第十一章正则表达式

最新推荐文章于 2024-11-18 08:41:09 发布

weixin_33709590

最新推荐文章于 2024-11-18 08:41:09 发布

阅读量111

点赞数

文章标签： java 爬虫

原文链接：http://blog.51cto.com/8163413/1713956

版权

11 正则表达式

符合一定规则的表达式。

1、作用

用于专门操作字符串。

String中提供了matches(String regex)方法，用于通知此字符串是否匹配给定的正则表达式。

2、特点

用一些特定的符号，来表示一些代码操作，这样就简化了书写。

3、好处

可以简化对字符串的复杂操作。

4、弊端

符号定义越多，正则表达式越长，阅读性越差。

5、对QQ号码进行校验，5-15位，只能是数字。

public class QQ {

   public static void main(String[] args) {

       String qq="81276490";
       String regex = "[1-9][0-9]{4,14}";
       boolean b = qq.matches(regex);

       if (b) {
           System.out.println("正确");
       }else {
           System.out.println("错误");
       }
   }
}
其中：

[1-9]表示只能取1到9之间的数。

[0-9]表示只能取0到9之间的数。

{4,14}表示最少重复4次，最多重复14次。

11.1 正则表达式规则（只列出了一些常用的）

1、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）

例如： String s = "a";
           String regex = "[a,b,c]";
           boolean b = s.matches(regex);
           System.out.println(b);

2、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]`

例如：String s = "a9";
      String regex = "[a-zA-Z]\\d";
          boolean b = s.matches(regex);
      System.out.println(b);

3、边界匹配器
`^`	行的开头
`$`	行的结尾
`\b`	单词边界
`\B`	非单词边界

4、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

例子：字母后面的数字出现0次或多次。

        String s = "a98";
       String regex = "[a-zA-Z]\\d*";
       boolean b = s.matches(regex);
       System.out.println(b);

5、Logical 运算符
XY	X 后跟 Y
X`\|`Y	X 或 Y
`(`X`)`	X，作为捕获组

6、匹配手机号：13...，15...，18...

    public static void checkTel(){
       String s = "13812930477";
       String regex = "1[358]\\d{9}";
       boolean b = s.matches(regex);
       System.out.println(b);
   }

11.2 正则表达式切割字符串

1、用空格切割字符串，空格出现的次数不确定。

public class SplitDemo {

   public static void main(String[] args) {

       splitDemo();
   }

   public static void splitDemo(){

       String s = "zhangsan lisi      wangwu";
       String regex = " +";
       String[] arr = s.split(regex);
       System.out.println(arr.length);

       for (String string : arr) {
           System.out.println(string);
       }
   }
}

2、用.来切割字符串

    public static void splitDemo(){

       String s = "zhangsan.lisi.wangwu";
       String regex = ".";
       String[] arr = s.split(regex);
       System.out.println(arr.length);

       for (String string : arr) {
           System.out.println(string);
       }
   }

输出结果数组长度为0。

因为"."在正则表达式中是特殊符号，所以需要时要转义一下"\\."

3、用叠词来切割字符串

    public static void splitDemo(){

       String s = "aczzukksiyyyhiiiiiok";
       String regex = "(.)\\1+";
       String[] arr = s.split(regex);
       System.out.println(arr.length);

       for (String string : arr) {
           System.out.println(string);
       }
   }

为了可以让规则的结果被重用，可以将规则封装成一个组，用()完成。组都有编号，从1开始。想要使用已有的组可以通过\编号的形式来获取。

11.3 正则表达式替换字符串

用到了String的replaceFirst(String regex, String replacement)方法。

1、将字符串中的数字出现4次或以上时替换成*。例如dada23325435f123dsf88943der3442

public class replaceAllDemo {

   public static void main(String[] args) {

       String s = "dada23325435f123dsf88943der3442";
       String regex = "\\d{4,}";
       replaceAllDemo(s, regex, "*");
   }

   public static void replaceAllDemo(String str,String regex,String newStr){

       str = str.replaceAll(regex, newStr);
       System.out.println(str);
   }
}

结果：dada*f123dsf*der*

2、将字符串中的叠词替换成#。例如aczzukksiyyyhiiiiiok

public class replaceAllDemo {

   public static void main(String[] args) {

       String s = "aczzukksiyyyhiiiiiok";
       String regex = "(.)\\1+";
       replaceAllDemo(s, regex, "#");
   }

   public static void replaceAllDemo(String str,String regex,String newStr){

       str = str.replaceAll(regex, newStr);
       System.out.println(str);
   }
}

结果：ac#u#si#h#ok

3、将字符串中的叠词替换成一个。

public class replaceAllDemo {

   public static void main(String[] args) {

       String s = "aczzukksiyyyhiiiiiok";
       String regex = "(.)\\1+";
       replaceAllDemo(s, regex, "$1");
   }

   public static void replaceAllDemo(String str,String regex,String newStr){

       str = str.replaceAll(regex, newStr);
       System.out.println(str);
   }
}

结果：aczuksiyhiok

11.4 正则表达式获取子串

1、操作步骤

将正则表达式封装成对象Pattern
让正则表达式对象和要操作的字符串相关联
关联后，获取正则匹配引擎
通过引擎对符合规则的子串进行操作

2、从字符串中截取连续3个字符的子串

import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class SubStringDemo {

   public static void main(String[] args) {

       subStringDemo();
   }

   public static void subStringDemo(){

       String s = "hei ma wo lai le,yi ying yao hao hao xue xi";
       String regex = "\\b[a-z]{3}\\b";

       //将正则表达式封装成对象
       Pattern p = Pattern.compile(regex);
       //正则和要操作的字符串相关联
       Matcher m = p.matcher(s);
       //将规则作用到字符串上，并进行符合规则的子串查找
       while (m.find()) {
           System.out.println(m.group());

       }
   }
}

11.5 网页爬虫

1、获取指定网页中的邮件地址

import java.io.BufferedReader;
import java.io.IOException;
import java.io.InputStreamReader;
import java.net.URL;
import java.net.URLConnection;
import java.util.regex.Matcher;
import java.util.regex.Pattern;

public class SubStringDemo {

   public static void main(String[] args) throws IOException {

       getMails();
   }

   public static void getMails() throws IOException{
       URL url = new URL("http://192.168.1.11:8080/myweb/text.html");
       URLConnection conn = url.openConnection();
       BufferedReader br = new BufferedReader(new InputStreamReader(conn.getInputStream()));

       String line = null;
       String mailReg = "\\w+@\\w+(\\.\\w+)+";

       //将正则表达式封装成对象
       Pattern p = Pattern.compile(mailReg);

       while (null!=(line=br.readLine())) {

           //正则和要操作的字符串相关联
           Matcher m = p.matcher(line);

           //将规则作用到字符串上，并进行符合规则的子串查找
           while (m.find()) {
               System.out.println(m.group());
           }

       }

       br.close();
   }
}