java正则表达式

正则表达式：符合一定规则的表达式

作用：用于专门操作字符串

虽然String类中有很多方法也可以实现，但是过于复杂

规则：

字符
x	字符 x
\\	反斜线字符
\0n	带有八进制值 0 的字符 n (0 <= n <= 7)
\0nn	带有八进制值 0 的字符 nn (0 <= n <= 7)
\0mnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh	带有十六进制值 0x 的字符 hh
\uhhhh	带有十六进制值 0x 的字符 hhhh
\t	制表符 ('\u0009')
\n	新行（换行）符 ('\u000A')
\r	回车符 ('\u000D')
\f	换页符 ('\u000C')
\a	报警 (bell) 符 ('\u0007')
\e	转义符 ('\u001B')
\cx	对应于 x 的控制符

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）

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]

Greedy 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

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

上面的只是列举了常用的规则，想了解全部规则，可以参考我另外一篇博客（java中Pattern类）http://blog.csdn.net/manfulleo/article/details/51114353

关于java正则表达式Pattern类中Greedy，Rsluctant，Possessive的区别，可以参考luoweifu的博客 http://blog.csdn.net/luoweifu/article/details/42759439

 

1.匹配

boolean

matches(String regex)           告知此字符串是否匹配给定的正则表达式。

代码示例：

import java.util.regex.*;
public class Demo{
	public static void main(String[] args) {
		//第一种方法
		Pattern p = Pattern.compile(".*foo");  
	    String str1 = "xfooxxxxxxfoo";  
	    Matcher m = p.matcher(str1);  
	    boolean b = m.matches();
	    System.out.println(b); 
	    
	    //第二种方法
	    String regex = ".*foo";
	    String str2 = "xfooxxxxxxfoo";
	    System.out.println(str2.matches(regex));
	    
	    checkQQ();
	    checkTel();
	}
	
	//检测QQ格式
	//5-15位，只有数字，第一位不可以为0
	static void checkQQ(){
		String qq = "123a15a";
		String regex = "[1-9]\\d{4,19}";
		boolean flag = qq.matches(regex);
		System.out.println("qq..."+flag);
	}
	
	//检测电话号码格式
	//前三位为13x，15x，18x，总共11位，
	static void checkTel(){
		String tel = "13688888888";
		String regex = "1[358]\\d{9}";
		boolean flag = tel.matches(regex);
		System.out.println("tel..."+flag);
	}
}

2.切割

String[]	split(String regex)           根据给定正则表达式的匹配拆分此字符串。
String[]	split(String regex, int limit)           根据匹配给定的正则表达式来拆分此字符串。

代码示例：

import java.util.regex.*;
public class Demo{
	public static void main(String[] args) {
	    splitDemo("abc 123   iop"," +");
	    splitDemo("abc.123.iop","\\.");
	    splitDemo("c:\\desktop\\a.java","\\\\");
	    splitDemo("acssfwffgyyyyq","(.)\\1+");
	    //按照叠词完成切割，为了可以让规则的结果被重用，可以将规则封装成一个组，用（）完成，组的出现都有编号，从1开始，想要使用已有的组可以用\n（n就是组的编号）的形式来过去==获取
	    //算几组，看左括号有几个即可，且编号从左往右1开始。比如((())()) 有4组
	} 
	
	public static void splitDemo(String str,String regex){
		String[] arr = str.split(regex);
		for(String s:arr){
			System.out.println(s);
		}
		System.out.println("-------");
	}
}

3.替换

String	replaceAll(String regex,String replacement)           使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。
String	replaceFirst(String regex,String replacement)           使用给定的 replacement 替换此字符串匹配给定的正则表达式的第一个子字符串。

代码示例：

import java.util.regex.*;
public class Demo{
	public static void main(String[] args) {
		//将字符串数组替换成#
		replaceDemo("wff15168411fwj548486fws15648978f","\\d{5,}","#");
		//将叠词替换成&
		replaceDemo("fwkkejqqqfizzzzzo","(.)\\1+","&");
		//将叠词换成叠词中一个字符
		replaceDemo("fwkkejqqqfizzzzzo","(.)\\1+","$1");
	} 

	public static void replaceDemo(String str,String regex,String newStr){
		str = str.replaceAll(regex, newStr);
		System.out.println(str);
		System.out.println("-------");
	}
}

4.获取

代码示例：

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo{
	public static void main(String[] args) {
		getDemo();
	}
	
	public static void getDemo(){
		String str = "ming tian jiu yao fang jia le,huo ji.";
		String regex = "\\b[a-z]{4}\\b";
		System.out.println(str);
		//将规则封装成对象
		Pattern p = Pattern.compile(regex);
		
		//让正则对象和要作用的字符串相关联。获取匹配器对象
		Matcher m = p.matcher(str);
		
		//其实String类中的matches方法就是用Pattern和Matcher对象完成的，只不过被String对象封装后变简单了
		//System.out.println(m.matches());
		
		boolean b = m.matches();
		System.out.println("..."+b);
		
		//将规则作用到字符串上，并进行符合规则的字串查找
		while(m.find()){
			System.out.println(m.group());	//用于获取匹配后结果
			System.out.println(m.start()+"..."+m.end());
		}
	}
}

会发现ming没有打印，为什么？

因为m.find()之前，有m.matches()方法，表示已经匹配了一次，所以m.find()是从第二个单词开始查找

5.本地爬虫

获取本地文件中的所有邮箱：

import java.io.*;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class Demo{
	public static void main(String[] args) throws Exception {
		getLocalMails();
	}
	
	//获取本地文件中邮箱
	public static void getLocalMails() throws Exception{
		BufferedReader bufr = new BufferedReader(new FileReader("mail.txt"));
		String line = null;
		String mailRegex = "\\w+@\\w+(\\.\\w)+";
		Pattern pattern = Pattern.compile(mailRegex);
		while((line = bufr.readLine())!=null){
			Matcher matcher = pattern.matcher(line);
			while(matcher.find()){
				System.out.println(matcher.group());
			}
		}
	}
}

注意文件如果用相对路径时，要把文件放在项目目录下即可，如图是我的文件存放位置：

如果想要实现从网页获取信息，可以参考我另一篇博客（java网页爬虫）http://blog.csdn.net/manfulleo/article/details/51115781