正则表达式功能二：在文本中查找指定内容（爬虫）（JAVA）

目录

本地爬取

带条件爬取

（1）?后面跟=号表示在Java后面跟随的数据，但是在获取时只获取前半部分

​编辑

（2）?后面跟:表示获取这个数据整体

 （3）?后面跟!（感叹号英文）表示除了！后面的数据，其它符合格式的数据都获取

贪婪爬取

非贪婪

贪婪

---

本地爬取

//pattern:表示正则表达式

//Matcher:文本匹配器   作用：按照正则表达式的规则去读取字符串，从头读取

//在大串中去找符合规则的字串

  //获取正则表达式对象
        Pattern p=Pattern.compile("Java\\d{02}");
        //获取文本匹配器的对象
        //m:文本匹配器对象
        //str:大串
        //p:规则（正则表达式）
        //m在str中找到符合p规则的小串
        Matcher m=p.matcher(str);

        //拿着文本匹配器从头开始读取，寻找是否右满足规则的子串
        //如果没有  方法返回false
        //如果有，返回true，在底层记录子串的起始索引和结束索引+1
        //0，4
        boolean b=m.find();
        //方法底层会根据find方法记录的索引进行字符串的截取
        //subString(起始索引，结束索引)；包头不包尾
        //(0,4)但是不包含4索引
        //会把截取到的小串返回
        String s1=m.group();
        System.out.println(s1);
        //第二次调用find方法时，会继续读取后续内容
        //读取到第二个满足要求的子串，方法会继续返回true
        //并把第二个子串的起始索引与结束索引+1记录
        b=m.find();
        //第二次调用group方法时，会根据find方法记录的索引再次截取子串
        String s2=m.group();
        System.out.println(s2);

带条件爬取

regex是作为参数的正则表达式

其中？表示前面的数据Java

String regex="Java(?=8|11|17)";
pattern.compile()

（1）?后面跟=号表示在Java后面跟随的数据，但是在获取时只获取前半部分

   String s="Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，" +
                "因为这两个是长期支持版本，下一个长期支持版是Java17，相信在末来不久Java17也会逐渐登上历史舞台";
        Pattern p=Pattern.compile("Java(?=8|11|17)");
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }

（2）?后面跟:表示获取这个数据整体

   String s="Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，" +
                "因为这两个是长期支持版本，下一个长期支持版是Java17，相信在末来不久Java17也会逐渐登上历史舞台";
        Pattern p=Pattern.compile("(?i)Java(?:8|11|17)");
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }
    }

 （3）?后面跟!（感叹号英文）表示除了！后面的数据，其它符合格式的数据都获取

    String s="Java自从95年问世以来，经历了很多版本，目前企业中用的最多的是Java8和Java11，" +
                "因为这两个是长期支持版本，下一个长期支持版是Java17，相信在末来不久Java17也会逐渐登上历史舞台";
        Pattern p=Pattern.compile("(?i)Java(?!8|11|17)");
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }

贪婪爬取

贪婪：在爬取数据时尽可能多的爬取

非贪婪：在爬取数据时尽可能少的爬取

只写+或*表示贪婪爬取          在+或*后面加上？表示非贪婪爬取     

+   *尽可能多的爬取           +？*？尽可能少的爬取

Java中默认贪婪爬取

非贪婪

 String s="aaaaabbbbbbbb";
        Pattern p=Pattern.compile("ab+?");
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }

贪婪

 String s="aaaaabbbbbbbb";
        Pattern p=Pattern.compile("ab+");
        Matcher m=p.matcher(s);
        while (m.find()){
            System.out.println(m.group());
        }