------- android培训、java培训、期待与您交流! ----------
正则表达式
正则表达式概述
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。
给定一个正则表达式和另一个字符串,我们可以达到如下的目的:
1. 给定的字符串是否符合正则表达式的过滤逻辑(称作“匹配”);
2. 可以通过正则表达式,从字符串中获取我们想要的特定部分。
.
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]
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
实例1:匹配QQ号码
如果QQ限定在5-11位之间
第1位不能是0,必须是1-9
第2位以及以后都是数字
class MatchesQQ{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args) {
String qq1 = "012345";
String qq2 = "a12345";
String qq3 = "-123456";
String qq4 = "1234";
String qq5 = "123456789012";
String qq6 = "123456789";
String reg = "[1-9]\\d{4,10}";
sop("qq1:"+qq1.matches(reg));//false
sop("qq2:"+qq2.matches(reg));//false
sop("qq3:"+qq3.matches(reg));//false
sop("qq4:"+qq4.matches(reg));//false
sop("qq5:"+qq5.matches(reg));//false
sop("qq6:"+qq6.matches(reg));//true
}
}
实例2:匹配手机号码
匹配前两位,只要后面9位都是数字就行,
当然目前有的号段并未开通,但暂时不考虑。
手机号码有13XXX、15XXX、18XXX号段
class MatchesTel{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args) {
String tel1 = "12011110000";
String tel2 = "186111100002";
String tel3 = "1351111000";
String tel4 = "A3511112222";
String tel5 = "18600001111";
//手机号码必须是11位数字
//第1位不能是0,必须是1
//第2位只能是3、5、8.
//第3位到第11位都是任何数字
String reg = "[1][358]\\d{9}";
sop("tel1:"+tel1.matches(reg));//false
sop("tel2:"+tel2.matches(reg));//false
sop("tel3:"+tel3.matches(reg));//false
sop("tel4:"+tel4.matches(reg));//false
sop("tel5:"+tel5.matches(reg));//true
}
}
实例3:匹配用户名
用户名长度在6-15位之间
用户名以字母和数字组成,只能以字母开头,只能包含'-'以及'_'
^ 行的开头 只能是任何字母大小写
$ 行的结尾
class MatchesUser{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args) {
String user1 = "wgxin";
String user2 = "jiewin";
String user3 = "wgx*abc";
String user4 = "020jiuguijiu";
String user5 = "A6_1-2345612345";
String reg = "^[a-zA-Z][a-zA-Z0-9_-]{5,14}$";
sop("user1:"+user1.matches(reg));//false
sop("user2:"+user2.matches(reg));//true
sop("user3:"+user3.matches(reg));//false
sop("user4:"+user4.matches(reg));//false
sop("user5:"+user5.matches(reg));//true
}
}
实例4:对字符串进行切割
class SplitDemo{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args) {
//splitUser1();
//splitUser2();
//splitUser3();
//splitURL();
splitDieCi();
}
//如果切割符号只出现连续1个
public static void splitUser1(){
String user = "zhangsan lisi wangwu";
String reg = " ";//用一个空格切割
String[] arr = user.split(reg);
for(String s:arr){
sop(s);
}
}
//切割符号连续出现多次并且个数不相等
public static void splitUser2(){
String user = "zhangsan lisi wangwu";
String reg = " +";//用多个空格切割
String[] arr = user.split(reg);
for(String s:arr){
sop(s);
}
}
//切割符号不能用“.”切割,因为它是正则表达式里的特殊符号,必须先进行转义
public static void splitUser3(){
String user = "zhangsan.lisi.wangwu";
String reg = "\\.";//不能这样写\.
String[] arr = user.split(reg);
for(String s:arr){
sop(s);
}
}
//使用叠词切割
public static void splitDieCi(){
// //用.来表示任意字符,用(.)1来表示一组。
// //但是1必须先用\转义,同时\也要转义一次,最后就是(.)\\1
// String user = "zhangshankklisibbwangwu";
// String reg = "(.)\\1";
//如果叠词数出现的个数不同,就在后面添加‘+’
String user = "zhangshankklisibbwangwu";
String reg = "(.)\\1";
reg = "(.)\\1+";
String[] arr = user.split(reg);
for(String s:arr){
sop(s);
}
}
}
实例5:替换指定字符
class ReplaceDemo{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args) {
replace1();
replace2();
replace3();
}
//如果字符串中连续出现5个以上的数字,就将其替换成#
public static void replace1(){
String str = "wgxin135000001111jiewin1156xin123456guangwu";
sop(str.replaceAll("\\d{5,}","#"));
}
//将叠词替换成&号
public static void replace2(){
String str = "wgxin0101335500001111jiew111in";
sop(str.replaceAll("(.)\\1+","&"));
}
//将叠词替换成单个词,$1 表示一组叠词
public static void replace3(){
String str = "aaabbbbbcccccddddddefg111122234445565321";
sop(str.replaceAll("(.)\\1+","$1"));
}
}
/*
wgxin#jiewin1156xin#guangwu
wgxin0101&&&&jiew&in
abcdefg1234565321
*/
实例6:获取字符串中3个字母的单词
import java.util.regex.*;
class GetDemo{
public static void sop(Object obj){System.out.println(obj);}
public static void main(String[] args){
//定义字符串
String str = "ming tian fang jia le,da jia, haha.";
//设置正则表达式。从字符串中获取3个字母的单词
String reg = "\\b[a-z]{4}\\b";
//把正则表达式封装成对象
Pattern p = Pattern.compile(reg);
//把对象和字符串关联,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,但功能却单一。
//find()尝试查找与该模式匹配的输入序列的下一个子序列。
while(m.find()){
String word = m.group(); //获取匹配后的结果
int s = m.start(); //返回以前匹配的初始索引
int e = m.end(); //返回最后匹配字符之后的偏移量
sop(word+" "+s+"-"+e);
}
}
}
网页爬虫
网页爬虫简单说就是互联网程序的一种代名词,也可以指一段小程序,也可以指使用者。
特点,利用这个小程序可以获取指定的网页上的数据,例如获取邮箱,给邮箱发送广告。
URLConnection 类中的方法
InputStream getInputStream() 返回从此打开的连接读取的输入流
获取网页上的邮件地址
import java.io.*;
import java.net.*;
import java.util.*;
import java.util.regex.*;
class GetEmail{
public static void main(String[] args) throws Exception{
//getEmail();
getWebEmail();
}
//获取本地文件中的email地址
public static void getEmail() throws Exception{
//创建字符读取流缓冲区
BufferedReader bufr = new BufferedReader(new FileReader("email.txt"));
String line = null;
//String mailreg = "\\w+@\\w+(\\.\\w+)+";
String mailreg = "\\b[a-zA-Z][a-zA-Z0-9_-]{3,14}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";
//将表达式封装成模式
Pattern p = Pattern.compile(mailreg);
//读取字符流缓冲区中的一行数据
while((line=bufr.readLine())!=null){
//把数据与正则表达式模式匹配
Matcher m = p.matcher(line);
//匹配下一个
while(m.find()){
//返回正确匹配后的结果打印出去
System.out.println(m.group());
}
}
}
//获取网络URL中的邮件地址
public static void getWebEmail() throws Exception{
URL url1 = new URL("http://edu.csdn.net/main/about/contact.shtml");
URL url2 = new URL("http://www.douban.com/event/14146775/discussion/40108760/");
//返回一个 URLConnection 对象,它表示到 URL 所引用的远程对象的连接。
URLConnection conn = url2.openConnection();
//从conn打开的连接读取输入流,存入字符读取流缓冲区。
BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
String reg = "\\b[a-zA-Z][a-zA-Z0-9_-]{3,14}@[a-zA-Z0-9]+(\\.[a-zA-Z]+){1,2}";
Pattern p = Pattern.compile(reg);
//使用TreeSet集合的自然排序功能。
TreeSet<String> ts = new TreeSet<String>();
String line = null;
while((line=bufIn.readLine())!=null){
Matcher m = p.matcher(line);
while(m.find()){
ts.add(m.group());//添加到集合中
//System.out.println(m.group());
}
}
//遍历集合中的数据
for(String s:ts)
System.out.println(s);
}
}