Java中正则表达式使用及从正则表达式中爬取信息

一、正则表达式

正则表达式可以用一些规定的字符来制定规则，并用来校验数据格式的合法性。

Java中的正则表达式规则：

1、字符类（默认匹配一个字符）

[abc]	只能是a，b或c
[^abc]	除了a，b，c之外的任何字符
[a-zA-Z]	a到z A到Z
[a-d[m-p]]	a到d，或m到p
[a-z&&[def]]	d，e，f（交集）
[a-z&&[^bc]]	a到z，除了b和c
[a-z&&[^m-p]]	a到z，除了m到p

2、预定义的字符类（默认匹配一个字符）

.	任何字符
\d	一个数字[0-9]
\D	非数字[^0-9]
\s	一个空白字符
\S	非空白字符
\w	英文、数字、下划线
\W	[^\w]一个非单词字符

3、量词（配合匹配多个字符）

X?	零次或一次
X*	零次或多次
X+	一次或多次
X{n}	正好n次
X{n,}	至少n次
X{n,m}	至少n次但不超过m次

4、匹配一些特殊字符

"	\"
'	'
+	\\+
-	\\-
(	\\(
[	\\[
\	\\\\
|	\\|
/	\\/

另外，String类提供了匹配正则表达式规则的API：

public boolean matches（String regex）：判断是否匹配正则表达式

接下来我们举一个例子：

我们要接收的字符串是这样的类型：“喜欢”(2)|“不喜欢”(0)|“无所谓”(1)，其中用双引号括起来的文字部分是一个投票选项，长度不超过 5，其中不 允许出现空格；用括号括起来的数字是投票选项对应的分数，可以是正整数、0。双引号括起来的文字部分是一次投票活动的一个投票选项，后面紧接着跟的括号里面的数字是这个投票选项对应的分数。每个投票选项和对应的分数与下一个要用|分隔开，具体代码如下:

public static void check() {
	Scanner sc = new Scanner(System.in);
	while(true) {
		System.out.println("请输入投票类型");
		String str = sc.next();
		String regex = "(\"[\u4e00-\u9fa5]{1,5}\"\\(\\d\\)\\|)*\"[\u4e00-\uu9fa5]{1,5}\"\\(\\d\\)";//构造正则表达式规则
		if(str.matches(regex)) {
			System.out.println("输入正确");
			break;
		}
		else {
			System.out.println("格式错误，请重新输入");
		}
	}
	
}

运行结果如下：

 

二、从正则表达式中爬取信息

我们有时需要从正则表达式中获取一些信息，以上面的例子为例，输入一次投票活动的全部选项及其对应的分值，“喜欢”(2)|“不喜欢”(0)|“无所谓”(1)，我们希望可以从中分别提取出投票选项和分值，具体代码如下：

public static void fetch() {
	String str = "\"喜欢\"(2)|\"不喜欢\"(1)|\"无所谓\"(0)";
	//定义爬取规则
	String regex1 = "[\u4e00-\\u9fa5]{1,5}";
	//编译正则表达式成为一个匹配的对象
	Pattern pattern1 = Pattern.compile(regex1);
	//通过匹配规则对象得到一个匹配数据内容的匹配器对象
	Matcher matcher1 = pattern1.matcher(str);
	//通过匹配器去内容中爬取信息
	while(matcher1.find()) {
		System.out.println(matcher1.group());
	}
}

运行结果如图：

 

从正则表达式中获取分值的操作和上面类似。