【Java基础】——正则表达式

一、概述

1、正则表达式的概念：符合一定规则的表达式
2、正则表达式的作用：用于专门操作字符串。
3、正则表达式的特点：用一些特定的符号来表示一些代码操作，这样可以简化书写。
4、正则表达式的利弊
好处：可以简化对字符串的复杂操作
弊端：符号定义越多，正则越长，阅读性越差
5、为什么要引入正则表达式呢？

二、常用的正则表达式规则

1、字符

x	字符x
\\	反斜线字符
\On	带有八进制值 0 的字符 n (0 <= n <= 7)
\Onn	带有八进制值 0 的字符 nn (0 <= n <= 7)
\Omnn	带有八进制值 0 的字符 mnn（0 <= m <= 3、0 <= n <= 7）
\xhh	带有十六进制值 0x 的字符 hh
\uhhhh	带有十六进制值 0x 的字符 hhhh
\t	制表符 ('\u0009')
\n	新行（换行）符 ('\u000A')
\r	回车符 ('\u000D')
\f	换页符 ('\u000C')
\a	报警 (bell) 符 ('\u0007')
\e	转义符 ('\u001B')
\cx	对应于 x 的控制符

2、字符类

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

3、预定义字符类

.	任何字符（与行结束符可能匹配也可能不匹配）
\d	数字：[0-9]
\D	非数字： [^0-9]
\s	非数字： [^0-9]
\S	非空白字符：[^\s]
\w	单词字符：[a-zA-Z_0-9]
\W	非单词字符：[^\w]

4、边界匹配器

^	行的开头
$	行的结尾
\b	单词边界
\B	非单词边界
\A	输入的开头
\G	上一个匹配的结尾
\Z	输入的结尾，仅用于最后的结束符（如果有的话）
\z	输入的结尾

5、greedy数量词

X?	X，一次或一次也没有
X*	X，零次或多次
X+	X，一次或多次
X{n}	X，恰好 n 次
X{n,}	X，至少 n 次
X{n,m}	X，至少 n 次，但是不超过 m 次

6、组和捕获

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：
a）、((A)(B(C)))
b）、\A
c）、(B(C))
d）、(C)
之所以这样命名捕获组是因为在匹配中，保存了与这些组匹配的输入序列的每个子序列。捕获的子序列稍后可以通过 Back 引用在表达式中使用，也可以在匹配操作完成后从匹配器获取。

三、具体操作功能

1、匹配

matches(String regex)：用规则匹配整个字符串，只要有一处不符合规则。就返回false。
如下代码所示：

public class RegexTest1{
	/*
		需求：对手机号码进行匹配
		分析：手机号码段13xxxxxxx，15xxxxx，18xxxxxxx
	*/
	public static void main(String[] args){
		String tel = "16900001111";
		//定义电话号码规则
		String telReg = "1[358]\\d{9}";
		System.out.println(tel.matches(telReg));//结果：false
	}
}

2、切割

split(String regex)：根据给定正则表达式的匹配拆分此字符串。
split(String regex, int limit)：根据匹配给定的正则表达式来拆分此字符串。
如下代码所示：

public class RegexTest2{
	public static void main(String[] args){
		String str = "erkktyqqquizzzzzo";
		/*
		按照叠词完成切割。为了可以让规则的结果被重用
		可以将规则封装成一个组。用()完成。组的出现都有编号。
		从1开始。 想要使用已有的组可以通过  \n(n就是组的编号)的形式来获取
		*/
		String reg = "(.)\\1+";
		String[] arr = str.split(reg);  
		System.out.println(arr.length);
		for(String s : arr)
		{
			System.out.println(s);
		}
	}
}

3、替换

replaceAll(String regex,String replacement)：使用给定的 replacement 替换此字符串所有匹配给定的正则表达式的子字符串。
replaceFirst(String regex,String replacement)：使用给定的 replacement 替换此字符串匹配给定的正则表达式的第一个子字符串。
如下代码所示：

public class RegexTest3{
	public static void main(String[] args){
		String str = "erkktyqqquizzzzzo";
		//正则规则
		String regex = "(.)\\1+";
		str = str.replaceAll(regex,"$1");//$1将重叠的字符替换成单个字母。
		System.out.println(str);//erktyquizo
	}
}

4、获取

将字符串中符合规则的子串取出。
操作步骤：
①将正则表达式封装成对象
②让正则对象与要操作的字符串相关联
③关联后，获取正则匹配引擎
④通过引擎对符合规则的子串进行操作，例如查找find()，取出group()
如下代码所示：

import java.util.regex.*;

class RegexTest4 
{
	public static void main(String[] args) 
	{
		getDemo();
	}
	public static void getDemo()
	{
		String str = "ming tian jiu yao fang jia le ,da jia。";
		System.out.println(str);
		String reg = "\\b[a-z]{4}\\b";

		//将规则封装成对象。
		Pattern p = Pattern.compile(reg);

		//让正则对象和要作用的字符串相关联。获取匹配器对象。
		 Matcher m  = p.matcher(str);

		/*
		//其实String类中的matches方法。用的就是Pattern和Matcher对象来完成的。
		//只不过被String的方法封装后，用起来较为简单。但是功能却单一。
		System.out.println(m.matches());
										
		boolean b = m.find();//将规则作用到字符串上，并进行符合规则的子串查找。
		System.out.println(b);
		System.out.println(m.group());//用于获取匹配后结果。
		
		System.out.println("matches:"+m.matches()); */
		while(m.find())
		{
			System.out.println(m.group());
			System.out.println(m.start()+"...."+m.end());
		}
	}
}

5、四种功能的选择

这四种功能，具体的得按照我们的需求来选择，如：

• 如果我们只需要指导该字符串是否符合我们的标准，则只需要使用匹配。
• 如果我们想要将字符串中的某子串变成另一个子串，则使用替换。
• 如果我们想要将一个字符串按照我们的要求变成多个字符串，则使用切割。
• 如果想要获取符合我们需求的子串，则使用获取。
• 当然，在将字符串变成符合我们需求的过程中，某些功能可能需要反复的使用才能达到目标。
  

四、正则表达式小练习

1、正则表达式小练习一：

/*
需求：
	将下列字符串转成：我要学编程.
	
	到底用四种功能中的哪一个呢？或者哪几个呢？
	思路方式：
	1，如果只想知道该字符是否对是错，使用匹配。
	2，想要将已有的字符串变成另一个字符串，替换。
	3，想要按照自定的方式将字符串变成多个字符串。切割。获取规则以外的子串。
	4，想要拿到符合需求的字符串子串，获取。获取符合规则的子串。
*/
class RegexTest5 
{
	public static void main(String[] args) {
		String str = "我我...我我...我要..要要...要要...学学学....学学...编编编...编程..程.程程...程...程";
		//去除文字段中的.
		str = str.replaceAll("\\.+","");
		System.out.println(str);//我我我我我要要要要要学学学学学编编编编程程程程程程
		//将多个重复的内容变成单个内容
		str = str.replaceAll("(.)\\1+","$1");
		
		System.out.println(str);//我要学编程
	}
}

2、正则表达式小练习二：将ip地址进行地址段顺序的排序。

import java.util.*;
public class RegexTest6{
	/*
	将ip地址进行地址段顺序的排序。
	还按照字符串自然顺序，只要让它们每一段都是3位即可。
	1，按照每一段需要的最多的0进行补齐，那么每一段就会至少保证有3位。
	2，将每一段只保留3位。这样，所有的ip地址都是每一段3位。
	*/
	public static void main(String[] args){
		String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
		//将每一段需要的最多的0补齐
		ip = ip.replaceAll("(\\d+)","00$1");
		System.out.println(ip);
		//去掉有些段前面多余的0，保证每一段都是三位。
		ip = ip.replaceAll("0*(\\d{3})","$1");
		System.out.println(ip);
		//将ip按照空格进行切割，并存入数组。
		String[] arr = ip.split(" ");
		//定义一个TreeSet集合，进行自然顺序排序。。
		TreeSet<String> ts = new TreeSet<String>();
		//将数组中的元素添加进集合
		for(String s : arr)
		{
			ts.add(s);
		}
		//打印进行排序后的集合中的元素
		for(String s : ts)
		{
			System.out.println(s.replaceAll("0*(\\d+)","$1"));
		}
		/*
			2.2.2.2
			8.109.90.30
			10.10.10.10
			102.49.23.13
			192.68.1.254
		*/
	}
}

3、正则表达式小练习三：网络爬虫

/*
网络爬虫（蜘蛛）
实际上是一个功能，用于搜集网络上的指定信息
需求：可用于收集邮箱，qq号等之类的信息。
应用：如通过关键字搜索blog，实际就是使用的“蜘蛛”，通过查找关键字获取相关的blog
*/

import java.net.*;
import java.util.regex.*;
import java.io.*;

class  RegexTest7
{
	public static void main(String[] args)throws Exception
	{
		//getFileMail();
		getWebMail();
		
	}

	//获取网页中mail
	public static  void getWebMail()throws Exception
	{
		//封装网页地址
		URL url=new URL("http://tieba.baidu.com/p/1390896758");
		//连接服务器
		URLConnection conn=url.openConnection();
		//带缓冲区的网页读取流
		BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));
		String line=null;
		
		//定义匹配邮件地址的正则表达式
		String regex="\\w+@\\w+(\\.\\w+)+";
		Pattern p=Pattern.compile(regex);//封装正则表达式
		//读取网页数据
		while ((line=br.readLine())!=null)
		{
			//正则关联数据
			Matcher m=p.matcher(line);
			//寻找匹配邮箱
			while (m.find())
			{
				System.out.println(m.group());//输出匹配邮箱
			}		
		}	
	}

	//获取指定文档中的邮件地址。使用获取功能。Pattern  Matcher
	public static void getFileMail()throws Exception
	{
		//将文件封装成对象
		File file=new File("E:\\Java Study\\Practice\\day25\\mail.txt");
		//创建带缓冲区的读取流
		BufferedReader br=new BufferedReader(new FileReader(file));
		String line=null;

		//定义正则表达式
		String regex="\\w+@[a-zA-Z]+(\\.[a-zA-z]+)+";
		//创建Pattern对象，封装正则表达式
		Pattern p=Pattern.compile(regex);

		//读取文件中数据
		while ((line=br.readLine())!=null)
		{	
			
			//关流字符串
			Matcher m=p.matcher(line);
			while (m.find())//寻找匹配的字符串
			{
				System.out.println(m.group());//输出匹配的字符串
			}
		}
	}
}