一、正则表达式
符合一定规则的表达式
作用:用于专门操作字符串
特点:用于一些特定的符号来表示一些代码操作
好处:简化对字符串的操作
弊端:符号定义越多,正则越长,阅读性越差
注意:
正则表达式中,反斜杠要成对出现,因为要对‘\’进行转义,之后再与后面的字符匹配,这样才能代表一些特定的表达式。
正则表达式中,“点“代表任意字符,所以要进行转义,“\\.”。
组的捕获:
当要对一个结果进行重用的时候,可以把规则封装成一个组,组的出现都有编号,从1开始,想要使用已有的组,通过反斜杠加组的编号n,
表示引用第n组,即“\n“,但在字符串中需在次转义,所以格式为:“()\\n“,通过"$+组号" ,获取前面规则的第n组的结果,在切割和替换中经常会用到。
二、正则表达式的四种功能
1、匹配:match() ,返回真假
class MatchDemo{
public static void main(String[] args) {
checkTel();
checkQQ();
}
//匹配手机号,手机号段只有 13xxx 15xxx 18xxxx
public static void checkTel(){
String tel = "16900001111";
String telReg = "1[358]\\d{9}";
System.out.println(tel.matches(telReg));
}
//匹配qq号
public static void checkQQ(){
String qq = "123a454";
String regex = "[1-9]\\d{4,14}";
boolean flag = qq.matches(regex);
if(flag)
System.out.println(qq+"...is ok");
else
System.out.println(qq+"... 不合法");
}
}
2、切割:split(),返回符合规则以外的
class SplitDemo{
public static void main(String[] args) {
//splitDemo("zhangsan.lisi.wangwu","\\.");
//splitDemo("c:\\abc\\a.txt","\\\\");
//splitDemo("erkktyqqquizzzzzo","(.)\\1+");//
}
//按照指定的正则表达式进行切割
public static void splitDemo(String str,String reg){
//String reg = " +";//按照多个空格来进行切割
String[] arr = str.split(reg);
System.out.println(arr.length);
for(String s : arr){
System.out.println(s);
}
}
}
3、替换:replace,返回替换后的
这里使用到了“$+组号” ,获取前面规则的第n组的结果
class ReplaceDemo
{
public static void main(String[] args)
{
String str = "wer1389980000ty1234564uiod234345675f";//将字符串中的数组替换成#。
//只要数字出现5次或5次以上就替换成"#"
//replaceAllDemo(str,"\\d{5,}","#");
String str1 = "erkktyqqquizzzzzo";//将叠词替换成$.
//将重叠的字符替换成单个字母。zzzz->z,通过$+组号 ,获取前面规则的第n组的结果
replaceAllDemo(str1,"(.)\\1+","$1");
}
//替换
public static void replaceAllDemo(String str,String reg,String newStr)
{
str = str.replaceAll(reg,newStr);
System.out.println(str);
}
}
4、获取:返回符合规则的
将字符串中符合规则的字串取出
操作步骤:
1,将正则表达式封装成对象。
2,让正则对象和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,比如取出。
示例说明:
Pattern类,没有构造方法,所以一定提供了获取本类对象的静态方法
想要使用复杂的功能,就要找matcher对象
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。
find()方法:
尝试查找与该模式匹配的输入序列的下一个子序列,下一次查找会从上次的地方进行,即同一个匹配器用的是同一个索引,所以需要循环才可
matches()方法:
尝试将整个区域与模式匹配,如果使用matches( )只匹配了一部分,后面就返回false,但是其索引位置已经改变,下次使用同一个匹配器时,
会继续上次的索引位置进行匹配
group()方法:返回由以前匹配操作所匹配的输入子序列
import java.util.regex.*;
//将字符串中的符合规则的子串取出
class GetDemo {
public static void main(String[] args) {
get();
}
public static void get(){
String str = "ming tian jiu yao fang jia le ,da jia。";
System.out.println(str);
String reg = "\\b[a-z]{4}\\b";//获取4个字符组成的单词,\b为单词边界
//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);
// boolean b = m.find();//尝试查找与该模式匹配的输入序列的下一个子序列,下一次查找会从上次的地方进行,即同一个匹配器用的是同一个索引,所以需要循环才可
//System.out.println("matches:"+m.matches());//false,因为只匹配了一部分,所以为false,但是匹配器的索引位置已经改变
//先find再group
while(m.find()){
System.out.println(m.group());
System.out.println(m.start()+"...."+m.end());//获取字串的开始和结束的索引位置
}
}
}
三、正则中四种功能的使用原则
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。
四、正则练习
练习一、 将下列字符串转成:我要学编程.
"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"
思路:
将已有字符串变成另一个字符串,使用替换功能。
1、可以先将 . 去掉。
2、在将多个重复的内容变成单个内容。
import java.util.*;
class RegexTest {
public static void main(String[] args) {
test();
}
public static void test()
{
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";
//去除所有的点
str = str.replaceAll("\\.+","");
System.out.println(str);
//替换叠词
str = str.replaceAll("(.)\\1+","$1");
System.out.println(str);
}
}
练习二、将ip地址进行地址段顺序的排序
192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30
思路:
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。
import java.util.*;
class IPSortTest {
public static void main(String[] args) {
ipSort();
}
public static void ipSort(){
String ip = "192.68.1.254 102.49.23.013 10.10.10.10 2.2.2.2 8.109.90.30";
//在连续的数字(即在点的范围内的数字段)前加两个0
ip = ip.replaceAll("(\\d+)","00$1");
System.out.println(ip);
//0没有或多次,数字出现3次, 3位数字已经确定,0没有或多次是匹配3位数字前面的0
ip = ip.replaceAll("0*(\\d{3})","$1");
System.out.println(ip);
//获取所有的IP地址
String[] arr = ip.split(" ");
//使用可排序的TreeSet集合存储
TreeSet<String> ts = new TreeSet<String>();
//遍历数组,向集合中添加元素
for(String s : arr){
ts.add(s);
}
//遍历集合
for(String s : ts){
//组为(\\d+),使用组的结果替换没有或多次的0和连续的数字,即去数字段前的0
System.out.println(s.replaceAll("0*(\\d+)","$1"));
}
}
}
练习三、对邮件地址进行校验
import java.util.*;
class RegexTest {
public static void main(String[] args) {
checkMail();
}
public static void checkMail(){
String mail = "abc12@sina.com";
String reg = "[a-zA-Z0-9_]{6-12}+@[a-zA-Z0-9]+(\\.[a-zA-Z]+)+";//较为精确的匹配。
//reg = "\\w+@\\w+(\\.\\w+)+";//相对不太精确的匹配。
System.out.println(mail.matches(reg));
}
}
应用:网页爬虫(蜘蛛)
通过对网页进行读取,获取符合指定规则的内容
示例说明:
分别通过获取本地文件和网页的e-mail进行演示,新建一个mail.txt文件,里面写入一些e-mail地址
另外需要在C:\apache-tomcat-6.0.35\webapps先建立一个含有e-mail的html网页,用于模拟网页,用到前面学到的URL类中的内容
import java.io.*;
import java.util.regex.*;
import java.net.*;
import java.util.*;
class RegexTest2
{
public static void main(String[] args) throws Exception
{
getMails_1();
}
// 获取指定网页中的邮件地址。
public static void getMails_1()throws Exception
{
//根据 String 表示形式创建 URL 对象。
URL url = new URL("http://192.168.1.254:8080/myweb/mail.html");
//获取到一个网络连接对象
URLConnection conn = url.openConnection();
//创建一个缓冲读取流
BufferedReader bufIn = new BufferedReader(new InputStreamReader(conn.getInputStream()));
//为要获取的数据编写一个正则表达式
String mailreg = "\\w+@\\w+(\\.\\w+)+";
//将给定的正则表达式编译到模式中
Pattern p = Pattern.compile(mailreg);
//读取网页
String line = null;
while((line=bufIn.readLine())!=null)
{
//创建匹配给定输入与此模式的匹配器
Matcher m = p.matcher(line);
//进行符合规则的子串查找
while(m.find())
{
//获取匹配后结果
System.out.println(m.group());
}
}
}
/*
获取指定文档中的邮件地址。
使用获取功能。Pattern Matcher
*/
public static void getMails()throws Exception
{
BufferedReader bufr =
new BufferedReader(new FileReader("mail.txt"));
String line = null;
//为要获取的数据编写一个正则表达式
String mailreg = "\\w+@\\w+(\\.\\w+)+";
//将给定的正则表达式编译到模式中
Pattern p = Pattern.compile(mailreg);
//读取文件
while((line=bufr.readLine())!=null)
{
//创建匹配给定输入与此模式的匹配器
Matcher m = p.matcher(line);
while(m.find())
{
//获取匹配后结果
System.out.println(m.group());
}
}
}
}