黑马程序员_温习 正则表达式 (个人笔记)摘要（正则表达式-----网页爬虫）

---------------------- <a href="http://edu.csdn.net"target="blank">ASP.Net+Android+IOS开发</a>、<a href="http://edu.csdn.net"target="blank">.Net培训</a>、期待与您交流！ ----------------------

摘要（正则表达式-----网页爬虫）

正则表达式：(字符串判断方式String)
|--匹配：matches
|--切割: split
|--替换: replaceAll
|--获取  上边三则综合应用


正则表达式包：java.util.regex


例（匹配）


一：模拟QQ登陆（只能是数字，第一位不能是0，总长度是5-15位）：


String  qq = "23567"; //模拟输入QQ
String regex = "[1-9][0-9]{4-14}";//建立正则：第一位开始，是1-9的数字，第二位开始，是0-9数字并且长度为（4-14）位。
//（加上第一位，总长 5 - 15位）
boolean flag = qq.matches(regex); //调用matches方法，判断，


二：
"[a-zA-Z]\\d"-->第一位开始，是大小写字母,第二位开始，是0-9数字 (总长 2 位)


"[a-zA-Z]\\d?"-->第一位开始，是大小写字母，第二位可能没有。也可能有一位。数字0-9  （总长  1 -2 位）


"[a-zA-Z]\\d*"-->第一位开始，是大小写字母，第二位可能没有，也可能有很多位，数字0-9 （总长  1-？ 位）


"1[358]\\d{9}"-->第一位开始，是数字1 ， 第二位开始，是数字3.5.8 ，第三位开始，是数字0-9且有9位  （总长 13 位）




例（切割）


一：
String str = "zhang,long,zhao,hu";


String reg = ","; -->正则： 按逗号“，”切


String[] arr = str.spilt(reg); -->调用spilt方法，实现对str字符串用reg正则 切割


二：


" +"-->切割一个或多个“空格” 如“yue  hao      tian” -->"yuehaotian"


"\\."-->切割点"."


"\\"-->切割单斜杠"\"


"\\\\"-->切割双斜杠"\\"


"(.)\\1"-->括号为组概念"."代表任意字符"\1"代表，使用第一组，
全意为：第一位开始，是任意字符，第二位开始，和第一位相同（即，切割一对相同字符）
如"abccde11a"-->"ab","de","a"


"(.)\\1+"--->全意为切割两个或两个以上相同字符




组演示:

((A)(B(C)))有四组:
|--((A)(B(C)))
|--\A
|--(B(C))
|--(C)








例（替换）：


一：
String str = "ab1cd22e333f4";


String reg = "\\d(2,)" ;-->替换方式：将两个或两个以上数字


String newstr = "#";  --->替换为警号"#"


str = str.replaceAll(reg,newstr);-->调用replaceAll方法，传入参数


      结果为："ab1cd#e#f4"


二：


String reg = "(.)\\1+";-->将两个或两个以上相同字符


String newstr = "$1"; -->替换为组1的字符  $ 符合代表使用第几组 
全意为： 将重复出现的字符，替换成一个


如："abbbbccd"--->"abcd"




例（获取）


正则表达式：调用正则的原理 Pattern(正则对象) Matcher(匹配器)


String 类中的匹配，切割，替换，获取，都源自 Pattern类(正则对象)，和 Matcher类(匹配器)


一（取出连续的4个字母）


String str = "ming tian yao fang jia";
String reg = "\\b[a-z]{4}\\b";-->"\b"是单词边界，全意为：只有4个字母时满足（第一位前和最后一位后，不能使字母）


Pattern p = Pattern.compile(reg); -->将规则封装成 正则对象


Matcher m = p.matcher(str); -->将正则对象和字符串str相关联，获取匹配器


while (m.find()) -->find方法：开始匹配，（即，执行）
{
System.out.println(m.group()); -->打印每次匹配的子串


System.out.println(m.start()+"--"+m.end()); -->打印子串的头角标位，和尾角标位
}


结果为： ming
0--4
tian
5--9
fang
14--18
注意：：


m.matches();


while (m.find()) 
{
System.out.println(m.group()); 


System.out.println(m.start()+"--"+m.end());
}




结果为:  false -->matches方法：将全体字符串进行匹配（结果为false，因为ming后边还有内容，全体字符不等于4个，所以不匹配）
tian
5--9
fang
14--18


怎么没有打印 ：ming
   0--4


因为：matches方法，执行后，角标位已经不再0了，而在第4角标位上
这时再执行find，则从第4角标位开始查找，故没有打印ming
0--4


练习：将下面字符串转为：我要学编程


String str = "我我...我我....我要..要.....要要..要学........学学....学编...编程...程....程程程"


第一步：去掉"."
Str = str.replaceAll("\\.+","");


结果:"我我我我我要要要要要学学学学编编程程程程程"


第二步:将多个重复字符编程单个


Str = str.replaceAll("(.)\\1+","$1");


结果：我要学编程




练习二：将IP按数字大小，从小到大排列


String str = "192.168.0.244  102.49.23.013  10.10.10.10  2.2.2.2  8.109.90.30";


第一步：将位数统一（如：192  2 -->192  002）这样才能比较


|--每串数字前都加两个零”00“：str = str.replaceAll("(\\d+)","00$1");


|--去除多余的零:str=str.replaceAll("0*(\\d{3})","$1");


第二步:按空格” “切割


String[] arr = str.split(" +"); -->一个或多个空格都切


第三部：排序


Tree<String> ts = new TreeSet<String>(); -->用Tree的自然排序
for(String s : arr)
{
ts.add(s);
}


第四步：去掉补位用的零


for(String s : ts)
{
s.replaceAll("0*(\\d+)","$1");
}




打印结果: 2.2.2.2
8.109.90.30
10.10.10
102.49.23.13
192.168.1.254




练习（对邮件地址进行校验）


String mail = "abc12@sina.com"


较为精确地匹配:


String reg = "[a-zA-Z_0-9]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+"


简写：


String reg = "\\w+@\\w+(\\.\\w+)+";




练习（网页爬虫）：资源获取器，如：获取某网页的邮箱地址


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


class Demo
{
public static void main(String[] args)throws Exception
{
URL url = new URL("http://..网页.."); //将网页封装成URl对象


URLConnection conn = url.openConnection(); //获取服务端对象


BufferedReader bufin = new BufferedReader(new InputStreamReader(conn.getInputStream()));//获取网络输入流


String line = null;
String mailreg = "\\w+@\\w+(\\.\\w+)+";//建立规则


Pattern p = Pattern.compile(mailreg); //将规则封装成正则对象


while ((line = bufin.readLine())!=null) //一行一行读取网络输入流数据
{
Matcher m = p.matcher(line); //每行数据都和正则对象，建立成匹配器
while (m.find()) //再执行匹配器，搜索匹配
{
System.out.println(m.group()); //将匹配的子串打印到控制
}
}
}

}

---------------------- <a href="http://edu.csdn.net"target="blank">ASP.Net+Android+IOS开发</a>、<a href="http://edu.csdn.net"target="blank">.Net培训</a>、期待与您交流！ ----------------------