正则表达式(RegularExpression)，常用于对大段文本的处理，常用操作有：匹配、提取、替换。
第一个例子
比如有一个电话号码：13132314693
这个规则可以描述为：
- 以1开头
- 共11位数字
- 必须为0-9的数字
用正则表达式来描述可以写成：1[0-9]{10}
其中：1表示1开头，[0-9]表示（0到9）的数，{10}表示出现10次。合起来就是，1开头，0-9的数字出现10次。
重复次数匹配{}
比如有以下3个字符串：
- Huawei
- Huaawei
- Huaaawei
这3个字符串可以用正则描述为：Hua{1,3}wei
其中：{1,3}表示仅挨着的字符‘a’重复出现1次到3次，最少1次，最多3次，都是能够匹配得上的。
其他用法
扩展用法：
- {m,n} ：表示出现最少m次，最多n次
- {m,} ：表示最少m次，最多不限量
- {,n} ：表示最少不限量，最多n次
- {m} ：表示刚好出现m次
还有几个关键字符：
- * ：表示0次，1次，或者N次，相当于{0,}
- + ：表示1次，或N次，相当于{1,}
- ? ：表示0次，或1次，相当于{0,1}
例如：Hua+wei 相当于 Hua{1,}wei
简单使用-匹配：JAVA代码如下
package com.example.editor.controller;
import java.util.regex.Pattern;
public class Test3
{
public static void main(String[] args)
{
String content = "Huawei";
String regex = "Hua+wei"; // “Hua*wei” / ”Hua?wei”
// 传入：正则式，要匹配的字符串
boolean isMatch = Pattern.matches(regex, content);
if(isMatch) {
System.out.println("匹配");
}
else {
System.out.println("不匹配");
}
}
}
字符区间匹配[]
有以下字符串：
- 梁瑞博
- 梁小博
- 梁微博
用正则表达式来描述可以写成：梁[瑞小微]博
其中：中括号[]表示区间内任意一个字符，梁表示以梁字开头，博表示以博字结尾，中间表示选项，选项只能匹配一个，如：梁[瑞小]博 就是不匹配的了。
其他用法
区间匹配[]的其他用法：
- [a-zA-Z] ：所有的字母，大写+小写
- [0-9] ：0-9的数字
- [0-9a-zA-Z_] ：数字+小写字母+大写字母+下划线
- [^abc] ：除abc三个字母以外都匹配，括号里面的以^开头，表示"非"。
- [0-3a-fA-F] ：表示0,1,2,3,a,b,c,d,e,f,A,B,C,D,E,F
- [0-3abcdefABCDEF] ：表示意义同 [0-3a-fA-F]
小练习
一般来说，小括号[]跟大括号{}是连用的，例如，要求用户设定一个6-12位的密码，密码可以是数字、字母、下划线。
用正则表达式描述为：[0-9a-zA-Z_]{6,12}
简单应用-匹配：JAVA代码如下
public static boolean checkInput(String passWord)
{
// 用户注册的时候，检查用户设置的密码是不是符合规则
// 假设我们规定要求用户设定一个6到12位数的密码，密码可以是数字、字母、下划线
String regex = "[0-9a-zA-Z_]{6,12}";
return Pattern.matches(regex, passWord);
}分组()
有以下字符串：
- ChinaGreat
- ChinanaGreat
- ChinananaGreat
用正则表示式可以表示为：Chi(na)+Great
其中：'+'号我们上文说过，表示出现1次到N次，也可以写成：Chi(na){1,}Great ,其中的“(na)”表示na这两个字符作为一个组出现，是一体的。
字符的转义
例如我们需要表示完整的手机号，例如
- +86-13244534545
- +86-13245453456
- +86-13287657674
上面的三个手机号中，+86表示区号，但是在正则表达式看来，+，-都是关键字，并不是普通字符，那我们要怎么来描述如上的三个手机号字符串呢？
常规思想：+86-1[0-9]{10}，表示"+86-1"开头，0-9的数字有10位。
但是我们发现在程序执行中报错了，原因是+号表示匹配前面紧挨着的字符0-N次，但是前面并没有字符，所以这样子是不行的。
在正则表达式中，如果想要把特殊字符作为普通字符串使用，需要用"\"进行转义。
例如：\+86-1[0-9]{10} : +号这里是作为普通字符使用，而不是关键字，所以用“\+”代替“+”。
写成JAVA代码则为：\\+86-1[0-9]{10} : 注意，此处有两个"\"，代表此处有两层转义，一层是正则表达式对特殊字符的转义，另一层是JAVA代码对字符串的转义。
需要转义的字符
正则表达式需要转义的字符：
* + ? {} [] () . ^ $ \
常见的特殊字符
- . ：表示任意一个字符
- \d ：表示数字，相当于[0-9]
- \D ：表示非数字，相当于[^0-9]
- \s ：表示空白字符，相当于[\t\n\x0B\f\r]
- \S ：表示非空白字符，相当于[^\s]
- \w ：表示字符，相当于[a-zA-Z0-9_]
- \W ：表示非字符，相当于[^\w]
- \b ：匹配单词的开始或结束的位置
- \B ：匹配不是单词的开始或结束的位置
- $ ：匹配字符串的结束
- | ：表示分支条件， 0\d{2}-\d{8}|0\d{3}-\d{7} :这个表达式能匹配两种以连字号分隔的电话号码：第一种是三位区号，8位本地号的号码（如010-12387456）,第二种是四位区号，7位本地号的号码（如0376-2255435）。
例如：
- 1[0-9]{10} 与 1\d{10} 的效果是一样的
- <meta charset='UTF-8'> 可以描述为 <meta\s+charset=.*?>
- 2249508163lonng@qq.com 描述为 [\w@.]+ , 在JAVA中表示为：String regex = "[\\w@.]+" ; 注意，中括号里面的'.'没有歧义，无需转义。
实际应用
匹配
看上面的“重复次数匹配”部分
提取
根据匹配到的内容来提取
简单提取
应用示例-提取-简单提取：JAVA代码如下
public class Test2
{
public static void main(String[] args)
{
/**
使用正则表达式的提取，比如，在HTML中的图片标签格式为
<img src=’url’>
现在给出一段HTML文本，要求从中提取出所有<img>标签的内容
*/
// 准备文本
String content = "更多图片<img src='1.jpg'> <br>"
+ "示例2 <img src='2.jpg'> <br>"
+ "示例3 <img src='3.jpg'> <br>嘻嘻嘻";
// 正则表达式
String regex = "<img.*>"; // <img.*?> 这里要加一个？号，表示非贪心模式，+和*为贪心，？为非贪心
// 传入一个正则表达式，得到一个pattern对象
Pattern pattern = Pattern.compile(regex);
// 调用matcher方法传入文本得到matcher对象
Matcher m = pattern.matcher(content);
// m.find()方法如果匹配到了就返回true
while (m.find())
{
System.out.println("**匹配：" + m.group(0)); // group(0)指全部
}
/*
贪心跟非贪心的区别，因为<img.*>中.表示任意字符，*表示任意个字符，所以贪心会找到最后一个">"才算完。
<img.*?>输出：
**匹配：<img src='1.jpg'>
**匹配：<img src='2.jpg'>
**匹配：<img src='3.jpg'>
*/
/*
<img.*>输出：
**匹配：<img src='1.jpg'> <br>示例2 <img src='2.jpg'> <br>示例3 <img src='3.jpg'> <br>
*/
}
}分组提取
应用示例-提取-分组提取1：JAVA代码如下
public class Test
{
public static void main(String[] args)
{
String content = " <img src=\"/image/16056333394802.png\" width=\"100\" />"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n" ;
// 提取<img>标签中的url参数
List<String> imaList = getImgStrTest(content);
System.out.println(imaList.toString());
System.out.println("Exit");
}
// <img>标签中的url参数提取
public static List<String> getImgStrTest(String htmlStr)
{
List<String> list = new ArrayList<>();
String regex = "<img.*?src=['\"]{1}/(.*?)['\"]{1}.*?>";
Pattern pattern = Pattern.compile(regex);
Matcher m = pattern.matcher(htmlStr);
while (m.find())
{
// group(1)表示提取第一个分组里面的内容,即中(.*?)的内容，如果后面还有多个分组，那么就group(2)-3-4..
list.add(m.group(1));
}
return list;
}
}程序输出：
[image/16056333394802.png, image/16056333479373.png, image/16056333479373.png, image/16056333479373.png]应用示例-提取-分组提取2：JAVA代码如下
public class Test
{
public static void main(String[] args)
{
String content = " <img src=\"/image/16056333394802.png\" width=\"100\" />"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n" ;
List<String> imaList = getImgStr(content);
System.out.println(imaList.toString());
System.out.println("Exit");
}
public static List<String> getImgStr(String htmlStr)
{
List<String> list = new ArrayList<>();
String img = "";
// String regEx_img = "<img.*src=(.*?)[^>]*?>"; //图片链接地址
String regEx_img = "<img.*src\\s*=\\s*(.*?)[^>]*?>";
Pattern p_image = Pattern.compile(regEx_img, Pattern.CASE_INSENSITIVE); // 不分大小写匹配
Matcher m_image = p_image.matcher(htmlStr);
while (m_image.find())
{
// 得到<img />标签
img = m_image.group();
// 匹配<img>中的src数据
Matcher m = Pattern.compile("src\\s*=\\s*\"?(.*?)(\"|>|\\s+)").matcher(img);
while (m.find()){
list.add(m.group(1));
}
}
return list;
}
}程序输出：
[/image/16056333394802.png, /image/16056333479373.png, /image/16056333479373.png, /image/16056333479373.png]替换
应用示例-替换-简单替换-把正则匹配到的所有字段全部统一替换
public class Test
{
public static void main(String[] args)
{
String content = "aaaabXaaabMaaaaaaaaabL";
String str = replaceImgTag1(content);
System.out.println(str);
System.out.println("Exit");
}
// 文本替换
public static String replaceImgTag1(String str)
{
String regex = "a*b";
Pattern pattern = Pattern.compile(regex);
Matcher m = pattern.matcher(str);
// 用*号代替匹配的字符
return m.replaceAll("*");
}
}程序输出：
*X*M*L应用示例-替换-复杂替换-把正则匹配到的分开替换，各换各的
public class Test
{
public static void main(String[] args)
{
String content = "1:xxxxxx。"
+ "2:XXXXXXXXXXX。"
+ "3:yyyyyyyyyyy。"
+ "4";
List<String> strList = new ArrayList<String>();
strList.add("第一条");
strList.add("第二条");
strList.add("第三条");
strList.add("第四条");
String str = replace(content, strList);
System.out.println(str);
System.out.println("Exit");
}
public static String replace(String html, List<String> strList)
{
String regex = "\\d{1}";
Pattern pattern = Pattern.compile(regex);
Matcher m = pattern.matcher(html);
StringBuffer sb = new StringBuffer();
int i = 0;
while( m.find())
{
// 根据检索到上下文本，作相应的替换
m.appendReplacement(sb, strList.get(i));
i ++;
if(i == strList.size()) i = 0;
}
return sb.toString();
}
}程序输出：
第一条:xxxxxx。第二条:XXXXXXXXXXX。第三条:yyyyyyyyyyy。第四条应用示例-替换-按分组替换-把正则匹配到的分组里面的值替换
public class Test
{
public static void main(String[] args)
{
String content = " <img src=\"/image/16056333394802.png\" width=\"100\" />"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n"
+ "<img src=\"/image/16056333479373.png\" width=\"100\" />\r\n" ;;
List<String> strList = new ArrayList<String>();
strList.add("liangruibo/22222.png");
strList.add("liangruibo/33333.png");
strList.add("liangruibo/44444.png");
strList.add("liangruibo/55555.png");
String str = regReplaceImage(content, strList);
System.out.println(str);
System.out.println("Exit");
}
public static String regReplaceImage(String content, List<String> picList)
{
String pattern="<img.*?src=['\"]{1}([^l].*?)['\"]{1}.*?>";
StringBuffer operatorStr = new StringBuffer(content);
Pattern p = Pattern.compile(pattern);
Matcher m = p.matcher(content);
int i = 0;
while(m.find()) {
operatorStr.replace(m.start(1), m.end(1), picList.get(i));
m = p.matcher(operatorStr);
i ++;
if(i == picList.size())
i = 0;
}
return operatorStr.toString();
}
}程序输出：
<img src="liangruibo/22222.png" width="100" />
<img src="liangruibo/33333.png" width="100" />
<img src="liangruibo/44444.png" width="100" />
<img src="liangruibo/55555.png" width="100" />
2426
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
