【Java】正则表达式的使用以及解析XML

在日常使用正则表达式的时候，常常就是直接百度匹配这个字符串的正则表达式。正则表达式的规则还是比较多的，一段时间不用就容易忘了。这里就不得不提及两个非常通用的匹配方法 贪婪匹配和 惰性匹配，在做爬虫或者提取字符串中的数据时，基本使用这两个都能搞定。

正则部分

定义

贪婪匹配: .*
惰性匹配:.*?

表达式	含义
.	是任意字符 可以匹配任何单个字符。
*	匹配0个或多个正好在它之前的那个字符。
?	匹配0个或1个正好在它之前的那个字符。
.*	匹配0个或多个任意字符
.?	匹配0个或1个任意字符

.* 具有贪婪模式匹配到不能匹配为止
.*? 则相反匹配到匹配到一个后，就继续往下匹配不会回溯，具有最小匹配原则性质。

举例

直接上栗子
网上的正则测试也挺多的,这边附上一个链接 在线正则表达式测试
如字符串：{123}}}}
使用{.*}匹配的结果是{123}}}}
使用{.*?}匹配的结果是{123}
这个应该就能很明显看出贪婪与惰性匹配的区别所在了。在爬虫中，我们常常使用.*去匹配我们不需要的字符串，使用.*?来匹配我们需要提取的。

Java正则部分

正则表达式的匹配是不区分编程语言的，但是在语言的使用中也会有一些疑问如：
已经匹配上子字符串了如何提取自己想要的内容？
匹配到了多个子字符串，如何获取到所有匹配到的子字符串中的数据？
find()和matches()的区别是什么？

直接上代码

单子字符串提取数据

现在有这么个需要匹配的字符串，该如何将所有人的名字都提取出来呢

<areas><area>璃月</area></areas>

import org.junit.jupiter.api.Test;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class ReTest {
    @Test
    public void t1(){
        String xml = "<areas><area>璃月</area></areas>";
        Pattern compile = Pattern.compile("<area>(.*?)</area>");
        Matcher m = compile.matcher(xml);
        if (m.find()){
            System.out.println(m.group(0));
            System.out.println(m.group(1));
        }
    }
}

<area>璃月</area>
璃月

<area>(.*?)</area>中的()是给我们的匹配到的子字符串定义分组，group(0)是匹配到的字符串的全部，而group(1)则是我们定义的匿名分组。
既然有匿名分组，自然有命名分组代码如下

	@Test
	public void t2(){
	    String xml = "<areas><area>璃月</area></areas>";
	    Pattern compile = Pattern.compile("<area>(?<area>.*?)</area>");
	    Matcher m = compile.matcher(xml);
	    if (m.find()){
	        System.out.println(m.group(0));
	        System.out.println("匿名分组:"+m.group(1));
	        System.out.println("命名分组:"+m.group("area"));
	    }
	}

<area>璃月</area>
匿名分组:璃月
命名分组:璃月

代码中还有一个方法m.find()，该方法如果找到满足条件的正则表达式就会返回ture。也可以传入一个int,如
m.find(5)表示从字符串的第5位开始匹配。
其实还有一个方法也是匹配字符串m.matches()：该方法是整个原始字符串满足正则才返回true,因此该方法适合于匹配字符串是否满足某个格式时使用，如手机号，身份证，邮箱等。

多子字符串提取数据

如下字符串，如何将所有的area都提取出来？

<areas><area>蒙德</area><area>璃月</area><area>稻妻</area><area>须弥</area></areas>

匹配这个字符串与上面的相同，正则表达式都不需要改变但提取的时候，需要进行循环提取。代码如下

	@Test
    public void t3(){
        String xml = "<areas><area>蒙德</area><area>璃月</area><area>稻妻</area><area>须弥</area></areas>";
        Pattern compile = Pattern.compile("<area>(?<area>.*?)</area>");
        Matcher m = compile.matcher(xml);
        int start = 0;
        while (m.find(start)){
            System.out.println(m.group(1));
            start = m.end(); // m.end() 返回当前到了哪个位置
        }
    }