了解学习正则

1.简介

    为什么需要正则表达式？

        -文本的复杂处理

    正则表达式的优势和用途？

        -一种强大而灵活的文本处理工具

        -大部分编程语言、数据库、文本编辑器、开发环境都支持正则表达式

    正则表达式定义：

        -描述一个规则，通过规则匹配一类字符串

        -学习正则表达式等于学习正则表达式的语法规则

2.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”。表达式中的普通字符，在匹配一个字符串的时候，匹配与之相同的一个字符。

    简单的转义字符

3.标准字符集合

    -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

4.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

     -正则表达式的特殊符号，被包含到中括号中，则失去特殊意义，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、+、-

5.量词

     -修饰匹配次数的特殊符号

    -匹配次数中的贪婪模式（匹配字符越多越好，默认！）例如：\d{3,6}  匹配3到6个数字

    -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） 例如：\d{3,6}?  匹配3个数字

6.字符边界

    -^不是中括号里面的，是外面的

    -\b匹配这样一个位置：前面的字符和后面的字符不全是\w

7.正则表达式的匹配模式（工具使用）

    IGNORECASE  忽略大小写模式（匹配时忽略大小写，默认区分大小写）

    SINGLELINE 单行模式（默认：整个文本看作一个字符串，只有一个开头，一个结尾；时小数点“.”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MULTILINE之后，如果需要仅匹配字符串开始和结束为止，可以使用\A和\Z）

8.选择符和分组

    -反向引用（\nnn）: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。

9.预搜索（零宽断言）

    -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

    -这个位置应该符合某个条件。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。

    -正则表达式匹配过程中，如果子表达式匹配到的是字符内容，而非位置，并被保存到最终的匹配结果中，那么就认为这个子表达式是占有字符的；如果子表达式匹配的仅仅是位置，或者匹配的内容并不保存到最终的匹配结果中，那么就认为这个子表达式是零宽度的。占有字符还是零宽度，是针对匹配的内容是否保存到最终的匹配结果中而言的。

10.常见正则表达式列表

11.正则应用方向

    -开发环境和文本编辑器中使用（eclipse、Notepad++、Editplus、UltraEdit）

    -数据库中使用：Mysql5.5以上，Oracle10g以上

        例如：SELECT prod_name FROM products WHERE prod_name REGEXP '.000' （.匹配任意字符）

12.java测试

//测试正则表达式的基本用法
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
		System.out.println(m.group(0));
	}
		
}

//测试对象中分组的处理
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));
	}
		
}

//测试替换操作
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);
		
		
}

//测试分割操作
public static void main(String[] args) {
	String str = "a232b4334c3434";
	String[] arrs = str.split("\\d+");
	System.out.println(Arrays.toString(arrs));
		
}


//网络爬虫取链接
/**
* 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");
		
//	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./:]+?)\"");
		
	for (String temp : result) {
		System.out.println(temp);
	}
		
}