JAVA ---＞ API(3) --- 正则表达式（爬虫）

L.R-

已于 2024-01-21 23:51:53 修改

阅读量708

点赞数 19

分类专栏： JAVA 文章标签： java

于 2024-01-21 21:15:10 首次发布

本文链接：https://blog.csdn.net/qq_66605463/article/details/135709514

版权

JAVA 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

本文介绍了正则表达式的基本概念，如校验字符串格式、在文本中查找特定内容（爬虫），并详细讲解了字符类、预定义字符、数量词等核心概念，以及如何在Java中使用正则表达式进行字符串操作和爬虫练习示例。

摘要由CSDN通过智能技术生成

参考：常用API-09-正则表达式初体验和基本规则_哔哩哔哩_bilibili

作用二：在一段文本中查找满足要求的内容 --- 爬虫

public String[] matches(String regex) 判断字符串是否满足正则表达式的规则

public String replaceAll(String regex, String newStr) 按照正则表达式的规则进行替换

正则表达式可以校验字符串是否满足定的规则，并用来校验数据格式的合法性。

作用

校验字符串是否满足规则
在一段文本中查找满足要求的内容

作用一：校验字符串是否满足规则

例如：

需求：假如现在要求校验一个qq号码是否正确

规则：6位及20位之内，0不能在开头，必须全部是数字。

以前的方法：

public static boolean checkQQ(String qq){
        //qq的长度为6~20
        int len = qq.length();
        if(len < 6 && len > 20){
            return false;
        }

        //开头不能为0
        if(qq.startsWith("0")){
            return false;
        }

        //必须全部是数字
        for (int i = 0; i < qq.length(); i++) {
            char c = qq.charAt(i);
            if(c < '0' || c > '9'){
                return false;
            }
        }
        return true;
    }

使用正则表达式：

qq.matches(参数)：参数为String类型的参数，该参数为正则表达式。该方法的返回类型为boolean型。

在正则表达式中，只要是数字就可以写"\\d"

        //第一位为1-9的数字，后面是任意的数字，任意的数字有5-19位
        qq.matches("[1-9]\\d{5,19}");

1. 字符类

！注意：只匹配一个字符

2. 预定义字符：（只匹配一个字符）

\ 转义字符：改变后面那个字符原本的含义

练习：以字符串的形式打印一个双引号

" 在java中表示字符串的开头或者结尾，此时\表示准一字符，改变了后面那个双引号原本的含义，把他变成了一个普普通通的双引号而已

System.out.println("\"");

\ 表示一个转义字符

\\ 前面的\ 是一个转义字符，改变了后面\ 原本的含义，把他变成了一个普普通通的\ 而已。

3. 数量词

以上内容可以在javaAPI帮助文档String-metches中查看

练习

拿着一个正确的数据，从左到右依次去看

1. 验证手机号码是否正确

2. 验证座机号码是否正确

3. 忽略大小写的书写方式

abc的大小写都忽略：String regex = "(?i)abc";

只忽略bc的大小写： String regex2 = "a(?i)bc";

只忽略b的大小写 String regex3 = "a((?i)b)c";

4. 身份证号码的简单校验

5. 身份证号码的严格校验

正则表达式总结

插件

可以在在File-settings-Plugins中安装正则表达式的插件

正则表达式编写心得

按照正确的数据进行拆分
找每一部分的规律，并编写正则表达式
把每一部分的正则拼接在一起，形成最终的正则表达式。

作用二：在一段文本中查找满足要求的内容 --- 爬虫

类

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，在大串中去找符合匹配规则的子串。

本地爬虫

public class Demo2 {
    public static void main(String[] args) {
        String str = "Java自从95年间以来，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";

        //1. 获取正则表达式的对象
        Pattern p = Pattern.compile("Java\\d{0,2}");

        //2. 获取文本匹配器的对象
        //拿着m去读取str，找符合p规则的子串
        Matcher m = p.matcher(str);

        //3. 利用循环获取
        while(m.find()){
            String s = m.group();
            System.out.println(s);
        }
    }
}

网络爬虫

暂时了解即可

练习

练习1：本地爬虫

练习2：有条件的爬取数据

需求1

public class Demo3 {
    public static void main(String[] args) {
        String str = "Java自从95年间以来，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";
        //1. 定义正则表达式
        //?表示前面内容（Java) =表示Java后面要跟随的内容
        //但是在获取的时候只获取前半部分
        String regex = "((?i)Java)(?=8|11|17)";
        Pattern p = Pattern.compile(regex);
        Matcher m = p.matcher(str);
        while(m.find()){
            System.out.println(m.group());
        }
    }
}

需求2

//需求2
        String regex2 = "((?i)Java)(?:8|11|17)";
        String regex3 = "((?i)Java)(8|11|17)";//regex2 和 regex3 都可以表示
        Pattern p = Pattern.compile(regex2);
        Matcher m = p.matcher(str);
        while(m.find()){
            System.out.println(m.group());
        }

需求3

//需求3
        String regex4 = "((?i)Java)(?!8|11|17)";
        Pattern p = Pattern.compile(regex4);
        Matcher m = p.matcher(str);
        while(m.find()){
            System.out.println(m.group());
        }

练习3：贪婪爬取和非贪婪爬取

只写+和*表示贪婪爬取，+? 或者*? 表示非贪婪爬取 ;

贪婪爬取：在爬取数据的时候尽可能多的获取数据

非贪婪爬取：在爬取数据的时候尽可能少的获取数据

Java中，默认的是贪婪爬取，如果我们在数量词+ * 的后面加上问号，那么此时就是非贪婪爬取。

正则表达式在字符串方法中的使用

public String[] matches(String regex) 判断字符串是否满足正则表达式的规则

public String replaceAll(String regex, String newStr) 按照正则表达式的规则进行替换

细节：

方法在底层跟之前一样也会创建文本解析器的对象，然后从头开始去读取字符串中的内容，只要有满足的，那么就用第二个参数去替换。

public String[] split(String regex) 按照正则表达式的规则切割字符串

分组

分组就是一个小括号

每组是有组号的，也就是序号。

规则

从1开始，连续不间断
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

例如：（红色为第一组，蓝色为第二组，绿色为第三组）

捕获分组

捕获分组就是把这一组的数据捕获出来，再用一次

后续还要继续使用本组的数据

正则内部使用：\\组号

正则外部使用：$组号

练习

public class Demo4 {
    public static void main(String[] args) {
        String str = "我要学学编编编编编程程程程程程程程";
        String result = str.replaceAll("(.)\\1+", "$1");
        System.out.println(result);
    }
}

非捕获分组

分组之后不需要再使用本组数据，仅仅是把数据括起来

特点

不占用括号

总结

张泽表达式中分组有两种：捕获分组和非捕获分组
捕获分组（默认）：可以获取每组中的内容反复使用
组号的特点：从1开始，连续不间断；以左括号为基准，最左边的是第一组
非捕获分组：分组之后不需要再用本组数据，仅仅把数据括起来，不占组号。(?:) (?=) (?!)都是非捕获分组。

L.R-

关注

19
点赞
踩
9

收藏

觉得还不错? 一键收藏
0
评论
JAVA ---＞ API(3) --- 正则表达式（爬虫）

转义字符：改变后面那个字符原本的含义练习：以字符串的形式打印一个双引号" 在java中表示字符串的开头或者结尾，此时\表示准一字符，改变了后面那个双引号原本的含义，把他变成了一个普普通通的双引号而已\ 表示一个转义字符\\ 前面的\ 是一个转义字符，改变了后面\ 原本的含义，把他变成了一个普普通通的\ 而已。可以在在File-settings-Plugins中安装正则表达式的插件。
复制链接

扫一扫