Java爬虫

package Pachong;

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

public class Regx {
    public static void main(String[] args) {
        String str ="Java自从95年问世以米，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，下一个长期支持版本是Java17，相信在未来不久Java17也会逐渐登上历史舞台";
//        method1(str);
        Pattern p = Pattern.compile("Java\\d{0,2}");
        Matcher m = p.matcher(str);
        while (m.find()){
            String s1 = m.group();
            System.out.println(s1);
        }

    }

    private static void method1(String str) {
        //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，从头开始读取
        //获取正则表达式对象
        Pattern p = Pattern.compile("Java\\d{0,2}");
        //获取文本匹配器的对象
        //m:文本匹配器的对象
        //str:大串
        //p:规则
        //m要在石头人中找符合p规则的小串
        Matcher m = p.matcher(str);
        //拿着文本匹配器从头开始读取，寻找是否有满足规则的字串
        //如果没有，方法返回false
        //如果有，返回true。在底层记录字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
        // 会把截取的小串进行返回
        String s1 = m.group();
        System.out.println(s1);
    }
}

有?:和没有这个代表的是衔接的意思

？！这个是不需要有后面的这些数字意思

abbbbbbbbbbbbbaaaaaaaaaaaaaa

贪婪爬取：在爬取数据的时候，尽可能的多获取数据 ab+

非贪婪爬取：在爬取数据的时候，尽可能的少获取数据 ab+?

分组

每组是有组号的，也就是序号

规则1：从1开始，连续不间断

规则2：以左括号为基准，最左边的是第一组，其次为第二组，以此类推

捕获分组：

后续还要继续使用本组数据

正则内部使用：\\组号

正则外部使用：$组号

非捕获分组：

分组之后不需要再用本组数据，仅仅是把数据括起来