正则表达式

普通字符：
字母、数字、汉字、下划线以及没有特殊意义的标点符号，都是“普通字符”。表达式的普通字符在匹配一个字符串的时候，匹配与之相同的一个字符。

简单的转义字符：
\n ：换行符
\t : 制表符
\ : 代表\本身
^ , $ , . ,( , ), { , }, ? , +, * , |, [, ] : 匹配这些字符本身

标准字符集合：
\d : 0~9的任意一个数字 \D ：匹配不是数字
\w : 任意一个数字、字母及下划线，也就是A_Z,az,0~9,_中任意一个 \W ： 相反的意思
\s : 匹配空白符，包括空格、制表符、换行符等 \S ： 相反
. : 匹配任意一个字符（除了换行符），如果要匹配包括 “\n” 在内的所有字符，一般用[\s\S]

自定义字符集合：
[] 方括号匹配方式，匹配方括号中任意一个字符， ^ 在方括号内表示取反， - 谁到谁之间闭区间
[ab5@] 匹配"a" 或 “b” 或 “5” 或 “@”
[^abc] 匹配 “a”,“b”,“c” 之外的任意一个字符
[f-k] 匹配 “f” ~ “k” 之间的任意一个字符
[^A-F0-3] 匹配"A"_“F”,"0""3"之外的任意一个字符
1、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
2、标准字符集合。出小数点外，如果被包含于中括号，自定义字符集合将包含该集合。 例如：[\d.-+] 将匹配数字、小数点、-、+

量词（Quantifier）(修饰匹配次数的特殊符号):
{n} : 表达式重复n次
{m,n} ： 表达式至少重复m次，最多重复n次
{m,} : 表达式至少重复m次
？ ： 匹配表达式0次或者1次，相当于{0,1}
+ : 表达式至少出现一次，相当于{1,}
* : 表达式不出现或者出现任意次，相当于{0,}
1、匹配次数中的贪婪模式（匹配字符越多越好，默认） 例子： \d{3，6} 由于默认贪婪模式所以能匹配更多的就不匹配少的 12345678 会匹配6位数字而不是3位或者4位
2、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“？”） 例子：\d{3，6}？ 12345678 会匹配3位数字而不是4位或者6位
例子：匹配3个数字 \d\d\d \d{3} ； \d\d{6} 此处的6次修饰前面最近的\d，也就是表示匹配7个数字 ； (\d\d){6} 匹配12个连续的数字

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(零宽，不匹配字符，返例，\d匹配一个字符，则非零宽)
^ : 与字符串开始的地方匹配 例子： fkasafdfkaf ^f 匹配第一个f的位置
$ : 与字符串结束的地方匹配 例子： fkasafdfkaf f$ 匹配最后一个f的位置
\b： 匹配一个单词边界
\b 匹配这样一个位置：前面的字符和后面的字符不全是\w （不全是\w也就是全是的不行）

匹配模式：
IGNORECASE 忽略大小写模式
1、匹配时忽略大小写
2、默认正则表达式是要区分大小写的
SINGLELINE 单行模式
1、整个文本看做一个字符串，只有一个开头和一个结尾。
2、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
1、每行都是一个字符串，都有开头和结尾。
2、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

选择符和分组：
表达式（分支结构） | ： 左右两边表达式之间“或”关系，匹配左边或者右边。
表达式（捕获组） （） :
（1）在被修饰匹配次数的时候，括号中的表达式可以作为整体被修饰
（2）取匹配结果的时候，括号中的表达式匹配到的内容可以被单独得到
（3）每一对括号会分配一个编号，使用（）的捕获根据左括号的顺序从1开始自动编号。捕获元素编号为0的第一个捕获是由整个正则表达式模式匹配的文本
表达式（非捕获组） （?:Expression） : 一些表达式中，不得不使用（），但又不需要保存（）中子表达式匹配的内容，这时可以用非捕获组来抵消使用（）带来的副作用。
反响引用：（\nnn）
（1）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。
（2）通过反向引用，可以对分组已捕获的字符串进行引用。
例子：（[a-z]{2}）\1 匹配 toto 及()把里面的内容当成整体

预搜索（零宽断言）：
（1） 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。
（2）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（零宽度）。
（3）正则表达式匹配过程中，如果子表达式匹配到的是字符串内容，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的。占有字符还是零宽度，是针对
匹配的内容是否保存到最终的匹配结果中而言的。
exp 为表达式：
(?=exp) 断言自身出现的位置的后面能匹配表达式exp
(?<=exp) 断言自身出现的位置的前面能匹配表达式exp
(?!exp) 断言此位置的后面不能匹配表达式exp
(?<!exp) 断言此位置的前面不能匹配表达式exp

电话|手机 号码验证：
String pattern = “(0\d{2,3}-\d{7,8})|(1[35789]\d{9})”;
String phone = “0103-1546987”;
boolean matches = Pattern.matches(pattern, phone);
System.out.println(matches);

电子邮件验证：
String pattern = “[\w]+@[\dA-Za-z]+.[A-Za-z]{2,4}”;
String email = “17642084810@163.com”;
boolean matches = Pattern.matches(pattern, email);
System.out.println(matches);

正则爬去网页特定内容例子

package com.lx.regex;

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.util.ArrayList;
import java.util.List;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class TestRegex {
	public static void main(String[] args) {
		String res = get("https://www.qq.com/");
		
		// 提取网页所有a标签
		//Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");
		
		// 拿到整体的href属性,  (?表示非贪婪模式)
		Pattern p = Pattern.compile("href=\"(.+?)\"");
		Matcher m = p.matcher(res);
		List<String> list = new ArrayList<String>();
		while (m.find()) {
			// 拿到整体的href属性        href="//mat1.gtimg.com/www/icon/favicon2.ico"
			//list.add(m.group());
			// 拿到双引号里面的内容       //mat1.gtimg.com/www/icon/favicon2.ico
			list.add(m.group(1));
		}
		
		for (String str: list) {
			System.out.println(str);
		}
	}
	
	public static String get(String urlStr) {
		StringBuilder sb = new StringBuilder();
		try {
			URL url = new URL(urlStr);
			BufferedReader bufferedReader = new BufferedReader(
					new InputStreamReader(url.openStream(), "GBK"));
			String tmp = "";
			while ((tmp = bufferedReader.readLine()) != null) {
				sb.append(tmp);
			}
		} catch (IOException e) {
			e.printStackTrace();
		}
		return sb.toString();
	}
}