java笔记31 正则表达式

1.       正则表达式

       正则表达式：获取符合一定规则的字符串的方式

        作用：专门用于操作字符串

        特点：用一些特定的符号表示一些代码操作，简化书写

                           学习特殊符号的使用

        好处：可以简化对字符串的复杂操作

        弊端：阅读性较差

2.        具体操作功能

1、匹配

                 String matches方法

                 [abc] a、b 或 c（简单类）

                                    某一位只能是a或者b或者c

                   [^abc] 任何字符，除了 a、b 或 c（否定）

                                     某一位除去a、b、c

                   [a-zA-Z] a 到 z 或 A 到 Z，两头的字母包括在内（范围）

                   [a-d[m-p]] a 到 d 或 m 到 p：[a-dm-p]（并集）

                                     并集

                   [a-z&&[def]] d、e 或 f（交集）

                   [a-z&&[^bc]] a 到 z，除了 b 和 c：[ad-z]（减去）

                   [a-z&&[^m-p]] a 到 z，而非 m 到 p：[a-lq-z]（减去）

 

                 . 任何字符（与行结束符可能匹配也可能不匹配）

                   \d 数字：[0-9]

                                     要用

                   \D 非数字： [^0-9]

                   \s 空白字符：[ \t\n\x0B\f\r]

                   \S 非空白字符：[^\s]

                   \w 单词字符：[a-zA-Z_0-9]                                     

                   \W 非单词字符：[^\w]

         示例        

 public static void checkNum(String qq)
    {
        String regex="[1-9]\\d*";//数字1-9，至少有一位
        boolean flag=qq.matches(regex);
        if(flag)
            System.out.println(qq+"...ok");
        else
            System.out.println(qq+"....非法");
    }
    public static void checkTel(String tel)
    {
        /*
            匹配手机号段
         */
        String regex="1[358]\\d{9}";//1开头，第二位是358，后面还有9位数字
        boolean flag=tel.matches(regex);
        if(flag)
            System.out.println(tel+"...ok");
        else
            System.out.println(tel+"....非法");
    }
}

 

2、切割

                   不能直接用“.”  点号表示任意字符

                 要加两个反斜杠  \\

                          splitDemo("C:\\abc\\a.txt","\\\\");// \\表示一个反斜杠

                 (.)\\1

捕获组可以通过从左到右计算其开括号来编号。例如，在表达式 ((A)(B(C))) 中，存在四个这样的组：

                   1     ((A)(B(C)))

                   2     \A

                   3     (B(C))

                   4     (C)

组零始终代表整个表达式。

public class H_01RegexDemo {
    public static void main(String[] args) {     
        splitDemo("C:\\abc\\a.txt","\\\\");// \\表示一个反斜杠
        splitDemo("derkkserqquisedooo","(.)\\1+");//  \\1表示重复第一个组即按照连续字符切割 至少两个
    }
    public static void splitDemo(String str,String reg)
    {
        //按照多个空格切割
        String []arr=str.split(reg);
        for(String s:arr)
        {
            System.out.println(s);
        }
    }
}

         结果：

                   C:

abc

a.txt

der

ser

        

         3、 替换示例

public class H_04RegexReplace {
    public static void main(String[] args) {
   
        String str="wer34343536ininiji15201972323";
        replaceAllDemo(str,"\\d{5,}","#");//至少5个数字的，用#替换
        replaceAllDemo("derkkserqquisedooo","(.)\\1+","&");//重复元素用&替换
        replaceAllDemo("derkkserqquisedooo","(.)\\1+","$1");//使用$符号获取组成员 去除重复元素     
    }  
    public static void replaceAllDemo(String str,String reg,String newstr)
    {
        str=str.replaceAll(reg, newstr);//符合reg要求的，用newstr替换
        System.out.println(str);
    }
}

结果：

wer#ininiji#

der&ser&uised&

derkserquisedo

 

         4、 获取功能

获取功能

 将字符串中符合规格的子串取出               

 操作步骤

 1、将正则表达式封装成对象

 2、让正则表达式关联字符串

 3、关联后，获取正则匹配引擎

 4、通过引擎对符合规则的紫船进行操作，比如取出。

import java.util.regex.*;
public class H_05RegexGet {
    public static void main(String[] args) {
        getDemo("jin tian  tian qi  bu cuo  ming  tian  ");
    }  
    public static void getDemo(String str)
    {
        String reg="\\b[a-zA-Z]{3}\\b";//连续3个字母
        //将规则封装成对象
        Pattern p=Pattern.compile(reg);
        //让正则对象和药作用的字符串相关联，获取匹配器对象
        Matcher m=p.matcher(str);
        //String 中的matches方法就是调用了 Pattern和Matcher对象来完成的
        //m.find();//将规则作用到字符串上，并进行判断
        while(m.find())
        {
            System.out.println(m.group());
            System.out.println(m.start()+"  "+m.end());
            //返回子串的索引位置        
        }      
    }
}

结果：

jin

0  3

cuo

22  25

3.       练习：

IP地址排序

        

import java.util.TreeSet;
public class H_06RegexTest {
    public static void main(String[] args) {
        ipDemo("192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30");
    }  
    public static void ipDemo(String str)
    {
        str=str.replaceAll("(\\d+)", "00$1");//1位或多位数字，前面补0
        str=str.replaceAll("0*(\\d{3})", "$1");//前面是0个或者多个0，后面3位，替换为后面三位
        String [] arr=str.split(" +");//用一个或者多个空格切割
        TreeSet<String> ts=new TreeSet<String>();//直接存入TreeSet集合
        for(String s:arr)
        {
            ts.add(s);
        }
        for(String s:ts)
        {
            System.out.println(s.replaceAll("0*(\\d+)", "$1"));//替换成不带零的，并打印
        }
    }
}

结果

2.2.2.2

8.109.90.30

10.10.10.10

102.49.23.13

192.68.1.254

 

4.       网页爬虫

需求

         获取指定文档中的邮件地址

         使用获取功能  Patten  Matcher

import java.io.BufferedReader;
import java.io.FileNotFoundException;
import java.io.FileReader;
import java.io.InputStreamReader;
import java.net.MalformedURLException;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class H_08Spider
{
    public static void main(String[] args) throws Exception
    {
        getMail();
    }
    public static void getMail() throws Exception
    {
        URL url=new URL("http://tieba.baidu.com/p/2901562330");//地址封装
        URLConnection conn=url.openConnection();//返回一个 URLConnection 对象
        //conn.getInputStream()返回从此打开的连接读取的输入流。
        BufferedReader bufIn=new BufferedReader(newInputStreamReader(conn.getInputStream(),"utf-8"));
        String line=null;
        //String reg="[\\W&&[\\S]]+";
        //String reg="[\u4E00-\u9FA5]+";//汉字编码范围 可以获取汉字
        String reg="\\w+@\\w+(\\.\\w+)";//定义获取邮箱的正则表达式
        Pattern p=Pattern.compile(reg);    
        while((line=bufIn.readLine())!=null)
        {
            Matcher m=p.matcher(line);
            while(m.find())
            {
                System.out.println(m.group());
            }
        }      
    }
}