----------android培训、java培训、期待与您交流!----------
1.正则表达式概念
正则表达式是对字符串操作的一种逻辑公式,就是用事先定义好的一些特定字符、及这些特定字符的组合,
组成一个“规则字符串”,这个“规则字符串”用来表达对字符串的一种过滤逻辑。
2.正则表达式特点:
1. 灵活性、逻辑性和功能性非常的强;
2. 可以迅速地用极简单的方式达到字符串的复杂控制。
3. 对于刚接触的人来说,比较晦涩难懂。
3.正则表达式构造
构造匹配
字符
x 字符 x
\\ 反斜线字符
\0n 带有八进制值 0 的字符 n (0 <= n <=7)
\0nn 带有八进制值 0 的字符 nn (0 <= n <=7)
\0mnn 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
\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
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)
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 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]
POSIX 字符类(仅 US-ASCII)
\p{Lower} 小写字母字符:[a-z]
\p{Upper} 大写字母字符:[A-Z]
\p{ASCII} 所有 ASCII:[\x00-\x7F]
\p{Alpha} 字母字符:[\p{Lower}\p{Upper}]
\p{Digit} 十进制数字:[0-9]
\p{Alnum} 字母数字字符:[\p{Alpha}\p{Digit}]
\p{Punct} 标点符号:!"#$%&'()*+,-./:;<=>?@[\]^_`{|}~
\p{Graph} 可见字符:[\p{Alnum}\p{Punct}]
\p{Print} 可打印字符:[\p{Graph}\x20]
\p{Blank} 空格或制表符:[ \t]
\p{Cntrl} 控制字符:[\x00-\x1F\x7F]
\p{XDigit} 十六进制数字:[0-9a-fA-F]
\p{Space} 空白字符:[ \t\n\x0B\f\r]
java.lang.Character 类(简单的 java 字符类型)
\p{javaLowerCase} 等效于java.lang.Character.isLowerCase()
\p{javaUpperCase} 等效于java.lang.Character.isUpperCase()
\p{javaWhitespace} 等效于java.lang.Character.isWhitespace()
\p{javaMirrored} 等效于 java.lang.Character.isMirrored()
Unicode 块和类别的类
\p{InGreek} Greek 块(简单块)中的字符
\p{Lu} 大写字母(简单类别)
\p{Sc} 货币符号
\P{InGreek} 所有字符,Greek 块中的除外(否定)
[\p{L}&&[^\p{Lu}]] 所有字母,大写字母除外(减去)
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
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
Reluctant 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
Possessive 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
Logical 运算符
XY X 后跟 Y
X|Y X 或 Y
(X) X,作为捕获组
Back 引用
\n 任何匹配的 nth 捕获组
引用
\ Nothing,但是引用以下字符
\Q Nothing,但是引用所有字符,直到 \E
\E Nothing,但是结束从 \Q 开始的引用
特殊构造(非捕获)
(?:X) X,作为非捕获组
(?idmsux-idmsux) Nothing,但是将匹配标志i d m s u x on - off
(?idmsux-idmsux:X) X,作为带有给定标志 i d m s u x on - off
的非捕获组 (?=X) X,通过零宽度的正 lookahead
(?!X) X,通过零宽度的负 lookahead
(?<=X) X,通过零宽度的正 lookbehind ……
(?<!X) X,通过零宽度的负 lookbehind
(?>X) X,作为独立的非捕获组
4.正则表达式的使用:
4.1匹配
//正则表达式使用示例:匹配,String的matches方法;
//切割:用String的split方法;
//替换:String的replaceAll(String reg, String newStr)方法;
import java.io.*;
public class RegexDemo1
{
public static void main(String [] args) throws Exception
{
//重复字母替换为‘$’;
rep("abccdefffghiiiijk", "(.)\\1+","$1"); //$表示正则表达式中的组,后面加上1表示$仅代表第一个组;
//splitStr("abccdefffghiiiijk","(.)\\1+");
//splitStr("abc.defg.hij","\\.");
//splitStr("F:\\黑马\\代码\\第25天代码-正则表达式","\\\\");
//matchTel();
}
//替换;
public static void rep(String str, String reg, String newStr)
{
str = str.replaceAll(reg,newStr);
sop(str);
}
//切割
public static void splitStr(String str, String reg)
{
String[] strs = str.split(reg);
for(String stri : strs)
{
sop(stri);
}
}
//对qq号的匹配:要求qq号长度在5到13之间,全部是数字,首位数字不能是0;
public static void matchQQ() throws IOException
{
String qq = null;
String reg = "[1-9]\\d{4,12}"; //匹配规则;
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
sop("请输入qq号!");
while((qq = br.readLine()) != null)
{
sop(qq.matches(reg));
}
br.close();
}
//对手机号的匹配:手机号长度在11位,全部都是数字,首位必须是1,第二位是3、5或8;
public static void matchTel() throws IOException
{
String tel = null;
String reg = "1[358]\\d{9}"; //匹配规则;
BufferedReader br = new BufferedReader(new InputStreamReader(System.in));
sop("请输入手机号!");
while((tel = br.readLine()) != null)
{
sop(tel.matches(reg));
}
br.close();
}
public static void sop(Object obj)
{
System.out.println(obj);
}
}
4.2切割
将字符串按照一定的规则分割成字符串数组,得到的是规则以外的子字符串,String的split方法
4.3替换
将字符串按照一定的规则用另外的字符串替换掉,String的replaceAll(String reg, String newStr)
4.4组
为了让规则可以重用,我们可以将规则封装为组,组的表现形式为一对(),每个组都有编号,编号从1开始,后面要重复使用前面的组,就要用“\\n+”,表示在第n组后面会出现一到多个与前面重复的组,n为编号,示例:
splitStr("abccdefffghiiiijk","(.)\\1+");
4.5获取
获取符合规则的子字符串:
将正则表达式封装为对象:Pattern的compile方法;
将正则表达式对象与要操作的字符串关联起来:Pattern的matcher方法;
关联后,获取正则匹配器;
通过匹配器对符合规则的字符串进行操作:Matcher 的相关方法
//网页爬虫(蜘蛛):按照正则表达式的规则搜索网页或者文档中的内容,搜索到符合规则的内容,
//就将其输出或单独保存起来;
import java.util.regex.*;
import java.io.*;
import java.net.*;
public class Spider
{
public static void main(String [] args) throws IOException
{
netSpider();
//spider();
}
//获取网页中的mail地址,使用正则表达式的获取功能;
public static void netSpider() throws IOException
{
//获取网页的url地址;
URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");
//创建url连接;
URLConnection conn = url.openConnection();
BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String line = null;
String regex = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";
Pattern patt = Pattern.compile(regex);
while((line = bufIn.readLine()) != null)
{
Matcher mat = patt.matcher(line);
while(mat.find())
{
System.out.println(mat.group());
}
}
}
//获取指定文档中的mail地址,使用正则表达式的获取功能;
public static void spider() throws IOException
{
BufferedReader br = new BufferedReader(new FileReader("mail.txt"));
String line = null;
String regex = "[a-zA-Z0-9_]+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";
Pattern patt = Pattern.compile(regex);
while((line = br.readLine()) != null)
{
Matcher mat = patt.matcher(line);
while(mat.find())
{
System.out.println(mat.group());
}
}
}
}