pattern.compile(String regex, int flag)
flag的取值范围如下:
Pattern.CANON_EQ 当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下,才认定匹配。比如用了这个标志之后,表达式"a/u030A"会匹配"?"。默认情况下,不考虑"规 范相等性(canonical equivalence)"。
Pattern.CASE_INSENSITIVE(?i) 默认情况下,大小写不明感的匹配只适用于US-ASCII字符集。这个标志能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不明感的匹 配,只要将UNICODE_CASE与这个标志合起来就行了。
Pattern.COMMENTS(?x) 在这种模式下,匹配时会忽略(正则表达式里的)空格字符(译者注:不是指表达式里的"//s ",而是指表达式里的空格,tab,回车之类)。注释从#开始,一直到这行结束。可以通过嵌入式的标志来启用Unix行模式。
Pattern.DOTALL(?s) 在这种模式下,表达式'.'可以匹配任意字符,包括表示一行的结束符。默认情况下,表达式'.'不匹配行的结束符。
Pattern.MULTILINE
(?m) 在这种模式下,'^'和'$'分别匹配一行的开始和结束。此外,'^'仍然匹配字符串的开始,'$'也匹配字符串的结束。默认情况下,这两个表达式仅仅匹配字符串的开始和结束。
Pattern.UNICODE_CASE
(?u) 在这个模式下,如果你还启用了CASE_INSENSITIVE标志,那么它会对Unicode字符进行大小写不明感的匹配。默认情况下,大小写不敏感的匹配只适用于US-ASCII字符集。
Pattern.UNIX_LINES(?d) 在这个模式下,只有'/n'才被认作一行的中止,并且与'.','^',以及'$'进行匹配。
抛开空泛的概念,下面写出几个简单的Java正则用例:
◆比如,在字符串包含验证时
- //查找以Java开头,任意结尾的字符串
- Pattern pattern = Pattern.compile( "^Java.*" );
- Matcher matcher = pattern.matcher( "Java不是人" );
- boolean b= matcher.matches();
- //当条件满足时,将返回true,否则返回false
- System.out.println(b);
◆以多条件分割字符串时
- Pattern pattern = Pattern.compile( "[, |]+" );
- String[] strs = pattern.split( "Java Hello World Java,Hello,,World|Sun" );
- for ( int i= 0 ;i <strs.length;i++) {
- System.out.println(strs[i]);
- }
◆文字替换(首次出现字符)
- Pattern pattern = Pattern.compile( "正则表达式" );
- Matcher matcher = pattern.matcher( "正则表达式 Hello World,正则表达式 Hello World" );
- //替换第一个符合正则的数据
- System.out.println(matcher.replaceFirst( "Java" ));
◆文字替换(全部)
- Pattern pattern = Pattern.compile( "正则表达式" );
- Matcher matcher = pattern.matcher( "正则表达式 Hello World,正则表达式 Hello World" );
- //替换第一个符合正则的数据
- System.out.println(matcher.replaceAll( "Java" ));
◆文字替换(置换字符)
- Pattern pattern = Pattern.compile( "正则表达式" );
- Matcher matcher = pattern.matcher( "正则表达式 Hello World,正则表达式 Hello World " );
- StringBuffer sbr = new StringBuffer();
- while (matcher.find()) {
- matcher.appendReplacement(sbr, "Java" );
- }
- matcher.appendTail(sbr);
- System.out.println(sbr.toString());
◆验证是否为邮箱地址
- String str= "ceponline@yahoo.com.cn" ;
- Pattern pattern = Pattern.compile( "[//w//.//-]+@([//w//-]+//.)+[//w//-]+" ,Pattern.CASE_INSENSITIVE);
- Matcher matcher = pattern.matcher(str);
- System.out.println(matcher.matches());
◆去除html标记
- Pattern pattern = Pattern.compile( " <.+?>" , Pattern.DOTALL);
- Matcher matcher = pattern.matcher( " <a href=/"index.html/">主页 </a>" );
- String string = matcher.replaceAll( "" );
- System.out.println(string);
◆查找html中对应条件字符串
- Pattern pattern = Pattern.compile( "href=/"(.+?)/"" );
- Matcher matcher = pattern.matcher( " <a href=/"index.html/">主页 </a>" );
- if (matcher.find())
- System.out.println(matcher.group( 1 ));
- }
◆截取http://地址
- //截取url
- Pattern pattern = Pattern.compile( "(http://|https://){1}[//w//.//-/:]+" );
- Matcher matcher = pattern.matcher( "dsdsds <http://dsds//gfgffdfd>fdf" );
- StringBuffer buffer = new StringBuffer();
- while (matcher.find()){
- buffer.append(matcher.group());
- buffer.append( "/r/n" );
- System.out.println(buffer.toString());
- }
◆替换指定{}中文字
- String str = "Java目前的发展史是由{0}年-{1}年" ;
- String[][] object={ new String[]{ "//{0//}" , "1995" }, new String[]{ "//{1//}" , "2007" }};
- System.out.println(replace(str,object));
- public static String replace( final String sourceString,Object[] object) {
- String temp=sourceString;
- for ( int i= 0 ;i <object.length;i++){
- String[] result=(String[])object[i];
- Pattern pattern = Pattern.compile(result[ 0 ]);
- Matcher matcher = pattern.matcher(temp);
- temp=matcher.replaceAll(result[ 1 ]);
- }
- return temp;
- }
◆以正则条件查询指定目录下文件
- //用于缓存文件列表
- private ArrayList files = new ArrayList();
- //用于承载文件路径
- private String _path;
- //用于承载未合并的正则公式
- private String _regexp;
- class MyFileFilter implements FileFilter {
- /**
- * 匹配文件名称
- */
- public boolean accept(File file) {
- try {
- Pattern pattern = Pattern.compile(_regexp);
- Matcher match = pattern.matcher(file.getName());
- return match.matches();
- } catch (Exception e) {
- return true ;
- }
- }
- }
- /**
- * 解析输入流
- * @param inputs
- */
- FilesAnalyze (String path,String regexp){
- getFileName(path,regexp);
- }
- /**
- * 分析文件名并加入files
- * @param input
- */
- private void getFileName(String path,String regexp) {
- //目录
- _path=path;
- _regexp=regexp;
- File directory = new File(_path);
- File[] filesFile = directory.listFiles( new MyFileFilter());
- if (filesFile == null ) return ;
- for ( int j = 0 ; j < filesFile.length; j++) {
- files.add(filesFile[j]);
- }
- return ;
- }
- /**
- * 显示输出信息
- * @param out
- */
- public void print (PrintStream out) {
- Iterator elements = files.iterator();
- while (elements.hasNext()) {
- File file=(File) elements.next();
- out.println(file.getPath());
- }
- }
- public static void output(String path,String regexp) {
- FilesAnalyze fileGroup1 = new FilesAnalyze(path,regexp);
- fileGroup1.print(System.out);
- }
- public static void main (String[] args) {
- output( "C://"," [A-z|.]*");
- }
java常用正则表达式
只能输入数字:"^[0-9]*$"。
只能输入n位的数字:"^/d{n}$"。
只能输入至少n位的数字:"^/d{n,}$"。
只能输入m~n位的数字:。"^/d{m,n}$"
只能输入零和非零开头的数字:"^0|[1-9][0-9]*$"。
只能输入有两位小数的正实数:"^[0-9]+(/.[0-9]{2})?$"。
只能输入有1~3位小数的正实数:"^[0-9]+(/.[0-9]{1,3})?$"。
只能输入非零的正整数:"^/+?[1-9][0-9]*$"。
只能输入非零的负整数:"^/-[1-9][0-9]*$"。
只能输入长度为3的字符:"^.{3}$"。
只能输入由26个英文字母组成的字符串:"^[A-Za-z]+$"。
只能输入由26个大写英文字母组成的字符串:"^[A-Z]+$"。
只能输入由26个小写英文字母组成的字符串:"^[a-z]+$"。
只能输入由数字和26个英文字母组成的字符串:"^[A-Za-z0-9]+$"。
只能输入由数字、26个英文字母或者下划线组成的字符串:"^/w+$"。
验证用户密码:"^[a-zA-Z]/w{5,17}$"正确格式为:以字母开头,长度在6~18之间,只能包含字符、数字和下划线。
验证是否含有^%&',;=?$/"等字符:"[^%&',;=?$/x22]+"。
只能输入汉字:"^[/u4e00-/u9fa5]{0,}$"
验证Email地址:"^/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*$"。
验证InternetURL:"^http://([/w-]+/.)+[/w-]+(/[/w-./?%&=]*)?$"。
验证电话号码:"^(/(/d{3,4}-)|/d{3.4}-)?/d{7,8}$"正确格式为:"XXX-XXXXXXX"、"XXXX-XXXXXXXX"、"XXX-XXXXXXX"、"XXX-XXXXXXXX"、"XXXXXXX"和"XXXXXXXX"。
验证身份证号(15位或18位数字):"^/d{15}|/d{18}$"。
验证一年的12个月:"^(0?[1-9]|1[0-2])$"正确格式为:"01"~"09"和"1"~"12"。
验证一个月的31天:"^((0?[1-9])|((1|2)[0-9])|30|31)$"正确格式为;"01"~"09"和"1"~"31"。
匹配中文字符的正则表达式:
- String.prototype.len=function(){ return
- this .replace(/[^/x00-/xff]/g, "aa" ).length;}
匹配空行的正则表达式:/n[/s| ]*/r
匹配html标签的正则表达式: <(.*)>(.*) <//(.*)>| <(.*)//>
匹配首尾空格的正则表达式:(^/s*)|(/s*$)
应用:javascript中没有像vbscript那样的trim函数,我们就可以利用这个表达式来实现,如下:
- String.prototype.trim = function ()
- {
- return this .replace(/(^/s*)|(/s*$)/g, "" );
- }
利用正则表达式分解和转换IP地址:
下面是利用正则表达式匹配IP地址,并将IP地址转换成对应数值的Javascript程序:
- function IP2V(ip)
- {
- re=/(/d+)/.(/d+)/.(/d+)/.(/d+)/g //匹配IP地址的正则表达式
- if (re.test(ip))
- {
- return RegExp.$1*Math.pow(255,3))+RegExp.$2*Math.pow(255,2))+RegExp.$3*255+RegExp.$4*1
- }
- else
- {
- throw new Error( "Not a valid IP address!" )
- }
- }
不过上面的程序如果不用正则表达式,而直接用split函数来分解可能更简单,程序如下:
- var ip= "10.100.20.168"
- ip=ip.split( "." )
- alert( "IP值是:" +(ip[0]*255*255*255+ip[1]*255*255+ip[2]*255+ip[3]*1))
匹配Email地址的正则表达式:/w+([-+.]/w+)*@/w+([-.]/w+)*/./w+([-.]/w+)*
匹配网址URL的正则表达式:http://([/w-]+/.)+[/w-]+(/[/w - ./?%&=]*)?
正则表达式从URL地址中提取文件名的javascript程序,如下
结果为page1
s="http://www.9499.net/page1.htm "
s=s.replace(/(.*//){0,}([^/.]+).*/ig,"$2")
alert(s)
利用正则表达式限制网页表单里的文本框输入内容:
用正则表达式限制只能输入中文:οnkeyup="value=value.replace(/[^/u4E00-/u9FA5]/g,'')" text',clipboardData.getData('text').replace(/[^/u4E00-/u9FA5]/g,''))"
用正则表达式限制只能输入全角字符: ')" text',clipboardData.getData('text').replace(/[^/uFF00-/uFFFF]/g,''))"
用正则表达式限制只能输入数字:οnkeyup="value=value.replace(/[^/d]/g,'') "text',clipboardData.getData('text').replace(/[^/d]/g,''))"
用正则表达式限制只能输入数字和英文:οnkeyup="value=value.replace(/[/W]/g,'') "text',clipboardData.getData('text').replace(/[^/d]/g,''))"
- // 初步认识. * + ?
- // Reluctant 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
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( "a" .matches( "." )); // p()为打印函数,见最后
- p( "aa" .matches( "aa" ));
- p( "aaaa" .matches( "a*" ));
- p( "aaaa" .matches( "a+" ));
- p( "" .matches( "a*" ));
- p( "aaaa" .matches( "a?" ));
- p( "" .matches( "a?" ));
- p( "a" .matches( "a?" ));
- p( "214523145234532" .matches( "//d{3,100}" ));
- p( "192.168.0.aaa" .matches( "//d{1,3}//.//d{1,3}//.//d{1,3}//.//d{1,3}" ));
- p( "192" .matches( "[0-2][0-9][0-9]" ));
- // 上面//.就是表示.
- // 范围
- // 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)
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( "a" .matches( "[abc]" ));
- p( "a" .matches( "[^abc]" ));
- p( "A" .matches( "[a-zA-Z]" ));
- p( "A" .matches( "[a-z]|[A-Z]" ));
- p( "A" .matches( "[a-z[A-Z]]" ));
- p( "R" .matches( "[A-Z&&[RFG]]" ));
- // 认识/s /w /d /
- // 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]
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( " /n/r/t" .matches( "//s{4}" ));
- p( " " .matches( "//S" ));
- p( "a_8" .matches( "//w{3}" ));
- p( "abc888&^%" .matches( "[a-z]{1,3}//d+[&^#%]+" ));
- p( "//".matches(" ")); // 在java中/需要用转义字符//表示,此处要匹配一个/,需要用的模式来匹配。
- // POSIX 字符类(仅 US-ASCII) POSIX 来匹配的写法,用的不多
- // /p{Lower} 小写字母字符:[a-z]
- // /p{Upper} 大写字母字符:[A-Z]
- // /p{ASCII} 所有 ASCII:[/x00-/x7F]
- // /p{Alpha} 字母字符:[/p{Lower}/p{Upper}]
- // /p{Digit} 十进制数字:[0-9]
- // /p{Alnum} 字母数字字符:[/p{Alpha}/p{Digit}]
- // /p{Punct} 标点符号:!"#$%&'()*+,-./:; <=>?@[/]^_`{|}~
- // /p{Graph} 可见字符:[/p{Alnum}/p{Punct}]
- // /p{Print} 可打印字符:[/p{Graph}/x20]
- // /p{Blank} 空格或制表符:[ /t]
- // /p{Cntrl} 控制字符:[/x00-/x1F/x7F]
- // /p{XDigit} 十六进制数字:[0-9a-fA-F]
- // /p{Space} 空白字符:[ /t/n/x0B/f/r]
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- // POSIX Style
- p( "a" .matches( "//p{Lower}" ));
- // 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
- // boundary 边界匹配
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( "hello sir" .matches( "^h.*" ));
- p( "hello sir" .matches( ".*ir$" ));
- p( "hello sir" .matches( "^h[a-z]{1,3}o//b.*" ));
- p( "hellosir" .matches( "^h[a-z]{1,3}o//b.*" ));
- // whilte lines 空白行
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( " /n" .matches( "^[//s&&[^//n]]*//n$" ));
- // email地址
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( "asdfasdfsafsf@dsdfsdf.com" .matches( "[//w[.-]]+@[//w[.-]]+//.[//w]+" ));
- // matches find lookingAt
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p2 = Pattern.compile( "//d{3,5}" );
- String s = "123-34345-234-00" ;
- Matcher m2 = p2.matcher(s);
- p(m2.matches()); // 匹配整个
- m2.reset();
- p(m2.find()); // 发现有没有匹配的字符,并截取
- p(m2.start() + "-" + m.end()); // 相匹配的起始位置和结束位置(必须能找到情况下)
- p(m2.find());
- p(m2.start() + "-" + m.end());
- p(m2.find());
- p(m2.start() + "-" + m.end());
- p(m2.find());
- // p(m2.start() + "-" + m.end());
- p(m2.lookingAt()); // 发现有没有匹配的字符,不截取
- p(m2.lookingAt());
- p(m2.lookingAt());
- p(m2.lookingAt());
- // replacement
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p3 = Pattern.compile( "java" , Pattern.CASE_INSENSITIVE); // 忽略大小写Pattern.CASE_INSENSITIVE
- Matcher m3 = p3
- .matcher( "java Java JAVa JaVa IloveJAVA you hateJava afasdfasdf" );
- StringBuffer buf = new StringBuffer();
- int i = 0 ;
- while (m3.find()) {
- i++;
- if (i % 2 == 0 ) { // 偶数位置java替换成小写
- m3.appendReplacement(buf, "java" );
- } else { // 偶数位置java替换成大写
- m3.appendReplacement(buf, "JAVA" );
- }
- }
- // 加上尾巴
- m3.appendTail(buf);
- p(buf);
- // group
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p4 = Pattern.compile( "(//d{3,5})([a-z]{2})" );
- String s4 = "123aa-34345bb-234cc-00" ;
- Matcher m4 = p4.matcher(s4);
- while (m.find()) {
- p(m4.group( 1 ));
- } // p(m4.group(1));将打印第一个小括号匹配的模式结果
- // 为123 34345 234
- // p(m4.group(2));将打印第一个小括号匹配的模式结果为aa bb cc
- // p(m4.group());将打印总的模式结果为123aa 34345bb 234cc
- // 以下三种情况(了解即可),不多用!
- // Greedy 数量词 (贪婪的))
- // 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
- //
- // Reluctant 数量词 (不情愿的)
- // 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
- //
- // Possessive 数量词 (独占的)
- // 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
- // 使用Greedy 数量词 (贪婪的))(以下3-10个的话,它会先去匹配10,匹配不上依次减少,一匹配上就结束)
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p6 = Pattern.compile( ".{3,10}[0-9]" );
- String s6 = "aaaa5bbbb68" ;
- Matcher m6 = p6.matcher(s6);
- if (m6.find())
- p(m6.start() + "-" + m6.end());
- else
- p( "not match!" );
- // 使用 Reluctant 数量词 (不情愿的)(以下3-10个的话,它会先去匹配3,匹配不上依次增加,一匹配上就结束 )
- Pattern p7 = Pattern.compile( ".{3,10}?[0-9]" );
- String s7 = "aaaa5bbbb68" ;
- Matcher m7 = p7.matcher(s7);
- if (m7.find())
- p(m7.start() + "-" + m7.end());
- else
- p( "not match!" );
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- // 使用 Possessive 数量词(了解即可)
- // (独占的)(以下3-10个的话,它会先去匹配10,匹配不上就把这十个先删掉再匹配下一个10个,一匹配上就结束)
- Pattern p8 = Pattern.compile( ".{3,10}?[0-9]" );
- String s8 = "aaaa5bbbb68" ;
- Matcher m8 = p8.matcher(s8);
- if (m8.find())
- p(m8.start() + "-" + m8.end());
- else
- p( "not match!" );
- // non-capturing groups(非捕获)下文.{3}(?=a)表示以a结尾的三个数字(了解即可)
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p9 = Pattern.compile( ".{3}(?=a)" );
- String s9 = "444a66b" ;
- Matcher m9 = p9.matcher(s9);
- while (m9.find()) {
- p(m9.group());
- }
- // back refenrences
- // 匹配的后的两个组需要一样(了解即可)
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- Pattern p10 = Pattern.compile( "(//d//d)//1" );
- String s10 = "1212" ;
- Matcher m10 = p10.matcher(s10);
- p(m10.matches());
- // flags的简写
- // Pattern p = Pattern.compile("java", Pattern.CASE_INSENSITIVE);
- // 上面的句子简写(了解即可)
- System.out.println( "+++++++++++++++++++++++++++++++++++++" );
- p( "Java" .matches( "(?i)(java)" ));
- }
- public static void p(Object o) {
- System.out.println(o);
- }
2、email抓取
- import java.io.BufferedReader;
- import java.io.FileNotFoundException;
- import java.io.FileReader;
- import java.io.IOException;
- import java.util.regex.Matcher;
- import java.util.regex.Pattern;
- public class EmailSpider {
- public static void main(String[] args) {
- try {
- BufferedReader br = new BufferedReader( new FileReader( "D://含邮件地址的.html" ));
- String line = "" ;
- while ((line=br.readLine()) != null ) {
- parse(line);
- }
- } catch (FileNotFoundException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- } catch (IOException e) {
- // TODO Auto-generated catch block
- e.printStackTrace();
- }
- }
- private static void parse(String line) {
- Pattern p = Pattern.compile( "[//w[.-]]+@[//w[.-]]+//.[//w]+" );
- Matcher m = p.matcher(line);
- while (m.find()) {
- System.out.println(m.group());
- }
- }
- }