正则表达式基础知识---文本操作（尚学堂视频笔记）

最新推荐文章于 2023-03-13 11:45:26 发布

KeneathGuo

最新推荐文章于 2023-03-13 11:45:26 发布

阅读量270

点赞数

分类专栏： Java 个人整理笔记文章标签： java 正则表达式

本文链接：https://blog.csdn.net/qq_36708868/article/details/101206709

版权

个人整理笔记同时被 2 个专栏收录

6 篇文章 3 订阅

订阅专栏

Java

2 篇文章 0 订阅

订阅专栏

正则表达式（Regular Expression）基础知识

一、开发中使用流程：

-分析要匹配的数据写出测试用的典型数据
-在工具软件中进行匹配测试
-在程序中调用通过测试的正则表达式（有些高级语法有些区别）

二、工具软件RegexBuddy的使用

三、语法

1）字符

-普通字符

字母、数字、汉字、下划线、以及没有特殊定义的标点符号都是普通字符。直接匹配与之相同的字符

-简单的转义字符

\n 换行符

\t 制表符

\\ \本身

其他都是类似 \^ \$ \( 这样匹配这些字符本身的（还有 ) { } ? + * | [ ] ）

-标准字符集合(常用！！！)

能够与多种字符匹配的表达式 注意区分大小写大写是相反的意思

\d 任意一个数字，0-9中任意一个 \D 表示所有非数字

\w 任意一个字母或下划线，也就是A-Z、a-z、0-9、_ 、中的任意一个

\s 包括空格、制表符、换行符等空白字符中的任意一个

. 小数点可以匹配任意一个字符（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，能够匹配方括号中任意一个字符。^符号在方括号里表示取反方括号外表示零宽标记，见后面

如： [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”之间的任意一个字母

[^A-F0-3] 匹配“A”-“F”，“0”-“3”之外的任意一个字符

正则表达式的特殊符号，被包含到中括号中则失去其特殊意义（就表示自身这个字符），除了^,-之外。

标准字符集合，除小数点外，如果被包含于中括号，自定义字符集合将包含该集合。比如： [\d.\-+]将匹配：数字、小数点、+、-

2）量词Quantifier(常用！！！)

修饰匹配次数的特殊符号

{n} 表达式重复n次如：\d{6} 匹配6位数字 \d\d{6} 匹配7位数字 {\d\d}{6} 匹配12位数字

{m,n} 表达式至少重复m次，最多重复n次

{m,} 至少重复m次

？匹配表达式0次或1次，相当于{0，1} 如：a\d{0,1}b a\d?b 是等价的

+ 表达式至少出现1次，相当于{1，} 如：a\d+b

* 表达式不出现或出现任意次，相当于{0，}

匹配次数中的贪婪模式 （匹配字符数越多越好，默认的！！！）如\d{3,6} 会优先匹配 6位数字

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“？”号）

3）字符边界(零宽，不占长度)

-（本组标记匹配的不是字符而是位置，符合某种条件的位置）

^	与字符开始的地方匹配
$	与字符结束的地方匹配
\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 （全是的就不匹配）

如：^i 匹配 i开头的位置 i$ 匹配i结束的位置 hello\b 匹配前后不全是\w表示的hello

4）匹配模式

-IGNORECASE

忽略大小写默认情况下正则表达式区分大小写(Case Insensitive)

-SINGLELINE

单行模式整个文本看作一个字符串，只有一个开头，一个结尾。使得小数点“.”可以匹配包含换行符（\n）在内的任意字符

-MULTILINE

多行模式每行都是一个字符串，都有开头和结尾。在指定了此模式后，如果需要仅匹配字符串开始和结束位置，可以使用\A和\Z

如：\Ai匹配第一行第一个i ^i 匹配每一行第一个的i i$匹配每一行的最后一个i i\Z 匹配整个文档最后一个i

5)选择符和分组

| 分支结构表示“或” 如 h|a hello|world

() 捕获组

-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

-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地编号

-每一对括号会被分配一个编号，使用（）的捕获根据左括号的顺序从1开始自动编号。捕获元素编号为零的第一个捕获是由整个正则表达式模式匹配的内容

(?:Expression) 非捕获组

-一些表达式中，不得不使用（），但又不需要保存（）中的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。节省内存。

6）反向引用（\nnn）\nnn表示可以匹配多位数字

-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。

-通过反向引用，可以对分组已捕获的字符串进行引用。

如 ([a-z]{2})\1 中的\1 代表第一个组里的内容,匹配到gogo，toto，dodo这样的字符串。

（）（）（）捕获的内容分别用\1 \2 \3 编号以左括号为准。

7）预搜索（零宽断言）（也叫环视）

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。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。exp表示表达式

（？=exp）	断言自身出现的位置的后面能匹配表达式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

如：[a-z]+(?=ing) 匹配ing结尾的字符串，但不匹配ing本身

[a-z]+(?=\d+) 匹配数字结尾的字符串

四、常用的一些正则表达式

电话号码验证（包含固话和手机号，不能确认号码一定存在，只能匹配格式）

-（1）电话号码由数字和“-”构成

-（2）电话号码为7-8位

-（3）如果电话号码中包含有区号，那么区号为3位或4位，首位是0

-（4）区号用“-”和其他部分隔开

-（5）移动电话号码为11位

-（6）11位移动电话号码的第一位和第二位为“13”“15”“18”

固话 0\d{2,3}-\d{7,9} 手机号 1[35789]\d{9}

电子邮箱地址验证

-1.用户名：字母、数字、中划线、下划线组成

-2.@

-3.网址：字母、数字组成

-4.小数点。

-5.组织域名：2-4位字母组成

-不区分大小写

[\w\-]+@[a-z0-9A-Z]+(\.[A-Za-z]{2,4}){1,2} 如：ssahdahd@sina.com.cn

常用正则表达式列表
匹配中文字符	[\u4e00-\u9fa5]
匹配空白行	*\n\s\r**
匹配HTML标记	*<(\S?)[^>]>.?</\1>\|<.?/>*
匹配首尾空白字符	*^\s\|\s$*
匹配Email地址	\w+([-+.]\w+)@\w+([-.]\w+)\.\w+([-.]\w+)*
匹配网址URL	[a-zA-Z]+://[^\s]*
匹配国内电话号码	\d{3}-\d{8}\|\d{4}-\d{7}
匹配腾讯QQ号	[1-9][0-9]{4,}
匹配中国邮政编码	[1-9]\d{5}(?!\d)
匹配身份证	\d{15}\|\d{18}
匹配ip地址	\d+\.\d+\.\d+\.\d+

五、工作学习中各种环境的使用

开发环境和文本编辑器 eclipse、Notepad++、Editplus、UltraEdit

数据库中 MySQL5.5以上 Oracle10g以上

例如：

SELECT prod_name FROM products WHEREprod_name REGEXP '.000'(.表示匹配任意字符,整体表示匹配000结尾的)

Notepad++ 搜索 Ctrl+F

eclipse里search中可以使用。

六、JAVA程序中使用正则表达式

相关包在java.util.regex包下面

类Pattern：

-正则表达式的编译表示形式

-Pattern p = Pattern.compile(r,int);//建立正则表达式，并启用相应模式

类Matcher

-通过揭示Pattern对character sequence执行匹配操作的引擎

-Matcher m = p.matcher(str);//匹配str字符串

JAVA中遇到\ ,都要再加一个\.即正则里的\w+在java里是\\w+

Demo01

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

/**
 * 测试正则表达式对象的基本用法
 * @author Administrator
 *
 */
public class Demo01 {
	public static void main(String[] args) {
		//在这个字符串：asfsdf23323，是否符合指定的正则表达式：\w+
		//表达式对象
		Pattern p = Pattern.compile("\\w+");
		//创建Matcher对象
		Matcher m = p.matcher("asfsdf2&&3323");
//		boolean yesorno = m.matches();	//尝试将整个字符序列与该模式匹配
//		System.out.println(yesorno);
		
//		boolean yesorno2 = m.find();	//该方法扫描输入的序列，查找与该模式匹配的下一个子序列
//		System.out.println(yesorno2);
		
//		System.out.println(m.find());
//		System.out.println(m.group());
//		System.out.println(m.find());
//		System.out.println(m.group());
		
	
		while(m.find()){
			System.out.println(m.group());	//group(),group(0)匹配整个表达式的子字符串,效果一样的
			System.out.println(m.group(0));
		}
		
	}
}

Demo02

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

/**
 * 测试正则表达式对象中分组的处理
 * @author Administrator
 *
 */
public class Demo02 {
	public static void main(String[] args) {
		//在这个字符串：asfsdf23323，是否符合指定的正则表达式：\w+
		//表达式对象
		Pattern p = Pattern.compile("([a-z]+)([0-9]+)");
		//创建Matcher对象
		Matcher m = p.matcher("aa232**ssd445*sds223");
	
		while(m.find()){
			System.out.println(m.group());	//group(),group(0)匹配整个表达式的子字符串
			System.out.println(m.group(1));
			System.out.println(m.group(2));
		}
		
	}
}

Demo03

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

/**
 * 测试正则表达式对象的替换操作
 * @author Administrator
 *
 */

public class Demo03 {
	public static void main(String[] args) {
		//表达式对象
		Pattern p = Pattern.compile("[0-9]");
		//创建Matcher对象
		Matcher m = p.matcher("aa232**ssd445*sds223");
		//替换
		String newStr = m.replaceAll("#");
		System.out.println(newStr);
		
		
	}
}

Demo04

import java.util.Arrays;

/**
 * 测试正则表达式对象的分割字符串的操作
 * @author Administrator
 *
 */

public class Demo04 {
	public static void main(String[] args) {
		String str = "a232b4334c3434";
		String[] arrs = str.split("\\d+");
		System.out.println(Arrays.toString(arrs));
		
	}
}

WebSpiderTest网络爬虫小例子

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

/**
 * 网络爬虫取链接	
 * @author Administrator
 *
 */
public class WebSpiderTest {
	/**
	 * 获得urlStr对应的网页的源码内容
	 * @param urlStr
	 * @return
	 */
	public static String  getURLContent(String urlStr,String charset){
		StringBuilder sb = new StringBuilder();
		try {
			URL url = new URL(urlStr);
			BufferedReader reader = new BufferedReader(new InputStreamReader(url.openStream(),Charset.forName(charset)));
			String temp = "";
			while((temp=reader.readLine())!=null){
				sb.append(temp);
			}
		} catch (MalformedURLException e) {
			e.printStackTrace();
		} catch (IOException e) {
			e.printStackTrace();
		}
		return sb.toString();
	}
	
	
	public static List<String> getMatherSubstrs(String destStr,String regexStr){
		Pattern p = Pattern.compile(regexStr);		//取到的超链接的地址
		Matcher m = p.matcher(destStr);
		List<String> result = new ArrayList<String>();
		while(m.find()){
			result.add(m.group(1));
		}	
		return result;
	}
	
	
	public static void main(String[] args) {
		String destStr = getURLContent("http://www.163.com","gbk");//使用GBK解码，在网页源码开头中可以看到
		
//		Pattern p = Pattern.compile("<a[\\s\\S]+?</a>");		//取到的超链接的整个内容
		List<String> result = getMatherSubstrs(destStr, "href=\"([\\w\\s./:]+?)\"");    //取到具体的链接地址
		
		for (String temp : result) {
			System.out.println(temp);
		}
		
	}
}

KeneathGuo

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
正则表达式基础知识---文本操作（尚学堂视频笔记）

正则表达式（Regular Expression）基础知识一、开发中使用流程：-分析要匹配的数据写出测试用的典型数据 -在工具软件中进行匹配测试 -在程序中调用通过测试的正则表达式（有些高级语法有些区别）二、工具软件RegexBuddy的使用三、语法1）字符-普通字符字母、数字、汉字、下划线、以及没有特殊定义的标点符号都是普通字符。直接匹配与之相同的字符-简...
复制链接

扫一扫