java 正则表达式 and_Java正则表达式

作为开发人员，正则是一定会接触到的内容，刚学习编程那时就开始用正则，提取爬虫爬取的页面内容。后面写Linux脚本，用正则过滤一些自己想要的内容。后续还是经常用到这块的知识点，还是需要整理下相关内容。

介绍

正则表达式(regex)即一种搜索字符串中模式(pattern)。模式可以是任意的字符串，或者是一个复杂的表达式。正则主要应用在字符串的搜索，编辑等操作上。

语法

1 如下egrep使用的是正则的语法，虽然是命令行，但内涵一样。.代表任意的字符串，所以egrep搜索字符的时候所以的字符都是红色的，是被匹配的，而搜索Hello的时候只有Hello被匹配。

每一种编程语言都有正则表达式的实现，但是不同的语言之间支持的内容有轻微的差别。

image-20191127072256674

常见正则规则

如下是一些常见的正则表达式类型。

正则表达式

Description

.

匹配任意字符

^regex

仅仅匹配regex必须在一行的开头字符。

regex$

仅仅匹配regex出现在一行的末尾的字符串。比如 xxxxxregex。 而xxxregexyyy不行。

[abc]

集合匹配，匹配a，b，c

[abc][vz]

集合匹配，可以匹配 av,az,bv,bz,cv,cz

[^abc]

加上取反符号，即不匹配abc的内容

[a-d1-7]

匹配一个范围，具体位置可以是a-d中的任何一个字符，1-7之间的任何一个数字。

XlZ

匹配X或Y

正则元字符

一些预定义的元字符，让我们更容易使用正则表达式，可以看做替我们提前写好了上述的一些常见正则规则。

元字符

描述

\d

任何数字,即[0-9]

\D

任何非数字，即 [^0-9]

\s

任何空白字符,即 [ \t\n\x0b\r\f]

\S

任何非空白字符。即[^ \t\n\x0b\r\f]

\w

任意单词类型字符, 即 [a-zA-Z_0-9]

\W

任意非单词字符，即 [^\w]

\S+

多个非空白字符

\b

匹配一个字边界，即字与空格间的位置。例如，"er\b"匹配"never"中的"er"，但不匹配"verb"中的"er"。

\B

非字边界匹配。"er\B"匹配"verb"中的"er"，但不匹配"never"中的"er"。

正则量词

量词即匹配一个字符串出现了多少次。

字符

描述

*

零次或多次匹配前面的字符或子表达式。例如，zo* 匹配"z"和"zoo"。* 等效于 {0,}。

+

匹配一次或多次前面的字符，{1, }

?

匹配前一个字符不超过一次，即{0,1}

{X}

X为数字，代表精确的匹配前一个字符几次。\d{3}，代表精确匹配三个数字。

{X,Y}

匹配前一个字符，X次到Y次之间

*?

即只匹配一次就停止接下来的匹配。

Java使用

字符串中使用到正则的方法：

matches

split

replaceFirst

replaceAll

replace方法不支持正则表达式。

部分元字符测试

后续补充

提取数字

@Test

public void regextExtractNumber(){

// 匹配任意的数字

Pattern p = Pattern.compile("\\d+");

Matcher m = p.matcher("string1234more567string890");

while(m.find()) {

System.out.println(m.group());

}

}

匹配手机号

@Test

public void regexPhone(){

// 手机号的第一位必须为 1。 ^[1]

// 手机号的第二位必须为 3,4,5,7,8 中的任意一个。 [34578]

// 紧接着有9位数字，只要是数字就行。[0-9]{9}

// 没有其它额外的内容。最后一位$

Pattern pattern = Pattern.compile("^[1][34578][0-9]{9}$");

String p1 = "13855683754";

String p2 = "15880975963";

System.out.println(pattern.matcher(p1).matches());

System.out.println(pattern.matcher(p2).matches());

}

匹配IP地址

这个属于比较复杂的案例，能看懂这个正则就ok了。

@Test

public void regexIpv4(){

// IP地址长度不固定。因此可能出现误匹配

// 将如下的正则表达式分为4段内容看即可。因为IP由三个 . 分隔开，以下正则也是又3个.分隔，最终以数字结尾。

// ^[01]?\\d\\d? 如果是三个数字，第一位必须是0或1。但是可以为1位到2位数字。

// 2[0-4]\\d 如果是以2开头的，那么接下来必须是0~4之间的一个数，第三位为任意数字

// 25[0-5] 如果是以25开头的，那么最后一个数字只能是 0~5。

// 其余一样

String ip_pattern =

"^([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\." +

"([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\." +

"([01]?\\d\\d?|2[0-4]\\d|25[0-5])\\." +

"([01]?\\d\\d?|2[0-4]\\d|25[0-5])$";

Pattern pattern = Pattern.compile(ip_pattern);

List strings = Arrays.asList(

"0.1.1.1",

"0.02.0.0",

"192.168.1.1",

"132.254.111.10",

"127.0.0.1"

);

for (String string : strings) {

System.out.println(pattern.matcher(string).matches());

}

}

提取html中href地址。

@Test

public void testHref(){

String aTag = "\n" +

" \n" +

" ";

// html的连接标签，属性为href。

// 地址中不为空，但可能有？#等内容，因此用非空匹配。

// href地址由""引起来，因此两边加上""

// 使用正则的反向引用特性

Pattern pattern = Pattern.compile("href=\"(\\S+)\".*");

Matcher matcher = pattern.matcher(aTag);

if (matcher.find()){

System.out.println(matcher.group(1));

}

}

最后

今天先到这里了